改进增益函数的MMSE语音增强算法

讨论了基于语音短时对数谱最小均方误差(MMSE-STSA)的语音增强算法,将先验信噪比估计引入增益函数的计算中,有效消除噪声.在带噪信号模型中引入语音存在的不确定度,估计出每个频点的先验无声概率,对增益函数进行改进.通过客观与主观两种评价方法将改进算法与小波变换算法和MMSE估计算法进行比较,实验结果表明,改进算法能更好地抑制背景噪声并且使增强后的语音有较小的失真,增加语音清晰度和理解度.     

运用MMSE先验信噪比估计进行语音增强

针对DD（Decision-Directed）先验信噪比估计方法在处理语音时产生延迟以及非因果先验信噪比估计算法不具实时性的缺点,提出一种MMSE（Minimum Mean Square Error）先验信噪比估计方法。它在高斯语音模型假设的基础上,运用最小均方误差准则直接从带噪信号中估计先验信噪比。通过对增强语音信噪比、Itakura-Saito失真测度以及信号时域图和语谱图仿真,结果表明,该算法比DD算法能更好地抑制“音乐噪声”和防止语音畸变,且相对于非因果先验信噪比估计算法具有更强实时性。     

基于增益字典查询的语音增强算法

对于基于统计模型的语音增强算法,不同分布模型对应于不同的增益函数,由于语音信号的不确定性,没有一种分布函数能准确对语音和噪声谱的分布建模,因此任何一种固定的统计模型均会存在一定的误差。所以提出一种增益字典查询的语音增强算法,该算法通过采用对数谱失真准则对一个语音噪声库进行增益的训练,得到一个增益的字典,其中输入为先验信噪比和后验信噪比的估计值。最后采用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,并与基于高斯分布模型、拉普拉斯分布模型的算法进行了对比。实验结果表明,该算法无论在非平稳噪声还是平稳噪声环境下都比其他几种算法增强效果好,且音乐噪声和残留背景噪声也可以得到很好的抑制。     

基于感知滤波器与统计方法的语音增强新算法

根据人耳感知特性,提出了一种小波包感知滤波器与统计方法相结合的语音增强新算法.小波包感知滤波器根据人耳Bark域频率感知特性,将含噪语音频带划分成24个频率群,每个频率群内信号进行最小均方误差对数谱幅度(MMSE-LSA)的估计.通过估计各频率群的先验信噪比得到待估计语音与含噪语音的增益方程,从而得到该频率群内的估计语音,最后将所得的分段估计语音重建即得到增强后的语音.实验结果表明,在各种噪声情况下,该方法均优于其他方法.     

基于MMSE-LSA语音增强算法在非平稳环境下的研究与实现

讨论了非平稳环境下基于语音短时对数谱的最小均方误差(MMSE-LSA)估计的语音增强算法.众所周知,语音信号为时变信号,在假设语音频谱分布为高斯分布的前提下,实验的工作重点是将MMSE-LSA算法与其它语音增强算法(以谱相减的语音增强为例)比较.实验结果表明:该MMSE-LSA算法的语音增强效果很好,特别是在信噪比低时的非平稳环境下效果更为明显.     

修正的基于广义Gamma语音模型语音增强算法

广义Gamma模型是近年来新提出的一种语音分布模型,相对于传统的高斯或超高斯模型具有更好的普适性和灵活性,提出一种基于广义Gamma语音模型和语音存在概率修正的语音增强算法。在假设语音和噪声的幅度谱系数分别服从广义Gamma分布和Gaussian分布的基础上,推导了语音信号对数谱的最小均方误差估计式;在该模型下进一步推导了语音存在概率,对最小均方误差估计进行修正。仿真结果表明,与传统的短时谱估计算法相比,该算法不仅能够进一步提高增强语音的信噪比,而且可以有效减小增强语音的失真度,提高增强语音的主观感知质量。     

一种基于快速噪声估计的MMSE语音增强算法

提出一种基于快速噪声估计的MMSE语音增强算法,实验表明这种算法比起谱相减法和基于语音短时对数谱的最小均方误差（MMSE-LSA）算法能更显著地提高算法的客观性能,在非平稳噪声环境中能快速估计出变化的噪声功率谱。     

基于听觉掩蔽效应和最优平滑的语音增强算法

针对谱减法在低信噪比下音乐噪声较大的缺点,通过分析人耳听觉掩蔽特性,提出一种改进的语音增强算法。在维纳滤波法的基础上结合掩蔽效应调整增益系数,采用非平稳环境下的最小约束递归平均算法进行噪声参数估计,利用最小均方误差准则的最优平滑因子对增强语音进行平滑处理,从而进一步消除音乐噪声。仿真结果表明,与改进谱减法与维纳滤波法相比,该算法在低信噪比情况下能有效抑制背景噪声和残余的音乐噪声,保持较好的语音质量和清晰度。     

改进的基于响度域的语音增强算法

针对短时谱幅度最小均方误差估计(MMSE-STSA)语音增强算法在非平稳噪声环境下噪声抑制能力较差的问题,提出一种改进的MMSE-STSA算法。该算法在响度域进行谱幅度估计,并采取基于概率的语音判决方法。实验结果表明,相比传统的MMSE-STSA算法,改进算法在非平稳噪声环境下能够获得更好的语音质量。     

一种新的强噪声环境下的语音增强算法

针对强噪声环境下语音增强中噪声估计和先验信噪比估计算法导致的语音失真和音乐噪声的问题,利用语音和噪声的统计模型的对称性得到一种噪声幅度的估计值为参考,提出了一种噪声估计算法,改进了先验信噪比估计算法,形成了一种新的增强算法,适用于强噪声环境下的语音增强。由仿真实验给出的客观评分看出,在0 dB乃至－5 dB条件下,给出信噪比估计算法能够有效减小信号失真,基本上没有残留音乐噪声。