基于噪声谱估计和信噪比约束的语音增强研究

摘要

语音信号一直是人类进行信息交流的最普通的方式。然而，语音信号会不可避免地受到来自周围环境的干扰。因此，需要对混入干扰信号的语音信号做增强处理。寻求一种有效的算法以达到较高去噪效果的研究意义很大。在单通道语音增强算法中，去噪过程分为估计噪声谱和根据估计的噪声谱去噪两个步骤。噪声谱估计的准确性会影响去噪效果，而语音谱幅度增益函数也会影响增强后语音的质量。本文围绕单通道语音增强技术进行研究，主要研究工作如下:
　　1)提出了一种改进的IMCRA(Improved Minima Controlled Recursive Averaging)噪声谱估计方法。IMCRA算法是目前单通道语音增强中较流行的一种噪声谱估计方法，然而IMCRA算法假设语音出现时噪声谱与前一帧相同，不能及时跟踪噪声的变化来有效地估计噪声谱。本文提出的改进IMCRA噪声谱估计方法中，在语音出现时利用前一帧相邻频点处的噪声谱来估计当前频点的噪声谱。实验结果表明，采用本文提出的算法处理后的语音质量要高于IMCRA噪声谱估计方法。
　　2)提出了一种基于信噪比约束的统计语音增强方法
　　基于统计模型的单通道语音增强算法通过语音估计谱与真实语音谱之间最小均方误差(Minimum Mean-Square Error,MMSE)导出语音谱增益函数，将其跟含噪语音幅度谱值相乘，就能获得增强后的语音信号，而基于最小均方误差的短时谱幅度估计法(MMSE-STSA)没有区分干净语音幅度谱和估计的语音幅度谱的差值正负，使得增强后的语音信号中残留更多的噪声。本文提出通过约束先验信噪比和后验信噪比来调整基于MMSE的短时谱幅度增益函数的计算方法，即根据信噪比的取值范围对增益函数做出适当的调整，以此来减弱噪声。实验结果表明，采用本文算法处理后的语音信号质量要高于改进前的算法。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 语音增强研究现状

1．3 本文主要研究内容和章节安排

第二章 语音增强概述

2．1 语音和噪声的特征

2．1．1 含噪语音信号模型

2．1．2 噪声信号类型及其特征

2．2 语音增强算法概述

2．2．1 谱减算法

2．2．2 统计类算法

2．2．3 维纳滤波原理

2．2．4 子空间算法

2．3 噪声谱估计算法概述

2．3．1 Hirsch算法

2．3．2 MS算法

2．3．3 MCRA算法

2．3．4 IMCRA算法

2．3．5 连接时频域(Conn_freq)算法

2．4 语音增强的性能评价方法

2．5 本章小结

第三章 基于改进IMCRA算法的语音增强

3．1 引言

3．2 改进的噪声谱估计算法

3．3 仿真实验及结论

3．3．1 噪声谱估计

3．3．2 语音增强

3．4 本章小结

第四章 基于信噪比约束的语音增强

4．1 引言

4．2 最小均方差估计(MMSE)

4．3 先验信噪比约束

4．4 增益函数调整

4．5 仿真实验及结论

4．6 本章小结

第五章 总结与展望

5．1 论文总结

5．2 展望

参考文献

附图

附表

致谢

攻读硕士学位期间发表的论文