一种Bark子波变换的电子耳蜗语音增强算法

提出了一种Bark子波变换的电子耳蜗语音增强算法。该算法首先引入与人耳听觉系统更为适应的Bark子波变换来进行电子耳蜗CIS语音信号处理,然后在每个Bark通道中利用非线性谱减法对其进行语音增强,谱减法的参数由人耳隐蔽阈值来控制。结果表明：即使在低信噪比的情况下,信噪比也能提高16 dB左右,合成的语音对于电子耳蜗使用者具有较好的清晰度和可懂度。     

支持向量机在低信噪比语音识别中的应用

采用改进的MFCC语音特征参数(Mel频率离散小波倒谱系数),使用支持向量机作为分类算法,构建了低信噪比环境下的孤立词非特定人语音识别系统,取得了较高的识别率。将实验结果与基于RBF神经网络的识别结果进行比较,结果表明在低信噪比时,SVM的识别率比使用RBF神经网络有较大提高,具有非常好的鲁棒性。     

基于听觉掩蔽效应的语音增强算法

对于低信噪比环境下的语音信号,传统谱减法残留的背景噪声较大。针对该问题,基于听觉掩蔽效应提出一种改进的语音增强算法。将人耳听觉掩蔽特性与功率谱减法相结合,设计一种时域递归平均算法对噪声进行估计,同时对带噪语音信号做频谱相减处理,从听觉的角度出发,利用估计的语音信号功率谱计算掩蔽阈值,并引入谱减功率修正系数和谱减噪声系数,实现带噪语音的信号增强。利用Matlab 2012b进行仿真,实验结果表明,该算法在低信噪比条件下能够较好地抑制背景噪声,改善语音质量,且与改进自适应滤波算法相比,其输出信号的信噪比可提高5%左右。     

基于噪声估计的二值掩蔽语音增强算法

针对现有的助听器语音增强算法在非平稳噪声环境下,残留大量背景噪声的同时还引入了“音乐噪声”,致使增强语音可懂度和信噪比不理想等问题。提出了一种基于噪声估计的二值掩蔽语音增强算法,该算法利用人耳听觉感知理论,结合人耳的听觉特性和耳蜗的工作机理。采用最小值控制递归平均（Minima-Controlled Recursive Averaging,MCRA）算法获得估计噪声和初步增强语音;将估计噪声和初步增强语音分别通过可以模拟人工耳蜗模型的gammatone滤波器组进行滤波处理,得到各自的时频表示形式;利用人耳的听觉掩蔽特性,计算含噪语音在时频域的二值掩蔽;利用二值掩蔽得到增强语音。实验结果表明：该算法很大程度上去除了谱减法引入的“音乐噪声”,与基于MCRA谱减法相比,增强语音的语言可懂度指数（Speech Intelligibility Index,SII）、主观语音质量评估（Perceptual Evaluation of Speech Quality,PESQ）和信噪比（Signal to Noise Ratio,SNR）都得到了提高。     

基于人耳掩蔽效应的电子耳蜗语音增强方法

提出一种符合人耳听觉感知的语音增强方法,使电子耳蜗能在噪声环境下获得准确的语音信息。利用Bark子波变换实现电子耳蜗中的语音处理,结合人耳听觉系统特性实现语音增强。使用根据人耳听觉掩蔽效应提出的自适应减参数。实验结果表明该算法在低信噪比情况下,信噪比可提高30 dB左右,更好地抑制了残留噪声和背景噪声,合成的语音具有较好清晰度和可懂度。     

基于卷积神经网络的面罩语音识别

针对带噪面罩语音识别率低的问题,结合语音增强算法,对面罩语音进行噪声抑制处理,提高信噪比,在语音增强中提出了一种改进的维纳滤波法,通过谱熵法检测有话帧和无话帧来更新噪声功率谱,同时引入参数控制增益函数;提取面罩语音信号的Mel频率倒谱系数(MFCC)作为特征参数;通过卷积神经网络(CNN)进行训练和识别,并在每个池化层后经局部响应归一化(LRN)进行优化.实验结果表明:该识别系统能够在很大程度上提高带噪面罩语音的识别率.     

联合优化深度神经网络和约束维纳滤波的单通道语音增强方法

深度神经网络（Deep neural networks,DNNs）依靠其良好的特征提取能力,在语音增强任务中得到了广泛应用。为进一步提高深度神经网络的语音增强效果,提出一种将深度神经网络和约束维纳滤波联合训练优化的新型网络结构。该网络首先对带噪语音幅度谱进行训练并分别得到纯净语音和噪声的幅度谱估计,然后利用语音和噪声的幅度谱估计计算得到一个约束维纳增益函数,最后利用约束维纳增益函数从带噪语音幅度谱中估计出增强语音幅度谱作为网络的训练输出。对不同信噪比下的20种噪声进行的仿真实验表明,无论噪声类型是否在网络的训练集中出现,本文方法都能够在有效去除噪声的同时保持较小的语音失真,增强效果明显优于DNN及NMF增强方法。     

