基于动量项先验信噪比估计的语音增强算法

先验信噪比(Signal Noise Ratio,SNR)估计的精度影响着语音增强算法的性能.直接判决(Decision Directed,DD)算法是最常用的先验信噪比估计算法,但是,该算法估计的增强语音语音失真严重.首先介绍了语音增强算法的基本理论并分析了DD算法、TSNR算法和融入动量项算法,然后运用MATLAB软件进行实验仿真,对比分析了融入动量项算法的性能优势.     

一种基于广义奇异值分解的语音增强算法

广义奇异值分解的单通道语音增强算法在加性噪声为白噪声的情况下,效果比较理想.加性噪声为有色噪声的情况下,通常用一种基于熵奇异值分解(QSVD)的方法来处理.对QSVD算法进行衍生,首先提出了一种基于广义奇异值分解的子空间语音增强算法(GSVD).为了处理低信噪比时残留的音乐噪声,结合入耳的听觉掩蔽效应,进一步提出了一种基于感官抑制的GSVD(PCGSVD).试验结果显示,PCGSVD算法能够明显地提高语音质量、可懂度和识别率,特别是在加性噪声是有色噪声的情况下实验结果明显优于其他的语音增强算法.     

低信噪比条件下的语音端点检测与增强

针对在低信噪比条件下难以实现语音端点检测,提出了基于混沌理论的解决方法,采用Duffing方程的间歇混沌特性对语音信号进行检测,同时对谱减法作了改进,根据入耳听觉掩蔽效应的语音增强算法,动态修正谱减系数,有针对性地进行谱减,有效克服了音乐噪声.在信噪比较低的情况下,按照该方案处理后的语音不仅信噪比显著提高,主观听觉失真有效减小,且语音清晰度、可懂度和舒适度极大改善.     

基于人耳感知掩蔽效应的子空间语音增强算法研究

针对传统子空间语音增强算法中,因语音增强方法中去除噪声而出现的音乐噪声和失真问题,提出了一种人耳感知掩蔽效应的子空间语音增强算法,并结合频域到特征值域的变换,在Bark域内实现人耳的感知掩蔽效应的语音增强。实验结果表明,该算法在白噪声和有色噪声的背景下,与传统子空间语音增强算法相比,不仅提高了语音信号的信噪比,而且减少了语音失真和音乐噪声,提高了增强后语音的听觉质量。     

一种基于人耳掩蔽效应和无语音概率的谱减语音增强算法

提出一种基于听觉掩蔽模型和无语音概率的语音增强算法。该算法对听觉掩蔽模型进行了适当的修正,通过引入无语音概率(SAP)思想动态地确定每一帧语音信号各个关键频率段的听觉掩蔽阈值,有选择性地进行谱减。仿真结果表明所提出的算法优于一般掩蔽增强算法,能够有效地减少音乐噪声并且更符合人耳听觉特性,特别是在低信噪比的情况下,语音具有更好的清晰度和可懂度。     

改进的低时延语音增强算法

针对目前语音增强存在较大时延的问题,提出一种低时延语音增强算法。在传统的先验信噪比估计和噪声估计的基础上,对判决引导算法进行低时延的改进,并提出了一种基于语音存在概率和语音激活检测相结合的噪声估计方法,本文的算法采用对数MMSE估计器结合语音存在概率。采用ITU-T P.826 PESQ、分段信噪比、总信噪比和对数谱失真对该算法进行了测试,并与其他几种算法进行了对比,实验结果表明,该算法有效降低了时延,可以很好的跟踪非平稳噪声,在信噪比较低的情况小可以取得很好的增强效果,且音乐噪声和残留背景噪声也可以得到很好的抑制。     

基于增益函数的线性预测语音增强算法的研究

增益函数估计的精确度直接决定了语音增强算法的性能,并且增益函数的估计依赖于先验信噪比估计算法.DD(Decision Directed)算法具有较低的计算复杂度和有效抑制音乐噪声的优点,是最常用的先验信噪比估计算法,但是DD算法具有语音失真严重的缺点.介绍了DD算法、MDD(Modified method)算法和线性预测增益函数算法,理论分析了各自性能的优缺点,并进行了实验验证.实验结果显示,增益函数的线性预测方法可以取得较好的语音增强性能.     

