基于EMMD／MMSE低信噪比的语音增强方法

EMMD分解后的信号虽然解决了EMD中存在的端点效应问题,但是存在音乐噪声,提出一种基于EMMD／MMSE的语音增强方法,该算法利用MMSE解决经过EMMD处理的信号中含有的音乐噪声问题,从而得到很好的语音增强效果。通过实验对增强前后语音信号的信噪比分析表明,基于EMMD／MMSE的语音增强方法在提高语音信号的信噪比、可懂度方面优于传统的增强方法。     

冲击噪声环境下基于信号子空间的多通道语音增强算法

针对冲击噪声环境下的语音增强问题提出了一种不依赖任何语音信号模型、适用于冲击噪声的基于信号子空间分解的多通道语音增强算法。该算法把阵列信号处理中的协变异应用到语音增强中,对带噪语音信号的协变异系数矩阵进行特征值分解得到纯净语音信号的子空间。仿真实验结果表明:该算法对于冲击噪声有抑制作用,对高斯白噪声、高斯有色噪声也有一定的抑制效果。     

基于小波系数统计的非高斯噪声背景下语音流检测

在实际生活中,非高斯噪声很普遍,对信号的影响也很大,是语音信号处理中的难题.大部分强噪声信号都是非高斯的,在强噪声背景下,由于语音信号受到较大的干扰,甚至被噪声淹没,传统的基于短时的能量、过零率、相关以及平均幅度差等检测算法效果都不理想.根据小波变换的特性和语音时域信号的分布特征,提出了一种非高斯噪声背景下语音流检测算法.对含噪语音进行小波分解,观察各层小波系数的统计特征,提取它们的不同特征,从而进行了语音流检测.大量实验表明该算法具有较高的检出率和较低的误检率,可以消除噪声的影响实时处理语音信号.该算法有一定的创新性,在处理非高斯噪音方面很有实用性.     

基于维纳过滤的IMCRA算法

为了改善噪声谱估计算法对噪声的估计能力,提出基于维纳过滤的最小值控制递归平均(improved minimum control recursion average,IMCRA)算法。采用二级过滤技术,第一级利用参变维纳滤波算法过滤带噪语音得到语音频谱的估算值,计算其先验信噪比和后验信噪比,通过维纳滤波传递函数计算输出语音。第二级利用IMCRA算法对语音信号进行噪声估计,使用基本谱减法过滤噪声得到语音信号。对比实验结果表明,该算法提高了噪声的估计能力,同时语音信号的可懂度和清晰度也有所提高。     

基于形态学处理的短波跳频信号宽带时频检测算法

通过分析短波跳频信号的宽带时频特性,本文提出一种基于形态学处理的检测算法。算法分别利用形态学基本算法、改进的骨架化算法、改进的击中/击不中变换实现跳频检测过程中噪声和干扰信号的消除、跳频信号存在性的判定、跳频图像的还原等操作。仿真结果表明,算法在较低信噪比的情况下仍能较好的确定短波跳频信号的存在性,实现信号的检测与还原。     

部分HHT和ICA的混合语音增强算法

根据语音信号中噪声特性的不同,该文将其中的白噪声和色噪声分别进行处理以达到较好的语音增强效果。对信号进行不完全希尔伯特-黄变换,从中得到含有白噪声的分量并进行处理,降低白噪声在整个语音信号中的能量;利用独立分量分析的方法将目标语音与色噪声进行分离,得到最终的目标语音信号。实验结果证明,该混合算法有很好的性能和降噪效果,提升后的语音信号几乎完全消除了色噪声的影响,并相对白噪声有很好的抑制,对于实际和理论模型的不完全吻合也有较好的鲁棒性。     

一种基于二进小波变换的抗时变干扰算法

针对短波语音中存在的时变干扰难以跟踪,更难以滤除的问题,提出了一种基于二进小波变换的抗时变干扰算法,利用小波变换的时频域上的高分辨率将信号分解成小波各层细节信号,并通过调整各小波细节信号的加权因子,实现了较好滤除时变干扰的效果。仿真表明此算法不但提高语音信号信噪比,而且使语音失真较小,要明显优于传统的陷波算法。     

基于码元分布特性的FSK信号识别算法

FSK信号在短波通信中大量应用,将其与PSK、QAM、并行多路传输信号区分开来具有重要的意义。而短波信号识别的关键是如何减小噪声与多径传输引起的频率选择性衰落的影响。提出一种基于码元分布特性的FSK信号大类识别算法,采用带通滤波后子载波信号的短时谱能量方差作为识别特征,具有优良的抗频率选择性衰落与噪声干扰性能。仿真实验与实际信号测试结果表明,算法具有较高的识别正确率,能直接对中频信号进行处理,可用于实际工程。     

基于LMS算法自适应滤波器的设计

对语音信号及噪声信号的特点进行了分析研究,提出了基于LMS算法自适应滤波噪声抵消模型,能够根据背景噪声的能量分布特征,将被污染的语音信号降噪提出,并且不发生信息丢失现象。采用M atlab软件完成数字滤波去噪声的功能。实验数据表明,该算法简单,可靠性高,能在受坦克、卡车噪声污染且较低的信噪比情况下,对语音信号起到去噪增强作用。     

