基于EEMD的车内语音增强研究

摘要

车内的各种人与设备、人与人之间的语音交互越来越显示出其重要性和广泛的需求。但车内人机语音交互由于容易受到车内环境噪声的干扰，语音识别的准确率与在纯净环境下相比将严重下降，往往不能达到实际人机语音交互的要求。研究和提出车内环境下的语音前端处理技术与方法，实现噪声消除、抑制和语音增强，是提高语音识别率的基础和关键内容之一。 针对上述问题，本文提出了一种基于集合经验模态分解(ensemble empirical modedecomposition，EEMD)的车内语音增强方法(in-car speech enhancement，ICSE)。由于EEMD分解的自适应恒比例带通滤波器特性，分解后语音和噪声在各阶IMFs中有不同的特征，也即语音和噪声分布在不同的IMFs中。因此，对带噪语言信号直接作EEMD分解，采用非线性最小二乘估计和信噪比相结合的方法，确定主要包含语音信号的固有模态函数(intrinsic mode function，IMF)的权系数，用权系数对相应的IMF进行加权处理并合成得到消除了噪声的语音信号。 试验表明，使用这种加权的方法实现语音增强是可行、有效的，语音质量得到了很大改善。而且无论信噪比高低，在波形和发声上都表现出很好的消噪效果，对一般的车内噪音环境具有普遍的适用性。与传统的方法相比，比如谱减法和带通滤波器，该方法能够有效分离语音和车内环境噪声，提出的IMF权系数在信号波形相似度的基础上最大程度地提高了合成语音的信噪比，具有很好的车内语言增强效果，为车内语音增强提供了一个可行的方法。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题背景

1.2车内语音增强研究现状

1.2.1车内语音交互研究现状

1.2.2语音增强研究现状

1.2.3车内噪声消除研究现状

1.3应用领域及前景

1.4论文的内容及结构

第2章语音增强和车内环境概述

2.1语音信号特性分析

2.1.1语音的产生

2.1.2人的发声模型

2.1.3人耳语音感知的特性

2.1.4语音的非平稳、非线性特性

2.2语音增强概述

2.2.1语音增强原理

2.2.2谱减法

2.2.3自适应滤波

2.2.4小波滤波去噪

2.2.5信号子空间

2.3车内环境概述

2.3.1车内噪声的产生机理

2.3.2车内噪声的构成

2.3.3车内噪声特性分析

第3章EMD和EEMD原理

3.1信号处理方法的发展

3.2Hilbert-Huang变换

3.2.1 Hilbert-Huang变换的提出

3.2.2 Hilbert-Huang变换原理

3.2.3 EMD分解的特性研究

3.3 EEMD原理

3.3.1 EMD的不足

3.3.2 EEMD方法简介

3.3.3 EMD与EEMD方法对比

第4章基于EEMD的车内语音增强方法

4.1提高信号的采样频率

4.1.1提高采样频率的必要性

4.1.2 FFT插值方法

4.2车内噪音EEMD分析

4.3纯净语音的EEMD分解

4.4车内带噪语音EEMD分析

4.5非线性最小二乘

4.5.1使用非线性最小二乘方法的原因

4.5.2非线性最小二乘

4.5.3最小二乘函数的选择

4.5.4twoexps函数中拟合形式的选择

4.6选取IMF阶数

4.7加权系数选取

4.8其他辅助处理

4.8.1去小能量处理

4.8.2低通滤波

4.9 ICSE方法的具体步骤

4.10 ICSE方法的软件流程图

第5章实验结果与讨论

5.1试验环境及数据获取

5.1.1语音库

5.1.2噪声库

5.1.3录制设备

5.1.4带噪语音合成方法

5.2 Matlab简介

5.3试验结果

5.4分析比较

5.4.1与谱减法比较

5.4.2与带通滤波器比较

第6章总结与展望

6.1结论

6.2课题展望

参考文献

致谢