基于Bark子波变换和RAS-MFCC特征的语音识别系统研究

提出了一种适用于低信噪比下的语音识别算法.该算法在前端利用人耳听觉掩蔽效应进行语音增强,然后提取一种在不需要噪声先验知识,能避免大量计算的情况下能较好地消除系统加性噪声的自相关MFCC(RAS-MFCC)参数,作为语音特征参数进行识别.     

低信噪比下基于信号子空间的语音增强算法研究北大核心CSCD

内嵌式预白化子空间算法与其它经典语音增强算法相比有很好的去噪效果,但是在低信噪比环境下,仍存在大量残留噪声.针对这一点,本文提出信号子空间优化与维纳滤波方法相结合的改进方法.仿真结果表明,在几种常见背景噪声的低信噪比下,相比传统的谱减法、维纳滤波法、内嵌式预白化子空间算法,本文算法效果更佳,能有效的抑制背景噪声,改善语音质量,并且保证一定的语音可懂度.     

一种基于双通道自适应噪声对消的语音增强法

在自适应噪声对消(ANC)中,本文根据主辅通道噪声间的相关性,提出了一种自适应滤波语音增强算法。在低信噪比(-10～0dB)白噪声条件下,文中研究了辅助通道采集的噪声有无"串音"两种情况下的语音增强效果。研究表明:在无串音和有串音两种条件下,本文算法增强语音的信噪比分别比NLMS算法提高约14dB和5dB,PESQ_MOS得分分别比NLMS算法提高约1.13和0.83,同时增强语音的听觉质量得到了极大地改善。     

Statistical-model-based speech enhancement systems

Since the statistics of the speech signal as well as of the noise are not explicitly available, and the most perceptually meaningful distortion measure is not known, model-based approaches have recently been extensively studied and applied to the three basic problems of speech enhancement: signal estimation from a given sample function of noisy speech, signal coding when only noisy speech is available, and recognition of noisy speech signals in man-machine communication. Research on the model-based approach is integrated and put into perspective with other more traditional approaches for speech enhancement. A unified statistical approach for the three basic problems of speech enhancement is developed, using composite source models for the signal and noise and a fairly large set of distortion measures     

Estimation of vowel recognition with cochlear implant simulations

Because there are many parameters in the cochlear implant (CI) device that can be optimized for individual patients, it is important to estimate a parameter's effect before patient evaluation. In this paper, Mel-frequency cepstrum coefficients (MFCCs) were used to estimate the acoustic vowel space for vowel stimuli processed by the CI simulations. The acoustic space was then compared to vowel recognition performance by normal-hearing subjects listening to the same processed speech. Five CI speech processor parameters were simulated to produce different degree of spectral resolution, spectral smearing, spectral warping, spectral shifting, and amplitude distortion. The acoustic vowel space was highly correlated with normal hearing subjects' vowel recognition performance for parameters that affected the spectral channels and spectral smearing. However, the acoustic vowel space was not significantly correlated with perceptual performance for parameters that affected the degree of spectral warping, spectral shifting, and amplitude distortion. In particular, while spectral warping and shifting did not significantly reshape the acoustic space, vowel recognition performance was significantly affected by these parameters. The results from the acoustic analysis suggest that the CI device can preserve phonetic distinctions under conditions of spectral warping and shifting. Auditory training may help CI patients better perceive these speech cues transmitted by their speech processors.     

Speech Enhancement Algorithm Based on MMSE Short Time Spectral Amplitude in Whispered Speech

An improved method based on minimum mean square error-short time spectral amplitude （MMSE-STSA） is proposed to cancel background noise in whispered speech. Using the acoustic character of whispered speech, the algorithm can track the change of non-stationary background noise effectively. Compared with original MMSE-STSA algorithm and method in selectable mode Vo-coder （SMV）, the improved algorithm can further suppress the residual noise for low signal-to-noise radio （SNR） and avoid the excessive suppression. Simulations show that under the non-stationary noisy environment, the proposed algorithm can not only get a better performance in enhancement, but also reduce the speech distortion.     

