基于神经元阈上非周期随机共振机制的语音复原技术研究

应用随机共振机制.通过噪声能量来加强语音信号,改善低信噪比语音的输出质量.对FitzHugh-Nagumo(FHN)神经元模型中存在的阈上非周期随机共振现象进行了分析,根据其阈值特性,此二维神经元模型可被等价为两状态的阈值跨越非线性动力学系统.因此对含噪语音信号添加噪声,产生阈值化后的二值输出,经迭代收敛进入阈上非周期随机共振状态.在一个非零添加噪声强度上,含噪语音输出的互相关系数将达到最大值.通过语音复原的结果表明,本文方法对噪声的变化有更好的鲁棒性,尤其在强背景噪声下,随机共振方法较其他传统方法有更佳的复原效果.     

基于双稳随机共振的语音增强研究

针对淹没在强噪声背景中的语音信号,文中提出了一种基于双稳随机共振的语音增强方法,该方法利用调节随机共振系统的结构参数,使系统达到最佳匹配,将噪声的能量向信号转移,从而达到增强语音信号的目的。通过MATLAB仿真分析,输出信号信噪比提高了3.5db,因此该方法在对语音信号的检测增强中可获得一定的检测效果。     

基于双稳随机共振的语音增强研究

针对淹没在强噪声背景中的语音信号,文中提出了一种基于双稳随机共振的语音增强方法,该方法利用调节随机共振系统的结构参数,使系统达到最佳匹配,将噪声的能量向信号转移,从而达到增强语音信号的目的。通过MATLAB仿真分析,输出信号信噪比提高了3.5db,因此该方法在对语音信号的检测增强中可获得一定的检测效果。     

FRFT滤波的语音增强

针对传统去噪方法在强背景噪声情况下,提取声音信号的能力变弱甚至失效与对不同噪声环境适应性差,提出了一种动态FRFT滤波声音信号语音增强方法。给出了不同语音噪声环境下FRFT最优聚散度的更新机制与具体实施方案。用TIMIT标准语音库与Noisex-92噪声库搭配,实验仿真表明,该算法能有效地去噪滤波,显著地提高语音识别系统性能,且在不同的噪声环境和信噪比条件下具有鲁棒性。算法计算代价小,简单易实现。     

脉冲噪声环境下基于卡尔曼滤波的语音增强

语音增强的目标在于从含噪信号中提取纯净语音,纯净语音在某些环境下会被脉冲噪声所污染,但脉冲噪声的时域分布特征却给语音增强带来困难,使传统方法在脉冲噪声环境下难以取得满意效果。为在平稳脉冲噪声环境下进行语音增强,提出了一种新方法。该方法通过计算确定脉冲噪声样本的能量与含噪信号样本的能量之比最大的频段,利用该频段能量分布情况逐帧判别语音信号是否被脉冲噪声所污染。进一步地,该方法只在被脉冲噪声污染的帧应用卡尔曼滤波算法去噪,并改进了传统算法执行时的自回归(AR)模型参数估计过程。实验中,采用白色脉冲噪声以及有色脉冲噪声污染语音信号,并对低输入信噪比的信号进行语音增强,结果表明所提出的算法能显著地改善信噪比和抑制脉冲噪声。     

基于多窗谱相关加权语音增强

与传统的周期谱图相比,多窗谱分析方法是一种低方差、高分辨率的谱分析方法,尤其适合非线性系统中强噪声背景下弱信号、时频演变信号的分析.基于多窗谱估计这种优点,提出多窗谱相关加权语音增强方法,先对噪声与含噪信号比(NNSR)进行估计,用基于 NNSR 的幅度谱减实现预语音增强,再用相关加权规则获得最终的增强语音.通过客观和...     

