基于统计模型后滤波的麦克风阵列语音增强方法

发布时间：2017-06-28 18:12

  本文关键词：基于统计模型后滤波的麦克风阵列语音增强方法，，由笔耕文化传播整理发布。

【摘要】：在人类的生活环境中,到处存在噪声,因此干净的语音信号很容易受到噪声的干扰。随着语音识别、语音合成、语音控制等语音信号处理技术的发展,要求得到干净的语音信号进行处理,然而噪声干扰严重影响着这些应用技术的性能,甚至于系统性能失效。因此,如何从带噪语音中尽可能的获取纯净语音,进行语音增强,是一个亟待解决的问题。一直以来基于麦克风阵列的语音增强算法是语音增强领域的一个重要研究方向,阵列具有很好的空间选择性,可以保持期望语言方向增益不变的同时,削弱其他方向的干额外噪声,从而实现良好的消噪效果。然而,这些方法所采集到的语音都含有残余的噪声,对增强性能的提高有限,针对这种不足,本文增加了一个基于模型统计的后滤波模块,提高增强后语音数据的信噪比。本文将麦克风阵列波束成形与基于统计模型方法相结合,提出基于模型统计后滤波的增强新方法。本文的工作主要有以下几个方面:1.介绍了几种常见的语音增强算法,并在第三章分别对它们的增强效果评估;2.分别介绍语音增强基本方法与麦克风阵列方法,以及介绍它们应用于语音增强算法的优点与不足之处;3.改进了后滤波方法,提出了基于统计模型后滤波的波束成形增强方法,并使用MATLAB与C++实现了该方法。首先利用宽带麦克风阵列波束成形对带噪语音进行增强,分析增强结果;再利用HTK工具箱训练出干净语音的GMM模型和噪声的GMM模型计算带噪语音的GMM模型;最后利用带噪语音模型的先验信息消除麦克风阵列增强残存的噪声。经过对语音增强后结果的评价,得出基于统计模型后滤波方法对残余噪声信号的滤除效果非常显著。
【关键词】：语音增强 麦克风阵列 高斯混合模型
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN912.35;TN643
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-14
• 1.1 论文研究背景9-10
• 1.2 国内外研究现状10-12
• 1.3 章节安排12-14
• 第二章 语音增强的基本原理14-22
• 2.1 语音特性和噪声及噪声场14
• 2.1.1 语音信号的特性14
• 2.1.2 噪声特性14
• 2.2 语音增强的基本方法14-19
• 2.2.1 谱减法15-16
• 2.2.2 维纳滤波法16-17
• 2.2.3 最小均方误差估计法17-19
• 2.3 语音增强性能评价标准19-21
• 2.3.1 语音质量的主观评价标准19-20
• 2.3.2 语音质量的客观评价标准20-21
• 2.4 小结21-22
• 第三章 麦克风阵列语音增强技术22-45
• 3.1 麦克风阵列基本概念22-24
• 3.1.1 语音声源模型22-23
• 3.1.2 麦克风阵列信号模型23-24
• 3.2 麦克风阵列系统模型24-36
• 3.2.1 阵列窄带信号的数学模型24-29
• 3.2.2 阵列空间的采样定理29-30
• 3.2.3 宽带信号模型30-31
• 3.2.4 窄带波束形成模型31-33
• 3.2.5 固定波束形成算法33-34
• 3.2.6 自适应波束形成34-36
• 3.3 宽带波束形成模型36-40
• 3.3.1 Frost波束形成37-38
• 3.3.2 频域宽带波束形成38-39
• 3.3.3 子带波束形成39-40
• 3.4 基于广义旁瓣相消器的宽带波束成形语音增强算法40-41
• 3.4.1 LCMV准则40
• 3.4.2 基于LCMV准则的宽带ISM波束形成算法40-41
• 3.5 实验仿真与分析41-44
• 3.6 小结44-45
• 第四章 基于统计模型后滤波的麦克风阵列语音增强方法45-57
• 4.1 后滤波算法的简介45
• 4.2 基于模型的语音增强系统框架45-51
• 4.2.1 基于PCS的GMM语音增强系统46-48
• 4.2.2 语音信号的特征参数48
• 4.2.3 LPCC提取48-49
• 4.2.4 MFCC提取49-51
• 4.3 实验仿真与分析51-56
• 4.4 小结56-57
• 第五章 结论57-58
• 5.1 论文工作总结57
• 5.2 下一步工作展望57-58
• 参考文献58-61
• 攻读硕士学位期间取得的研究成果61-62
• 致谢62-63
• 附件63

