一种改进窗函数的低时延语音增强算法

摘要

语音增强技术作为语音数字信号处理前端的预处理技术,在提高语音的可懂度和总体感知质量等方面扮演着重要角色。而以短时傅里叶变换为基础的语音增强算法会产生窗大小加跳数的算法延时,通常在考虑窗口大小和频谱分辨率后,算法的固有时延会大于64ms。然而,这样的高时延对于包括助听器在内的一些实时性要求较高的应用是很难满足的。为解决上述问题,对传统汉宁窗进行了改进,提出一种非对称的窗函数,并将其与无监督GCC-NMF算法相结合得到了一种无监督的两通道低时延的GCC-NMF语音增强算法。通过从SiSEC获取的语音和现实噪声的两通道混合信号数据集上进行性能评估。使用PEASS和BSS Eval工具包分别使用基于感知、基于SNR进行度量,同时使用STOI和ESTOI对语音的清晰度进行评测。最后,将上述方法与对称窗方法以及其它无监督的语音增强方法进行比较。结果证明,所提出的方法不仅能够将算法时延降低至2ms,还能保持各项评估指标均优于其它无监督以及对称窗方法。