基于先验信噪比估计的语音增强算法研究

《基于先验信噪比估计的语音增强算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要作为信息传递最主要的方式之一，语音随着人工智能的发展，变得愈加的举足轻重。但我们生活在一个充溢噪声的世界中，外界噪声在我们的日常应用中会严重影响我们语音拾取的质量。为了能够有效地解决这一问题，在系统前端加入合适的语音增强算法模块可以从被噪声污染的语音中获取纯净语音，进而提升应用系统的性能。此外，语音增强在语音拾取与识别，语音编码以及军事通信中也都起着非常重要的作用。基于现实场景的需求，本文研究工作将围绕先验信噪比估计的语音增强算法展开。针对现有先验信噪比估计算法的不足，本文从谐波重构和人耳感知特性两个

2、角度对原有的先验信噪比估计算法进行了改进。并从原理和实践仿真两方面剖析了所提算法的可行性。本文的具体工作和创新性体现在以下三点：1）提出了一种谐波重构的先验信噪比估计算法。在信噪比较高时经典地先验信噪比算法在保证一定语音质量的前提下可以抑制大量的背景噪声,但随着信噪比逐渐降低，语音信号的高次谐波失真变得较为严重。基于此，利用二次谱修正增强后的信号以加强语音信号的周期性,然后对语音信号进行谐波重构，从而恢复语音信号丢失的谐波分量。实验研究表明，该算法在低信噪比时能够有效地增强语音谐波分量，相对于传统的先验信噪比

3、估计算法有较少的语音失真。2）结合语音重分配谱图和听觉掩蔽效应提出了一种单通道语音增强算法。针对传统先验信噪比估计算法残留背景噪声的同时又引入“音乐噪声”的情况，依据语音谐波之间的强相关性，利用重分配谱图中语音的帧间特性和频间特性来控制二步DD算法的遗忘因子，以更好地抑制非语音成分；然后结合人耳听觉掩蔽特性，利用改进的语音幅度谱估计去更新感知增益函数中的噪声掩蔽阈值。实验研究表明，本文提出的算法相对于传统的算法具有相同降噪量的同时可以提高语音信号的可懂度3）提出了一种基于先验信噪比约束的二值掩码估计算法。首先

4、分析了低信噪比情况下的噪声功率谱函数与先验信噪比估计的关系。分析表明通过最小均方误差准则对先验信噪比进行二次处理可以获得较为准确的噪声功率谱和增益函数。进而将其应用于二值掩码算法中以保留噪声高估的时频单元，同时丢弃低估的时频单元。实验表明，在低信噪比情况下本文提出的算法具有更高的语音可懂度。I广州大学硕士学位论文关键词：语音增强、先验信噪比、二次谱处理、谐波重构、掩蔽特性、重分配谱图、二值掩码IIAbstractAbstractWiththedevelopmentofartificialintelligenc

5、e,asoneofthemainmeansofinformationtransmission,speechinteractionbecomesmoreandmoreimportant.Andweliveinanoisyword,itisnotavoidthatthequalityofthepickingvoicehasseriouslyaffectedbytheexternalnoise.Inordertosolvethisproblem,wecanobtaincleanspeechfromthenoisys

6、peechbyselectingtheappropriatespeechenhancementalgorithm,whichiscarryoutinthefront-endtoimprovetheperformanceofthesystem.Speechenhancementhasbeenwidelyusedinhuman-computerinteraction,whichplaysanimportantroleinvoicepickingandrecognition,speechcodingandmilit

7、arycommunication.Basedonthedemandofrealisticscene,thisthesisfocusesonthesinglechannelspeechenhancementmethod.AccordingtothedeficiencyoftheaprioriSNRestimators,somenewmethodsfortheaprioriSNRestimatorareproposedfromtheperspectiveofharmonicreconstructionandhum

8、anearmaskingeffect.Thefeasibilityoftheproposedalgorithmisanalyzedfromboththeoreticalandexperimentalanalysis.Themainworkandinnovationofthisthesiscanbereflectedinthefollowingaspects:1)TheaprioriSNRestima