【相似文献】

中国期刊全文数据库 前10条

1 胡光锐,虞晓;基于二阶前向结构和信息最大理论的语音增强算法[J];上海交通大学学报;2000年07期

2 姚峰英,张敏;用于语音增强的高频信噪比度量[J];声学学报;2002年05期

3 彭煊,刘金福,王炳锡;基于独立分量分析的语音增强[J];信号处理;2002年05期

4 王金明,张雄伟;一种基于自适应模糊滤波的语音增强方法[J];解放军理工大学学报(自然科学版);2003年01期

5 杨汇军,郑海英,王立红;语音增强方法的研究[J];辽宁工学院学报;2003年05期

6 徐爽,韩芳芳,郑德忠;基于阈值的小波域语音增强新算法[J];传感技术学报;2004年01期

7 孙新德;一种改进的语音增强方法及实现[J];郑州航空工业管理学院学报(社会科学版);2005年04期

8 钱国青;赵鹤鸣;;基于改进谱减算法的语音增强新方法[J];计算机工程与应用;2005年35期

9 王晶,傅丰林,张运伟;语音增强算法综述[J];声学与电子工程;2005年01期

10 杨毅;杨宇;余达太;;语音增强及其消噪能力研究[J];微电子学与计算机;2006年07期

中国重要会议论文全文数据库 前10条

1 陈凯;俞蒙槐;胡上序;付强;;语音增强系统性能评测方法综述[A];第四届全国人机语音通讯学术会议论文集[C];1996年

2 王建波;林本浩;田春明;刘睿;;语音增强及其相关技术研究[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年

3 徐舒;孙洪;;基于融合迭代的语音增强方法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

4 牛刚;任新智;吴国庆;;谐波能量汇集度在语音增强中的应用[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

5 国雁萌;;一种极低信噪比条件下的语音增强方法[A];第六届全国人机语音通讯学术会议论文集[C];2001年

6 江峰;李晓东;;适用于抑制非平稳背景噪声的语音增强算法[A];中国声学学会2003年青年学术会议[CYCA'03]论文集[C];2003年

7 阎兆立;杜利民;;维纳后滤波语音增强算法研究[A];中国声学学会2005年青年学术会议[CYCA'05]论文集[C];2005年

8 刘淑华;胡强;覃团发;万海斌;;语音增强算法的研究[A];2005通信理论与技术新进展——第十届全国青年通信学术会议论文集[C];2005年

9 魏臻;张景达;陆阳;;嵌入式系统中语音增强改进算法的研究[A];2007'中国仪器仪表与测控技术交流大会论文集（一）[C];2007年

10 杨威明;;基于阈值的小波变换语音增强方法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

中国博士学位论文全文数据库 前10条

1 欧世峰;变换域语音增强算法的研究[D];吉林大学;2008年

2 尹伟;基于模型的语音增强方法及质量评估研究[D];武汉大学;2009年

3 王海艳;基于统计模型的语音增强算法研究[D];吉林大学;2011年

4 方瑜;语音增强相关问题研究[D];北京邮电大学;2012年

5 姚峰英;语音增强系统的研究与实现[D];中国科学院上海冶金研究所;2001年

6 夏丙寅;面向移动通信的单通道语音增强方法研究[D];北京工业大学;2014年

7 徐勇;基于深层神经网络的语音增强方法研究[D];中国科学技术大学;2015年

8 陶智;低信噪比环境下语音增强的研究[D];苏州大学;2011年

9 王娜;基于小波变换与约束方差噪声谱估计的语音增强算法研究[D];燕山大学;2011年

10 赵彦平;基于稀疏表示的语音增强方法研究[D];吉林大学;2014年

中国硕士学位论文全文数据库 前10条

1 肖佩霖;双通道语音增强系统设计与实现[D];哈尔滨工业大学;2011年

2 魏有权;基于噪声估计的语音增强算法研究[D];昆明理工大学;2015年

3 郭栗;特定人语音增强算法的研究[D];上海交通大学;2015年

4 纪志春;基于字典学习的语音增强算法研究[D];大连海事大学;2016年

5 尹波;基于麦克风小阵列的语音增强算法的研究[D];湖北工业大学;2016年

6 张建伟;基于噪声谱估计和信噪比约束的语音增强研究[D];安徽大学;2016年

7 魏泉水;基于深度神经网络的语音增强算法研究[D];南京大学;2016年

8 王鹏宇;压缩感知技术在语音增强和EEG信号中的应用研究[D];福州大学;2014年

9 魏清泉;有色噪声下语音增强算法及应用研究[D];福州大学;2014年

10 黄剑文;多通道语音增强算法及应用研究[D];福州大学;2014年

  本文关键词：基于统计模型后滤波的麦克风阵列语音增强方法，由笔耕文化传播整理发布。

本文编号：494824