基于TEO能量谱减法的语音增强技术的研究

谱减法是目前减少噪声干扰、提高语音质量的一种有效方法。为了进一步提高谱减法的去噪性能,提出一种基于TEO(Teager Energy Operator)能量的改进谱减法。该方法利用TEO能量对带噪语音进行语音活动检测,区别出噪声段和语音段,对噪声段和语音段分别进行谱减处理,既保证了语音质量,又尽可能地消除了噪声干扰。在F16战斗机噪声环境中对算法性能进行测试,结果表明,该方法提高了输出信噪比,抑制了音乐噪声,具有良好的语音增强效果。     

基于听觉掩蔽效应的MMSE语音增强算法

针对MMSE语音增强算法低信噪比时产生较大的语音畸变的缺点,提出了一种结合人耳听觉掩蔽效应的MMSE语音增强算法。该算法利用掩蔽阈值来调整MMSE算法中的增益值,使得增强后的语音信号残留噪声和语音畸变较小。通过计算机仿真对增强前后语音信号的信噪比分析以及主观试听表明：改进的MMSE语音增强算法不仅提高了语音信号的信噪比,而且减少了语音畸变,提高了语音的可懂度。     

基于改进谱减方法的语音增强研究

由于噪声的影响导致语音信号的质量降低,因此需要对语音信号进行语音增强。语音增强是语音信号处理的前沿领域,其主要目标足从带噪语音中提取纯净的原始语音信号。介绍了实现语音增强方法的原理,利用实验仿真了传统谱减法和改进谱减方法,改进法通过对带噪信号进行参数调整,然后进行频域谱减,实验结果表明改进方法对语音增强效果明显好于传统方法。此外,对传统谱减法和改进谱减法的信噪比分别进行了计算,结果表明改进谱减方法的信噪比相对传统谱减方法有很大提高。     

基于谱熵的耳语音增强研究

建立了一个小型耳语音库,并分析了耳语音的特点。在此基础上引入基于子带功率谱熵的改进谱减法对耳语音进行增强处理。该方法通过分析耳语音信号的子带功率谱熵,检测出耳语音的噪音段和语音段,然后对噪音段和语音段分别进行改进谱减处理,以达到良好的去噪效果。实验证明:此方法能有效分离出耳语音的噪声段和语音段,与传统谱减法相比,信噪比有了较大的提高。     

基于频谱方差和谱减法的语音端点检测新算法

针对低信噪比情况下频谱方差法对语音信号进行端点检测时准确率降低的问题,提出了一种结合频谱方差和谱减法的语音端点检测新算法。算法采用改进的谱减法对语音信号进行动态降噪处理,并依据得到的降噪后信号的频谱方差设置双门限值进行端点检测。仿真实验表明,该方法具有抗噪性好、自适应性强等优点,在低信噪比情况下检测的准确率与普通的频谱方差法相比有很大的提高。     

基于语音存在概率和听觉掩蔽特性的语音增强算法

低信噪比下,谱减语音增强法中一直存在的去噪度、残留的音乐噪声和语音畸变度三者间均衡这一关键问题显得尤为突出。为降低噪声对语音通信的干扰,提出了一种适于低信噪比下的语音增强算法。在传统的谱减法基础上,根据噪声的听觉掩蔽阈值自适应调整减参数,利用语音存在概率,对语音、噪声信号估计,避免低信噪比下端点检测(VAD)的不准确,有更强的鲁棒性。对算法进行了客观和主观测试,结果表明：相对于传统的谱减法,在几乎不损伤语音清晰度的前提下该算法能更好地抑制残留噪声和背景噪声,特别是对低信噪比和非平稳噪声干扰的语音信号,效果更加明显。     

基于波束形成的谱相减语音增强

为降低谱相减算法产生的音乐噪声，并提高语音增强效果，本文在深入研究波束形成技术和谱相减算法的基础上，提出波束形成器后级联谱相减的语音增强处理方法，并分析、验证了这种结构的可行性。对真实环境下的语音和噪声数据的处理结果显示，谊级联结构的语音增强系统可显著降低背景噪声，语音失真小，并易于实时实现，信噪比增益达16．5dB。     

一种改进的基于谱熵的语音端点检测技术

论文提出了基于时频谱减增强和谱熵的语音端点检测算法。算法对带噪语音在频域利用谱减法去除宽带加性噪声,在时域去除由谱减带来的残差噪声从而对语音进行了增强。对增强后的语音利用谱熵特征进行端点检测。实验结果表明,此算法快速有效,具有较强的抗噪能力,特别适合低信噪比的语音端点检测。     

一个基于谱熵的语音端点检测改进方法

本文提出了基于谱熵和谱减法相结合的带噪语音端点检测改进算法以及端点检测的判决准则.仿真实验表明,在语音信号受到强噪声的干扰后(5db≤SNR≤15db)所提方法可检测到准确的语音端点.     

新型几何谱减语音增强方法

针对几何谱减算法在处理快速变化的语音时产生语音畸变的缺点,提出一种基于最小均方误差算法估计每帧语音信号的每一个频率分量上的平滑系数,产生自适应帧频率分量平滑系数代替固定值的平滑系数来估计先验信噪比,从而得到更加接近于真实情况的先验信噪比。通过计算板仓-斋藤距离,及利用仿真波形图、语谱图对算法进行客观测试,结果表明新算法相对其他谱减法在相同的去噪度下,语音畸变度最小且几乎察觉不到音乐噪声;特别是在低信噪比非平稳环境下,相对其他谱减法的优势更加显著。     

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。