基于MATLAB的语音增强系统的设计

语音增强是信号处理领域中的一个重要的组成部分。在许多语音处理的应用中,例如移动通信,语音识别和助听器,语音信号的处理不得不在具有噪声的环境下进行。在过去的几十年里,人们提出了许多方法去消除噪声和减少语音失真,例如谱减法,基于小波的方法,隐式马尔科夫模型法和信号子空间法等。小波分析由于能同时在时域和频域中对信号进行分析,所以它能有效地实现对信号的去噪。介绍了一种语音增强系统的设计方法,采用Least Mean Square（LMS）算法和小波变换相结合的方法对带噪语音进行去噪,并在MATLAB的Simulink环境下建立了该系统的模型。通过对该模型的仿真表明：该方法去噪效果明显,为该系统在硬件上的实现打下了理论基础。     

Context-adaptive pre-processing scheme for robust speech recognition in fast-varying noise environment

Based on the observation that dissimilar speech enhancement algorithms perform differently for different types of interference and noise conditions, we propose a context-adaptive speech pre-processing scheme, which performs adaptive selection of the most advantageous speech enhancement algorithm for each condition. The selection process is based on an unsupervised clustering of the acoustic feature space and a subsequent mapping function that identifies the most appropriate speech enhancement channel for each audio input, corresponding to unknown environmental conditions. Experiments performed on the MoveOn motorcycle speech and noise database validate the practical value of the proposed scheme for speech enhancement and demonstrate a significant improvement in terms of speech recognition accuracy, when compared to the one of the best performing individual speech enhancement algorithm. This is expressed as accuracy gain of 3.3% in terms of word recognition rate. The advance offered in the present work reaches beyond the specifics of the present application, and can be beneficial to spoken interfaces operating in fast-varying noise environments.     

一种新的自适应语音增强系统

针对自适应噪声对消(ANC)语音增强系统的性能高度依赖于参考信号的质量，任何原始语音信号泄漏到参考信号中，都会导致原始语音信号失真和噪声抵消性能恶化这一问题，本文提出一种对泄漏不敏感的附加随机噪声(ARN)自适应噪声对消语音增强系统。它通过在参考信号中加入一个低功率的宽带随机训练信号，然后用该训练信号作参考信号对噪声传输函数(NTF)进行自适应建模，并在使用自适应预测滤波器(APF)消除NTF自适应建模的语音信号干扰的同时，用补偿滤波器(CPF)来修正由APF引起的参考信号失真。计算机仿真表明，这种ARNANC语音增强系统在泄漏情况下能将原始语音信号从带噪语音信号中有效分离出来。     

通信系统中语音编解码对语音增强算法的影响

系统研究了现有语音通信系统中使用的几种语音编解码算法以及主流的单通道语音增强算法,并将二者相结合,对实际通信系统中的结构进行仿真.研究发现,现有的基于线性预测分析技术的语音编解码算法,在高编码率的情况下对于语音增强算法的性能不仅不会有损失,反而会在一定程度上改善增强算法带来的语音失真的情况,提高语音增强算法的效果.     

HMM在语音识别系统中的应用

介绍语音识别技术的应用状况与发展,对基于动态时间伸缩技术、隐含马尔科夫模型及人工神经网络的3种不同的语音识别系统进行了比较,重点介绍了隐含马尔科夫模型(HMM)在语音识别系统中的应用。其中基于HMM的语音识别系统是在UniSpeech芯片上实现基于DHMM的识别系统,然后又在同一平台上实现了基于CHMM的识别系统。     

等方差加权倒谱失真测度及其在说话人识别中的应用

本文根据倒谱系数矢量在特征空间的统计分布特性,提出了一种新的等方差加权倒谱失真测度,这种测度的加权函数充分刻画了语音倒谱矢量在特征空间分布的精细结构,从而有效地辨识不同讲话者的特征,实验表明,和常规的欧氏距离及方差倒数加权距离等相比,本文所提的失真测度能显著提高基于矢量量化的说话人识别的正识率。     

基于短时对数谱估计MMSE的语音增强算法研究

结合语音激活检测(VAD)技术对短时对数谱估计最小均方误差(LSA-MMSE)语音增强算法进行了改进。通过实验表明,LSA-MMSE增强算法在消除背景噪声、增加语音清晰度和提高语音自然度等方面比谱减法更加有效。