语音增强算法比较研究及其在特征提取中的应用
发布时间:2021-05-22 16:24
语言是人类社会文明发展的产物,在现代社会中语音的作用也不再局限于日常交流,而被应用在许多方面。但是在实际应用的过程中,环境噪声的影响是不可避免的,严重干扰了语音信号的采集与识别,同样也令许多语音处理系统性能骤减,因此,我们需要对噪声污染的语音信号进行语音增强处理。随着深度学习理论的成熟和人工智能的发展,出现了越来越多的基于深度学习的语音增强算法,然而受限于数据集和模型的高要求,运算量也相对较大,因此,对于传统算法的优选和改进研究对现有产品系统提高抗噪性能仍然是很有必要的,具有现实应用价值。在实际应用中,既要考虑算法对于语音时频信息保留的完整度,又要考虑硬件电路中的功耗问题,因此从降噪效果和运算量两方面来对比研究各类算法具有十分重要的意义。由于各类语音增强算法都有其优点和缺点,因此在不同的噪声环境下,力求通过研究找到提高系统性能、降低系统功耗的语音增强方法。本文首先从理论上对多种语音增强算法做分析,包括基本减谱法以及多窗谱减谱法,改进减谱法,自适应滤波法,维纳滤波法,改进的小波包语音增强算法。基本减谱法从语音信号的频域层面分离语音信号和噪声,其组织结构简单且运算量比较小,是容易实现的语音...
【文章来源】:山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】:68 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第一章 绪论
1.1 课题背景
1.2 研究现状
1.3 论文的主要内容
1.4 论文的组织结构
第二章 语音增强技术概述
2.1 语音信号的数字模型
2.2 语音和噪声特性
2.2.1 语音特性
2.2.2 噪声特性
2.3 语音增强的应用
2.4 本章小结
第三章 语音增强算法分析
3.1 减谱法
3.1.1 基本减谱法
3.1.2 多窗谱减谱法
3.2 改进减谱法
3.2.1 噪声功率谱估计
3.2.2 改进减谱法设计
3.3 自适应滤波法
3.4 维纳滤波法
3.5 基于小波包的语音增强算法
3.5.1 改进的小波包语音增强算法
3.6 本章小结
第四章 基频提取中的谐波和法
4.1 特征提取的定义
4.2 基频提取
4.2.1 基频提取的定义
4.2.2 基频提取的发展现状
4.3 谐波和法
4.3.1 算法检测原理
4.3.2 算法检测流程
4.4 本章小结
第五章 实验对比研究
5.1 实验环境与评价方法
5.1.1 语音数据的建立
5.1.2 实现平台
5.1.3 评价方法
5.2 实验结果及分析
5.2.1 信噪比增益对比结果
5.2.2 分段信噪比对比结果
5.2.3 主观测听正确率对比结果
5.2.4 运算量对比结果
5.3 语音增强在基频提取中的应用
5.3.1 实验流程
5.3.2 语音增强前后基频提取结果对比
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 工作展望
致谢
参考文献
攻读学位期间发表的学术论文情况
学位论文评阅及答辩情况表
【参考文献】:
期刊论文
[1]基于深度神经网络的关键词识别系统[J]. 孙彦楠,夏秀渝. 计算机系统应用. 2018(05)
[2]基于谐波重建的语音增强算法的研究[J]. 胡定禹,郁文贤,江文斌. 信息技术. 2017(11)
[3]基于方位特征的听觉选择性注意计算模型研究[J]. 吕菲,夏秀渝. 自动化学报. 2017(04)
[4]语音识别技术的发展[J]. 王致信,胡文东. 网友世界. 2013(13)
[5]基于声源方位信息和非线性时频掩蔽的语音盲提取算法[J]. 夏秀渝,何培宇. 声学学报. 2013(02)
[6]一种基于MFCC和SVM的语音识别方法[J]. 李玲俐. 软件导刊. 2012(03)
[7]基于线性预测残差倒谱的基音检测[J]. 郭淑妮,姚徐,于洪志. 电脑与电信. 2008(10)
