基于非负约束低秩稀疏分解模型的语音增强算法研究与实现

摘要

在语音信号被各种各样的背景噪声污染，甚至掩盖后，从背景噪声中高效的提取出尽可能纯净的语音信号，改善语音质量，抑制、降低噪声干扰的技术称为语音增强技术。语音增强主要是抑制背景噪音，提高被噪声污染的语音质量和可懂度。很多场合我们都需要语音增强，它是语音处理中一个很重要的技术，过去多年来已经有很多经典的语音增强算法被提出，如谱减算法，子空间算法，基于统计模型的方法等等语音增强有着广泛的应用，因此寻求一种有效的算法对带噪语音信号进行处理得到较纯净的原始语音信号的研究有着很大的意义。由于干扰的随机性，完全提取出纯净的语音信号是不可能的，理想的情况下是希望语音增强算法既能改善语音质量，又能提高可懂度，但往往二者难以兼得。因此语音增强的主要挑战就在于设计一个高效的算法，在不明显的信号失真的前提下，对其中的噪声进行有效抑制。
　　在噪声的环境下对语音信号的增强是一个比较复杂的任务，对此在本文中一种新颖的语音增强方法被提出，这种方法就是基于非负约束低秩稀疏分解的原理在强噪声环境下实现语音增强。该方法的提出来源于近些年提出的鲁棒性主成分分析(RPCA)原理。我们把语音信号和噪声信号看做是一个非负低秩稀疏分解问题并且不断的优化算法分离出语音信号和噪声信号的幅度谱，在这个算法中低秩矩阵对应的是噪声的信号谱图，而稀疏矩阵对应的是语音信号谱图。实验结果表明在强噪声环境下这种方法对比一些传统的语音增强方法表现的更好，具有更少的噪声残余与较低的语音失真等优点。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1研究的背景及意义

1.2国内外研究现状

1.3 研究的主要内容

1.4论文内容安排

1.5本章小结

第2章 语音增强方法概述

2.1语音增强噪声估计技术

2.2谱相减算法

2.3维纳滤波法

2.4子空间算法

2.5基于统计模型的语音增强方法

2.6基于听觉掩蔽效应的语音增强方法

2.7本章小结

第3章 语音增强算法性能评估

3.1语音质量主观评估方法

3.2语音质量客观评估方法

3.3本章小结

第4章 非负约束低秩稀疏分解的语音增强方法实现

4.1低秩稀疏分解

4.2非负矩阵分解

4.3 NLSMD方法

4.4 实验与分析

4.5 本章小结

第5章 β散度下非负低秩稀疏分解的语音增强方法

5.1 KL-NLSMD语音增强方法

5.2 IS-NLSMD语音增强方法

5.3 实验与分析

5.4 本章小结

第6章 总结与展望

6.1总结

6.2展望

参考文献

攻读硕士学位期间发表论文和参与的科研情况说明

致谢

声明