基于概率潜分量分析的语音增强算法

针对传统语音增强方法在非平稳噪声环境和低信噪比情况下增强效果不理想的问题,提出了一种基于概率潜分量分析(PLCA)的语音增强算法。该算法分析并引入了PLCA模型,将语音谱建模成意义明晰的边缘分布表示,并通过期望最大化(EM)算法对最优边缘分布进行求解,用边缘分布组成的字典对噪声进行描述,利用语音信号的边缘分布选择性地重构语音信号,从而实现与噪声分离,达到语音增强的目的。仿真结果表明,该算法在抑制噪声、提高信噪比、增强语音质量方面明显优于传统的语音增强方法。     

基于掩蔽效应的改进型自适应语音增强算法

在分析经典自适应滤波算法的基础之上提出了一种有效的消除噪声且减小语音失真的语音增强方法.为了进一步提高语音增强效果,根据人耳掩蔽效应把语音信号中关键频率段的阈值作为自适应滤波算法的动态系数,根据此系数估算误差函数.在Matlab上对此算法输入不同信噪比的信号,仿真结果表明:输出的信噪比明显高于传统滤波算法,且残留噪声较小.     

基于离散余弦变换的语音增强

在进行余弦变换时，语音信号主要分布在余弦系数的低频区域，而随机噪声主要分布在高频区域．鉴于此特点，给出了一种基于离散余弦变换的阈值语音增强方法．利用余弦系数的高频区估计噪声得到阈值，对DCT阈值化，利用信噪比估计值和语音出现概率对算法做了进一步的改进，增强了算法的去噪能力．实验结果表明，该方法为有效的语音增强方法．     

Study of speech enhancement in the background of ship-radiated noise

Spectral subtraction is wildly used in speech enhancement. But it is not always available in the ship working environment because of the fact that it is hard to discriminate the speech duration with the ship noise. So, in this paper, we propose a new approach, which first computes the frequency spectrum similarity and then discriminates the signal segments into speech or noise roughly. And then by the frame shifting method, we achieve a high discrimination precision. Finally, the improved algorithm is benchmarked on a large measured data and experimental results show that the proposed method can be used in various ship-radiated noise environments. The discrimination accuracy is 98％ for ship-radiated noise and 96％ for speech.     

改进的基于听觉掩蔽特性的语音增强

该文利用人耳感知的掩蔽特性,研究了一种改进的基于人耳听觉掩蔽特性的语音增强方法。该方法改进了对含噪语音中噪声的估计,即在估计噪声时,先在帧上判断语音的有无,然后在频率点上判断语音的有无,最后再从感知的角度,利用估计出的语音信号计算掩蔽阈值,以此在时域和频域上合理地调整增强系数。仿真结果表明,该方法不仅使信噪比有较大的提高,而且减少了语音失真,同时也很好地抑制了背景噪声和残余音乐噪声。     

基于自适应提升小波变换的语音增强算法的研究

语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号.Sweldens等人引入了基于提升法的小波变换,也称为第二代小波变换.提升法是一种柔性的小波构造方法,它可以使用许多线性,非线性或者空间变化的预测和更新算子,而且可以确保变换的可逆性.该文讨论强背景噪声下的基于自适应提升小波变换的语音增强方法,并与自相关相减法语音增强算法进行比较.计算机仿真结果表明,该方法在大大消除背景噪声同时保持语音信号较好的可懂度.     

基于时域滤波多频段谱减法的语音增强

传统的多频段语音增强是将频域分割成各个频段,并对每个频段单独进行语音增强,但是因为相邻频带的共振峰影响清晰语音估计,导致了语音识别效果不理想,为了减少相邻频带的共振峰带来的影响,提出了一种时域滤波中多频带语音增强的方法,通过将时域中的未处理语音过滤成各种等效的基于矩形带宽的子带,然后在每个频带中使用基于离散余弦变换(DCT)谱减法来估计清晰语音,并结合使用各个频带信噪比(SNR)获得频带特定加权因子。在SNR为0~10d B的汽车噪声、餐厅噪声、列车噪声、白色噪声和工厂噪声的环境下基于时域多频段语音增强算法增强效果优于现有的技术。     

一种基于迭代多带谱相减的语音增强方法

根据传统的谱相减语音增强算法,提出了一种抑制噪声的迭代多带谱相减语音增强方法,暨将迭代方法和多带谱相减方法相结合。同时该方法采取了一种不需要静音检测(VAD)的自适应方法来估计噪声。仿真结果表明, 该方法在较好的抑制背景噪声和残留音乐噪声的同时,保持较好的语音可懂度。     

改进型加权噪声功率谱估计算法

提出一种改进型的加权噪声功率谱估计算法,该算法使用平滑因子对加权噪声功率谱估计算法所计算的噪声进行平滑处理。实验结果表明,当应用于语音增强系统时,改进型算法的优越性能得以体现。