多尺度卡尔曼滤波语音增强算法研究

摘要

传统卡尔曼滤波在追求去噪的同时,往往因量测方差不准确的估计,伴随着较为严重的语音失真和畸变,为此提出一种多尺度卡尔曼滤波语音增强方法.利用小波包多尺度频带划分能力对含噪语音进行分解,通过熵求取最佳树,使得其可以更好地拟合含噪语音,对小波包分解后以语音信号为主的低频系数进行噪声量测方差重估计,以此作为卡尔曼滤波先验知识进行迭代,实现了语音和噪声量测方差求解的分离,克服了传统卡尔曼滤波单一噪声估计的局限性而导致的对信号过衰减问题.实验表明,该算法能更好地消除噪声,减少语音失真,且具有一定的鲁棒性.