Techniques for Enhancemant of Noisy Speech in Adverse Environments

摘要

近年来，针对受加性噪声污染的语音信号进行语音增强的研究备受关注。在这些语音增强系统的设计过程中主要有两个部分:干净语音谱估计和噪声谱估计。本论文着重解决这两个问题。
　　 本论文的第一个贡献是提出了一种改进的语音增强技术。该技术基于语音信号对数幅度谱的最小均方误差估计(MMSE-LSA)和一种有效的先验无语音概率(SAP)估计。先验无语音概率是本文改进MMSE-LSA的必要组成部分。不少基于LSA估计的语音增强方法要么直接采用一个较小的固定值作为先验SAP，要么采用一个较小的固定值作为先验SAP的参数。由于先验无语音概率的计算受到纯噪声段的影响，因此使用一个固定值来计算先验SAP的方法就显得不适合、不优良。更好的方法是使用动态的参数来计算先验SAP，这样就可以在每一帧中对其进行更新。这篇文章中，我们提出了两个和先验SAP计算有关的动态因子:一个平滑更新因子以及一个与第k个谱成分相关的因子。平滑更新因子取决于频带语音信号存在与否的判决，具体的计算方式是对之前的先验SAP递归取平均值。而与第k个谱成分相关的因子则依赖于先验信噪比(SNR)。判断一个频率带中是否存在语音信号是通过计算和比较带噪语音谱的条件概率来实现的。我们采用了两种客观评价方法和语谱图来对所提算法进行性能评估。实验结果表明，不管是语音质量、背景噪声的消除还是语音失真的数量，该算法都有显著的优越性。
　　 本论文的第二个贡献是为嘈杂环境下的噪声估计提出了一种替代方法。算法是基于一个追踪最小噪声语音的最优方法。本算法通过连续的求解带噪语音的过去频谱值均值和一个在语音存在段用来控制噪声谱估计更新的平滑更新因子来实现的。动态平滑更新因子是基于频率带是否存在语音信号的判决来计算得到的。区别语音存在和不存在则是通过计算出带噪语音能量谱和相应局部最小值的差值来判断的。与其它方法不同的是，我们的算法不需要明确使用语音存在概率来完成计算。评估所提出的算法用到了NOIZEUS数据库，实验结果表明，当把本文所提噪声估计算法整合到语音增强中，能够获得更好的语音质量和明显的噪声消除，同时也最小化了语音失真数量和音乐噪声。

目录

声明

ACKNOWLEDGEMENTS

Abstract

摘要

TABLE OF CONTENTS

LIST OF FIGURES

LIST OF TABLES

CHAPTER 1 INTRODUCTION

1．1 Speech Enhancement Algorithms

1．2 Noise Estimation Algorithms

1．3．Thesis Organization

CHAPTER 2 OVERVIEW OF SPECTRAL ENHANCEMENT TECHNIQUES

2．1 Spectral Subtraction

2．1．1 Spectral Subtraction Basic Principles

2．1．2 Drawbacks of Spectral Subtraction

2．2 Wiener Filtering

2．3 Soft Decision Method

2．4 Minimum Mean-Square Error(MMSE)

2．4．1 Optimally Modified Log-Spectral Amplitude Estimator(OM-LSA)

CHAPTER 3 OVERVIEW OF EXISTING NOISE ESTIMATION ALGORITHMS

3．1 Minimum Statistics Noise Estimation Algorithm

3．1．1 Principles of the Minimum Statistics Method

3．1．2 Performance evaluation

3．1．3 Limitations of the Minimum Statistics Method

3．2 Minima Controlled Recursive Averaging(MCRA)

3．2．1 Overview of the MCRA technique

3．2．2 Performance Evaluation

3．2．3 Limitations of the MCRA technique

3．3 Improved MCRA Algorithm based on Conditional MAP

3．4 Continuous Spectral Minimum Tracking

3．5 MCRA-2 Algorithm

CHAPTER 4 PROPOSED ALGORITHMS FOR ENHANCEMENT OF NOISY SPEECH IN ADVERSE ENVIRONMENTS

4．1 Proposed Speech Enhancement Method Based MMSE

4．1．1 Proposed Gain Modification

4．1．2 The Proposed A Priori SNR Estimation

4．1．3 The Proposed A Priori Speech Absence Estimation Method

4．1．4 Performance Evaluation

4．2．Proposed Noise Estimation Algorithm

4．2．1 Description of the Proposed Noise Estimation Algorithm

4．2．2 Performance Evaluation

SUMMARY AND CONCLUSIONS

REFERENCES

APPENDIX A SCHOLARLY PUBLICATION(S)

APPENDIX B JOINED SCIENTIFIC RESEARCH PROJECTS DURING MASTER’S STUDIES