一种基于线性预测残差的语音增强算法

本文提出了一种基于线性预测残差的语音增强算法,以去除语音中的加性噪声。对不同噪声下语音信号的线性预测分析,不难发现线性预测系数携带有语音的频谱和共振峰信息。多次实验表明,在噪声位置预测系数较小,在语音位置预测系数相对较大,其平方和可以反映带噪语音信号的瞬时信噪比。本文将该平方和用在从维纳滤波导出的一个基于线性预测系数的去噪函数中,将该去噪函数结合B.Yegnanaraynana的提出的基于逆相对预测残差去噪的方法共同作用于线性预测残差信号,可得到增强的语音信号。实验表明这种方法可以得到较好的去噪语音,去噪的同时较好地保留了语音的可懂度,并且运算量较小。     

基于盲源分离的单通道语音信号增强

在运用基于独立分量分析(ICA)的盲源分离法进行语音增强时,要求观测信号(含噪语音)的个数不少于源信号(纯净语音和噪声)的个数.由于含噪语音通常是单通道的,所以必须合理地生成另一路的虚拟观测信号,以实现纯净语音和噪声的分离是个关键.介绍了一种基于盲源分离和谱减法的单通道语音信号增强的方法.首先运用谱减法对语音进行部分去噪,产生了ICA其中的一路观测信号,并产生了对噪声的估计值.用语音和噪声估计值的帧平均能量构成了加权函数,将噪声的估计值与原始含噪语音进行加权组合,生成另一路的虚拟观测信号.由于虚拟观测信号很好地再现了实际的观测信号,所以运用ICA可以较好地实现了噪声和语音的分离.同时,盲源分离和谱减法相互结合,使语音增强的性能提高.实验证明了算法可以在信噪比很小的情况下实现对噪声的去除,其效果要优于传统的去噪算法.     

双稳态自适应随机共振的强噪声图像复原研究

传统的图像滤波复原技术一般都是对图像中的噪声加以抑制或消除,但图像在强噪声污染时传统的方法消除噪声很困难。根据随机共振可以利用噪声增强弱信号的特性,提出了一种通过比较互信息熵,自适应调节参数使双稳态系统达到随机共振来复原含噪图像的方法。实验结果表明,在强噪声背景下与传统滤波复原方法相比,该方法复原信噪比更高,鲁棒性好,改善了图像复原的效果。     

基于小波包与自适应维纳滤波的语音增强算法

语音增强主要用来提高受噪声污染的语音可懂度和语音质量,它的主要应用与在嘈杂环境中提高移动通信质量有关。传统的语音增强方法有谱减法、维纳滤波、小波系数法等。针对复杂噪声环境下传统语音增强算法增强后的语音质量不佳且存在音乐噪声的问题,提出了一种结合小波包变换和自适应维纳滤波的语音增强算法。分析小波包多分辨率在信号频谱划分中的作用,通过小波包对含噪信号作多尺度分解,对不同尺度的小波包系数进行自适应维纳滤波,使用滤波后的小波包系数重构进而获取增强的语音信号。仿真实验结果表明,与传统增强算法相比,该算法在低信噪比的非平稳噪声环境下不仅可以更有效地提高含噪语音的信噪比,而且能较好地保存语音的谱特征,提高了含噪语音的质量。     

滤波器组自适应语音增强方法

双麦克风噪声抵消应用中,由于交叉串的存在,传统自适应算法降噪性能受到很大的影响。为了提高双麦克风算法降噪性能,使用两级自适应滤波系统消除交叉串扰问题。为提高自适应滤波器收敛性能,采用主从结构LMS算法自适应调节步长因子。同时为了适合窄带处理算法,将输入信号进行子带分析预处理,对每个子带独立进行抗交叉串绕自适应处理,将各子带增强信号合并得到增强语音信号。实验结果表明,该方消噪量大,语音损伤小,语音增强效果显著。     

语音增强方法综述

环境噪声会影响语音质量,严重的情况下语音将完全淹没到噪声中,无法分辨.语音增强就是从带噪语音信号中提取尽可能纯净的原始语音.本文对目前一些主要的语音增强方法做了研究,分析了各种方法的优缺点.在实际应用时,要根据具体的噪声情况和特定环境,选用不同的语音增强方法或语音增强方法的组合,来达到最好的语音增强的效果.     

