基于MATLAB的语音信号增强算法的研究

摘要

语音增强技术在语音通信及信息传递中都是一个不可或缺的重要环节，在现今的生活与生产领域中都有着不可替代的作用。语音增强技术的发展日新月异，各种增强方法如雨后春笋，对它们的研究以及开发，一直是一个重要的课题。如今，传统的单通道增强算法，如MMSE、维纳滤波法等在信息通信方面已经有了比较成熟的应用。对于通信质量的不断追求，单通道语音增强所能提供的增强后语音已经渐渐不能满足人们对于语音质量的要求，因此，多通道的增强方法进入人们的视线之中，尤其是麦克风阵列的出现，其在降噪，减小失真等方面都有较好的性能表现。
　　本文将从以下两个方面对语音增强技术展开讨论分析。
　　(1)在单通道语音增强方面对MMSE-LSA算法展开讨论，对其性能进行分析，原算法中增益函数主要通过先验信噪比来确定，这就使得增强语音存在着时延和噪声残留问题，本文算法利用前一帧和当前帧的语音信号，根据先验信噪比和后验信噪比的关系，提出一种基于后验信噪比估计先验信噪比的方法，以解决时延问题，从而得到噪声的最优估计，对于平滑因子α不再完全依靠先验信噪比来确定，利用帧间平滑引入后验信噪比使平滑因子α能够动态取值，以对动态的信噪比进行跟踪，适应其变化，在尽可能的减小信号失真的情况下对残留的音乐噪声进行抑制，以提高语音的质量。通过在MATLAB环境下的仿真实验，表明该方法相对于其他的增强方法有较好的性能。
　　(2)对现有的多通道语音增强方法进行讨论，主要对基于子空间的多通道增强方法进行了进一步的研究，通过MATLAB对其性能进行实验仿真，分析其优劣，在此基础上本文提出了对其性能的改善。原算法中对增强后语音的失真和残留噪声的解决未能达到理想的效果，本文提出一种在广义子空间下进行迭代的方法，通过重复的一维迭代，对语音的协方差矩阵的特征值和特征向量进行迭代估计，同时对增益矩阵中的参数μ的取值，进行改善，采用改进后的DD算法对信噪比进行最优估计，以确保参数μ的最优取值，从而获得最佳的增益矩阵，增强后的语音信号在降低残留噪声的同时兼顾减小语音的失真，有较好的语音质量。在MATLAB环境下进行大量的实验验证，本文算法在增强处理过程中，不必再对非白噪声进行白化预处理，并且对于各噪声都有较好的处理效果，在复杂的环境下也能取得较好的增强效果。

目录

声明

摘要

1 绪论

1．1 语音增强研究背景

1．2 语音增强概述

1．2．1 语音增强的目的及意义

1．2．2 语音增强的发展历史及现状

1．3 语音增强的效果评价方法

1．3．1 主观评价

1．3．2 客观评价方法

1．4 本文的主要工作及结构安排

2 语音增强的基础与方法

2．1 语音、人耳及噪声特性

2．1．1 语音具有的特性

2．1．2 人耳感知

2．1．3 噪声具有的特性

2．2 单通道语音增强算法

2．2．1 谱减法

2．2．2 小波变换法

2．2．3 维纳滤波法

2．2．4 其它的增强方法

2．3 多通道语音增强方法

2．3．1 麦克风阵列

2．3．2 多通道语音增强模型

2．3．3 多通道语音增强方法

2．4 基于MATLAB的语音信号仿真分析

2．5 本章小结

3 基于MMSE-LSA的语音增强算法的研究

3．1 MMSE-LSA增强算法的基本原理

3．2 先验信噪比与后验信噪比

3．2．1 最大似然估计

3．2．2 直接决策(DD，decision-directed)估计方法

3．2．3 因果(causal)估计

3．3 先验信噪比估计方法改进

3．3．1 算法实现

3．4 算法流程图

3．5 实验结果及分析

3．6 小结

4 子空间的语音增强算法概述

4．1 信号子空间算法的基础

4．1．1 子空间定义

4．1．2 投影矩阵

4．2 建立空间模型

4．2．1 纯净信号模型

4．2．2 干扰(噪声)信号模型

4．2．3 混合语音(带噪)信号模型

4．3 基于奇异特征值分解(SVD)的语音增强算法

4．3．1 基于SVD的最优估计

4．3．2 噪声为非自噪声环境算法的改进

4．4 基于特征值分解(EVD)算法

4．4．2 频域约束估计器(SDC)

4．4．3 SVD与EVD的关系

4．5 非白噪声环境下的算法改进

4．5．1 传统自适应KL子空间语音增强算法

4．5．2 基于广义特征值分解(GEVD)方法

4．6 小结

5 改进的基于信号子空间的多通道语音增强算法

5．1 算法改进

5．1．2 基于GEVD的迭代估计

5．2 算法实现

5．3 算法仿真与结果分析

5．4 小结

6 总结与展望

致谢

参考文献

攻读硕士学位期间已发表或录用的论文