[8]一种基于线性预测残差倒谱的基音检测算法[J]. 钱博,李燕萍,唐振民,徐丽敏. 计算机工程与应用. 2007(32)
[9]一种语音端点检测的方法及改进[J]. 覃溪,郑建华,曹乃文,钟明辉,黄汉明. 微计算机信息. 2007(24)
[10]一种改进的AMDF求取语音基音的方法[J]. 成新民,曾毓敏,赵力. 微电子学与计算机. 2005(11)
硕士论文
[1]低信噪比场景下语音增强算法的研究[D]. 王红.安徽大学 2017
本文编号:3201309
【文章来源】:山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】:68 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
第一章 绪论
1.1 课题背景
1.2 研究现状
1.3 论文的主要内容
1.4 论文的组织结构
第二章 语音增强技术概述
2.1 语音信号的数字模型
2.2 语音和噪声特性
2.2.1 语音特性
2.2.2 噪声特性
2.3 语音增强的应用
2.4 本章小结
第三章 语音增强算法分析
3.1 减谱法
3.1.1 基本减谱法
3.1.2 多窗谱减谱法
3.2 改进减谱法
3.2.1 噪声功率谱估计
3.2.2 改进减谱法设计
3.3 自适应滤波法
3.4 维纳滤波法
3.5 基于小波包的语音增强算法
3.5.1 改进的小波包语音增强算法
3.6 本章小结
第四章 基频提取中的谐波和法
4.1 特征提取的定义
4.2 基频提取
4.2.1 基频提取的定义
4.2.2 基频提取的发展现状
4.3 谐波和法
4.3.1 算法检测原理
4.3.2 算法检测流程
4.4 本章小结
第五章 实验对比研究
5.1 实验环境与评价方法
5.1.1 语音数据的建立
5.1.2 实现平台
5.1.3 评价方法
5.2 实验结果及分析
5.2.1 信噪比增益对比结果
5.2.2 分段信噪比对比结果
5.2.3 主观测听正确率对比结果
5.2.4 运算量对比结果
5.3 语音增强在基频提取中的应用
5.3.1 实验流程
5.3.2 语音增强前后基频提取结果对比
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 工作展望
致谢
参考文献
攻读学位期间发表的学术论文情况
学位论文评阅及答辩情况表
【参考文献】:
期刊论文
[1]基于深度神经网络的关键词识别系统[J]. 孙彦楠,夏秀渝. 计算机系统应用. 2018(05)
[2]基于谐波重建的语音增强算法的研究[J]. 胡定禹,郁文贤,江文斌. 信息技术. 2017(11)
[3]基于方位特征的听觉选择性注意计算模型研究[J]. 吕菲,夏秀渝. 自动化学报. 2017(04)
[4]语音识别技术的发展[J]. 王致信,胡文东. 网友世界. 2013(13)
[5]基于声源方位信息和非线性时频掩蔽的语音盲提取算法[J]. 夏秀渝,何培宇. 声学学报. 2013(02)
[6]一种基于MFCC和SVM的语音识别方法[J]. 李玲俐. 软件导刊. 2012(03)
[7]基于线性预测残差倒谱的基音检测[J]. 郭淑妮,姚徐,于洪志. 电脑与电信. 2008(10)
[8]一种基于线性预测残差倒谱的基音检测算法[J]. 钱博,李燕萍,唐振民,徐丽敏. 计算机工程与应用. 2007(32)
[9]一种语音端点检测的方法及改进[J]. 覃溪,郑建华,曹乃文,钟明辉,黄汉明. 微计算机信息. 2007(24)
[10]一种改进的AMDF求取语音基音的方法[J]. 成新民,曾毓敏,赵力. 微电子学与计算机. 2005(11)
硕士论文
[1]低信噪比场景下语音增强算法的研究[D]. 王红.安徽大学 2017
本文编号:3201309
本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/3201309.html