低信噪比環(huán)境下語言增強的研究.pdf

1、語音是人類相互之間交流信息最快捷、最重要、最有效和最方便的形式。然而在實際環(huán)境下的語音應用過程中，如語音識別、語音編碼、語音轉換、語音通信等，不可避免地受到來自周圍環(huán)境的各種噪聲影響。噪聲嚴重影響著這些應用技術的性能，甚至導致系統失敗。語音增強是解決噪聲污染的有效方法，其目的是從含噪語音信號中盡可能提取純凈的語音信號，抑制背景噪聲，提高語音的清晰度和可懂度。該技術涉及諸如助聽器、電子耳蝸、盲人語音通信、人機交互系統和移動語音通信等多方面

2、的應用。
　　 近年來出現了多種語音增強方法，這些技術在較高信噪比時已取得比較好的效果，然而對弱語音信號或在低信噪比環(huán)境下，增強后的語音常伴有無法抑制的殘留噪聲和背景噪聲，同時語音失真度很大。在此背景下，本文研究了低信噪比環(huán)境下的語音增強，主要工作如下：
　　 1、在低信噪比環(huán)境下，采用傳統的算法進行語音端點檢測存在正確率低、抗噪性能差等問題。本文研究了一種基于希爾伯特-黃變換(HHT)瞬時能頻值的語音端點檢測算法。運用

3、HHT分離出語音的瞬時幅值與頻率，提取基于時間-能量-頻率特征參數的瞬時能頻值，利用該特征值對語音和噪聲進行區(qū)分，從而進行端點檢測。實驗結果表明該算法檢測的正確率均高于零能法、熵函數法等方法。
　　 2、提出了一種基于約束方差頻譜平滑和極小值跟蹤(VCSS-ML)的噪聲譜估計算法。該方法根據含噪語音子帶平滑功率譜與其最小值之間比值，通過加權含噪語音功率譜來估計噪聲譜，同時通過含噪語音平滑功率譜的方差對噪聲譜進行平滑。該算法可以在

4、很短的語音間隙中更新噪聲功率譜，大大提高了算法的適應速度。實驗結果表明估計的噪聲譜既能快速適應背景噪聲的變化，又能保證噪聲譜估計的準確性。特別是在強背景噪聲和慢變化噪聲情況下，性能都得到了明顯的提高。
　　 3、提出了一種基于聽覺感知小波閾值的清音增強方法。該方法采用聽覺感知小波變換對含噪語音分解，得到小波聽覺感知子帶層系數，采用HHT瞬時能頻值進行清濁音判別，對濁音部分采用聽覺掩蔽閾值進行處理，對清音部分采用一種基于噪聲功率譜

5、估計的改進軟限幅閾值算法來進行處理。實驗結果表明該方法很好地解決了語音信號的保護和噪聲去除之間的矛盾，在抑制噪聲的同時清音信號也得到了較好地保留。
　　 4、提出了一種聽覺神經模型和量子聽覺神經網絡相結合的語音增強方法。低信噪比的含噪語音經過聽覺神經模型處理后，增強為信噪比較高的語音。采用聽覺皮層模型提取每一幀語音信號時頻信息，利用量子神經網絡的非線性映射和自學習能力來優(yōu)化減參數，從而進行語音增益估計，實現語音增強。實驗結果表明

6、該方法利用神經網絡的自適應學習能力，減少了對目標語音信號的失真，在主觀和客觀的聽覺性能指標上都有明顯的改進。
　　 5、耳語音是一種低信噪比的弱語音信號，采用傳統的譜減類算法進行耳語音消噪時更容易產生令人煩躁的“音樂噪聲”。本文提出了一種基于修正Mel域聽覺掩蔽模型和無語音概率(SAP)的含噪耳語音增強方法。該方法根據耳語音的發(fā)音特點對Mel頻率進行修正，對每一幀耳語音信號進行Mel域頻帶濾波，再通過無語音概率動態(tài)地確定每個頻帶