拉格朗日乘子受控子空间语音增强

针对频域受限子空间语音增强在构造增强矩阵时,采用固定拉格朗日乘子,使得减小语音畸变和提高语音可懂度的过程中,有音乐噪声残留,提出一种变拉格朗日乘子的算法。利用听觉特性中较强的频率成分对噪声进行掩蔽,通过掩蔽阈值的频率域与子空间特征值之间的变换算法,用变量控制子空间拉格朗日乘子计算增益函数的对角矩阵。对比实验和试听结果表明,提出算法增强的语音信号不仅信噪比有较大提高,语音质量主观感知度也有明显改善。     

基于改进的小波阈值函数语音增强方法

传统的小波阈值去噪方法会造成有用语音信号的损失, 信噪比改善情况不理想. 通过分析小波去噪原理, 提出了一种改进的小波阈值函数语音增强方法. 该方法结合小波软、硬阈值函数去噪的优点, 克服了硬阈值函数的不连续及软阈值函数存在偏差的缺点. 该方法首先对清浊音信号进行判断, 接着采用变化的阈值对清浊音信号的小波系数进行不同的阈值处理. 仿真实验结果表明, 改进的方法非常适用于强噪声背景下的语音增强, 无论在保留含噪语音信号中的清音信息, 还是在信噪比改善指标上均优于传统的软阈值法、谱减法和听觉感知小波变换法.     

改进相位谱补偿的语音增强方法

针对传统单通道语音增强方法中用带噪语音相位代替纯净语音相位重建时域信号，使得语音主观感知质量改善受限的情况，提出了一种改进相位谱补偿的语音增强算法。该算法提出了基于每帧语音输入信噪比的Sigmoid型相位谱补偿函数，能够根据噪声的变化来灵活地对带噪语音的相位谱进行补偿；结合改进DD的先验信噪比估计与语音存在概率算法（SPP）来估计噪声功率谱；在维纳滤波中结合新的语音存在概率噪声功率谱估计与相位谱补偿来提高语音的增强效果。相比传统相位谱补偿（PSC）算法而言，改进算法可以有效抑制音频信号中的各类噪声，同时增强语音信号感知质量，提升语音的可懂度。     

语音增强与检测的多任务学习方法研究

在许多语音信号处理的实际应用中，都要求系统能够低延迟地实时处理多个任务，并且对噪声要有很强的鲁棒性。针对上述问题，提出了一种语音增强和语音活动检测（Voice Activity Detection，VAD）的多任务深度学习模型。该模型通过引入长短时记忆（Long Short-Term Memory，LSTM）网络，构建了一个适合于实时在线处理的因果系统。基于语音增强和VAD的强相关性，该模型以硬参数共享的方式连接了两个任务的输出层，不仅减少了计算量，还通过多任务学习提高了任务的泛化能力。实验结果表明，相较串行处理两个任务的基线模型，多任务模型在语音增强结果非常相近、VAD结果更优的情况下，其速度快了44.2%，这对于深度学习模型的实际应用和部署将具有重要的意义。     

语音增强算法评估的研究

研究了语音增强算法性能的评估方法。利用客观音质评价方便快捷的优点，针对SNR评估不能充分反映语音信号时变特征的不足，提出了采用IS、LLR、SegSNR 3种客观失真测度与SNR相结合的评估方法。实验表明，该方法可以有效地对语音增强算法进行整体和局部性能的评估。     

一种基于宽带噪声的同态滤波语音增强算法分析

语音通信中,强烈的背景噪声会影响语音信号的传输质量,为了提高语音通信的抗噪声性能,针对说话时伴随着呼吸引起的宽带噪声,分析传统抗噪声方法存在的问题,提出自相关与同态滤波相结合的改进方法,对纯净的语音信号和噪声信号进行分离,提取纯净语音信号.通过实验仿真明显提高了语音处理系统的传输质量,达到了语音增强的目的,其鲁棒性更好.     

一种基于小波的改进型带噪话音激活检测算法

提出了一种基于小波的改进型话音激活检测方法.在介绍小波变换、增强型变速率语音编码(EVRC)算法中的语音增强模块原理的基础上,着重讲述了利用小波对语音信号进行分解重构,利用语音增强模块中的判别方法对语音端点进行检测,依据判决更新对检测结果进行修正.通过对不同信噪比下的语音信号进行端点检测,给出了仿真结果及语音帧检测率,证明了该算法的有效性和可靠性.