基于CEEMD的语音增强算法研究

摘要

cqvip:笔者提出一种基于CEEMD的语音增强算法,实现语音频谱时频域的结构化信息建模。其通过提取、转换数据低层结构化信息,不断加工与优化信息结构,消除噪音影响,是增强语音效果的新算法。CEEMD自适应噪声完备集合经验模态分解,分解含噪音的各种信号,获取高频到低频各个序列的IMF分量,然后利用相关法分析分量,找出随机噪声的高频本征模函数,达到去噪音的目的。其次,统计余量内本征模函数分量的过零率,合并重构本征模函数分量,校正优良基线漂移效果,增强语音效果。基于CEEMD实现语音增强,与目前的语音增强方法或者算法相比,更能实现时频域上的结构化信息建模,促进语音增强算法的创新与改革。