基于特征值筛选的子空间语音增强算法研究

摘要

为提高重构语音质量，提出基于特征值置换和筛选的子空间语音增强算法。在内嵌式预白化子空间方法的基础上，用特征值筛选和置换来改善增强语音效果。研究发现，对纯净语音和噪声的协方差矩阵进行广义特征值分解后，大特征值分量主要包含纯净语音信息，而小特征值分量主要包含噪声信息，通过特征值排序后，用相邻的大特征值分量置换或滤除小特征值分量，可有效提高语音帧的相关性，获得更好的增强语音信号。相比传统的子空间方法，基于特征值置换和筛选的子空间语音增强算法能有效工作于强噪声环境，显著提高信噪比，并使增强语音有较好的可懂度。
　　本文的创新和具体工作如下：
　　1.提出特征值分量滤除方法，在内嵌式预白化子空间的基础上，通过滤除小的特征值分量来改善重构语音质量。
　　2.提出特征值分量置换方法，对含噪语音协方差矩阵的特征值分量按特征值从大到小排序后，用相邻的大特征值分量置换小特征值分量。
　　3.对特征值分量进行上述的滤除或者置换后，剩余的特征向量矩阵不再是方阵。正常情况下无法求其逆矩阵，为此我们引入广义逆矩阵运算来解决这一问题。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1语音增强技术简介

1.2经典语音增强方法

1.3 国内外著名语音信号处理试验室

1.4 语音质量评估指标

1.5 章节安排

第2章 子空间方法语音增强方法

2.1基于SVD 分解（singular value decomposition）的子空间语音增强算法

2.2 基于EVD分解（eigenvalue decomposition）的子空间语音增强算法

2.3. SVD和EVD的关系

2.4 本章小结

第3章 基于特征值分量置换的子空间语音增强方法

3.1 基于特征值分量置换子空间语音增强方法

3.2特征值置换阈值S的估计

3.3 ES方法与KLT方法的对比

3.4 仿真试验与结果分析

3.5 本章小节

第4章 基于特征值分量筛选的子空间语音增强方法

4.1 MKLT方法的基本原理

4.2 MKLT方法流程图

4.3 MKLT方法和KLT方法的对比

4.4 MKLT方法与其它子空间方法的对比

4.5 仿真实验和分析

4.6 MKLT方法和ES方法的对比

4.7 本章小节

第5章 结束语

5.1 总结

5.2 未来研究工作的展望

参考文献

作者攻读硕士期间发表论文及参与项目情况

致谢

声明