基于改进噪声功率谱估计的单通道语音增强研究

摘要

现实生活中的语音不可避免的要受到周围环境的影响，很强的背景噪声例如机械噪声、其他说话者的话音等均会严重地影响语音信号的质量：此外传输系统本身也会产生各种噪声，因此在接收端的信号为带噪语音信号。正是由于这些噪声的存在，从而严重影响了语音处理系统的性能。为了提高语音处理系统的性能，从带噪语音中尽可能的恢复原始纯净语音、去除噪声信号就成了语音信号预处理过程中的重要环节。
　　 本文首先简单介绍了语音增强的背景意义和现行的研究状况。在第二章中对语音增强涉及的基本概念进行了阐述。概述了语音增强常用的几类算法。然后重点研究了噪声功率谱估计算法。此外，本文还重点研究了改进的谱估计分别和谱减法、维纳滤波法相结合的算法。谱减法是一种传统的语音增强算法，由于其复杂度小，因此应用广泛。然而，传统谱减法仅仅利用无声段估计噪声功率谱，估计值与实际值之间误差较大，从而导致去除噪声效果不佳。为了提高谱减法的性能，特别是在非平稳噪声环境下的降噪性能。本文提出了一种改进的噪声功率谱估计算法，即时间回归的最小值跟踪算法（TimeRecursiveMinimalTracking，TR-MT）。该算法充分考虑了频带之间的相关性，通过局部能量的平滑，保护强语音后面出现的弱语音，减少了过估计；同时采用非固定窗长的跟踪最小值算法，降低了跟踪时延，引入了与语音存在概率相关的平滑因子，对带噪语音加权后采用时域递归方法计算出噪声功率谱。然而，采用谱减法增强后语音的残留噪声类似“音乐噪声”，易引起入耳的听觉疲劳。采用维纳滤波的好处是增强后语音的残留噪声类似于白噪声，所以本文进一步研究了维纳滤波算法，结合改进的谱估计算法和谐波重建算法，提出了新的维纳滤波算法。该算法较好恢复了语音谐波成分，提高增强后语音质量。

目录

声明

第一章 绪论

1.1 引言

1.2 语音增强的研究意义和现状

1.3 本文的主要工作及创新点

1.4 论文的结构安排

第二章 语音增强的基本原理及常用方法

2.1 语音的特性

2.1.1 分帧

2.1.2 窗函数的形状和长度

2.2 噪音的特性和分类

2.3 常用的语音增强方法

2.4 小结

第三章 基于TR-MT算法的噪声功率谱估计

3.1 语音活性判决与噪声估计

3.2 噪声功率谱估计算法分类

3.3 时间回归的最小值跟踪算法(TR-MT)

3.3.1 最小值跟踪算法

3.3.2 时间回归平均算法

3.3.3 时问回归的最小值跟踪算法

3.4 小结

第四章 基于噪声功率谱估计的语音增强算法研究

4.1 谱减法

4.1.1 基本方法

4.1.2 子带谱减法

4.2 基于维纳滤波的改进算法

4.2.1 直接判决(Decision-Directed,DD)算法

4.2.2 改进后的算法

4.3 小结

第五章 语音增强实验结果与分析

5.1 实验的语音库

5.2 语音增强实验

5.2.1 时-频图分析

5.2.2 语音质量感知评价(PESQ)得分

5.2.3 ITU-T P.835测试方法

5.2.4 输入-输出信噪比

结论与展望

参考文献

攻读硕士期间公开发表的论文

缩略语中英文对照表

致谢