基于蒙特卡洛滤波平滑的语音增强算法

本文在分析统计信号贝叶斯模型和语音信号的时变自回归(TVAR)模型的基础上,利用蒙特卡洛滤波及平滑方法,对语音信号的TVAR模型参数进行了估计,提出了一种有效的针对非平稳加性噪声影响下的语音增强算法.该算法可以很好的跟踪非平稳信号,同时引入对反射系数的判断,保证了跟踪的稳定性.实验表明,本文方法能很好的抑制背景噪声,提高信噪比,改善语音信号的听觉质量.     

非平稳环境下基于人耳听觉掩蔽特性的语音增强

传统的语音增强算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的音乐噪声较大。对此,本文研究了一种非平稳环境下基于听觉掩蔽效应的语音增强算法。该算法对传统谱减法的功率谱估计算法进行改进,根据最小均方误差原则和语音信号的听觉掩蔽阈值调整功率谱估计的参数,并引入了基于最小值统计特性的噪声估计算法,使估计的噪声更好地跟踪噪声的变化。实验结果表明:该算法对平稳和非平稳的噪声都得到较好的增强效果,且较好地抑制了音乐噪声。     

基于噪声整形的语音去噪算法

针对非平稳环境噪声提出一种基于噪声整形的语音去噪算法.该算法以最小感知均方误差为准则,在Wiener滤波的基础上,采用听觉感知加权函数修正Wiener滤波方程,实现对噪声谱整形,使噪声谱分布特性跟随语音谱而变:同时引入频率补偿因子克服非平稳噪声谱对语音影响的不均匀性;采用快速噪声估计算法实现对非平稳的估计.实验表明,该算法能更有效地抑制背景噪声,提高了去噪后的语音质量.     

采用复高斯分布模型的两步噪声幅度谱估计算法

噪声幅度谱估计是有效抑制外界噪声干扰、提高语音增强算法整体输出性能的重要环节。但目前针对该问题的研究相对较少,常用的语音激活检测算法只能在语音不存在阶段对噪声信号的幅度谱进行更新或估计,无法适用于更为复杂的非平稳噪声环境。为克服这一问题,本文基于噪声频谱的复高斯分布模型假设,提出了新型的两步噪声幅度谱估计算法。算法首先采用软判决技术计算噪声信号的功率谱,然后再结合复高斯分布条件下信号幅度谱和功率谱之间的数学关系间接地获取噪声幅度谱的估计。文中基于这一结论给出了两种估计算法,并在多种噪声环境下对它们的性能进行了仿真评估,其测试结果有效表明了提出算法优良的估计性能。      

改进的基于语音存在概率的噪声功率谱估计算法

噪声功率谱估计是语音增强算法中的关键技术之一.针对在非平稳噪声环境下噪声功率谱估计不够准确的问题,采用了基于后验语音存在概率的噪声功率谱估计算法,并对其中的语音存在概率估计算法进行了改进.利用语音信号的短时平稳性,在时域和频域上利用相邻帧和相邻频点的相关性估计当前帧的语音存在概率.仿真结果表明,该算法与原始算法及改进的最小值控制递归平均噪声估计(IMCRA)算法相比,能够有效提升非稳态噪声环境下噪声功率谱估计准确度和语音增强效果.     

基于AR-HMM在线能量调整的语音增强方法

针对单通道语音增强技术对非平稳噪声的跟踪不准确、噪声抑制效果较差的问题,本文提出一种基于在线能量调整的语音增强方法.该方法以归一化临界带能量为特征,采用高斯混合模型对背景噪声进行分类,利用对应类型噪声的自回归隐马尔可夫模型(Auto-Regressive Hidden Markov Model,AR-HMM)和纯净语音的AR-HMM,在最小均方误差准则下估计语音和噪声的功率谱.考虑到非平稳环境中训练集和测试集的差异性,需在线调整语音模型和噪声模型中的能量,语音模型的能量调整采用迭代的期望最大化算法;噪声模型的能量调整则利用的是模型训练过程中的能量重估方法,并以最小值控制的递归平均算法确定噪声能量调整的初始值.在ITU-T G.160标准下对算法进行性能测试,测试结果表明,本文方法对非平稳噪声的跟踪效果较好,对噪声衰减量较大,收敛时间较短.     

基于改进的循环互相关MUSIC算法的波达方向估计

给出了基于循环互相关运算的信号模型，根据该信号模型，运用改进的循环互相MUSIC算法得到了对具有循环平稳特性的空间源信号波达方向进行估计的有效方法——ICCC-MUSIC算法；定性的分析和仿真实验均表明该方法具有较好的抑制噪声和选择信号的能力，为利用天线阵列提取具有循环平稳特性的源信号提供了较好的实现方法。     

基于Gamma语音模型的语音增强算法

提出了一种新的基于Gamma语音模型的语音增强算法。首先,在假定语音和噪声的短时DCT系数分别服从Gamma和Gaussian分布的基础上,推导了最小均方误差意义下的语音信号短时DCT系数估计;然后,根据语音存在概率估计,提出了语音信号短时DCT系数估计的修正因子。在增强算法中,提出了基于Gamma语音模型的改进最小统计量控制递归平均(IMCRA)噪声估计算法。仿真结果表明,该算法不仅在噪声抑制性能方面优于近两年国际上提出的几种基于Gaussian语音模型的语音增强算法,而且在增强语音质量方面也具有更好的性能。     

一种基于几何谱减法和听觉掩蔽效应的语音增强方法

针对低信噪比下非平稳噪声环境情况,几何谱减算法产生较大的语音畸变的缺点,提出了一种结合听觉掩蔽效应的改进算法,该算法通过对噪声的实时估计,同时结合听觉掩蔽效应设计一个感知滤波器,对增强后的信号频谱进行滤波以抑制背景噪声,从而将残留噪声强度控制在掩蔽阈值之下.通过计算PESQ、oSNR、语谱图及时域仿真波形图分析及主观试听表明:改进的几何谱减算法不仅提高了语音信号的信噪比,而且残留噪声和语音畸变较小,提高了语音的可懂度.     

空间非平稳噪声下的宽带DOA估计算法

投影子空间正交性测试(TOPS)法是利用子空间的正交性实现宽带信号DOA估计,而在空间非平稳噪声环境下子空间的正交性条件不再满足,尤其是在低信噪比或低快拍条件下子空间估计将出现较大误差,TOPS算法性能将急剧下降。针对该问题,提出了一种空间非平稳噪声下宽带DOA估计算法。该算法首先通过构造特殊对角矩阵将噪声从数据协方差矩阵中剔除,从而克服非平稳噪声对DOA估计的影响;然后利用平方TOPS法实现宽带信号DOA估计,消除了传统TOPS算法中的伪峰。该算法适用于空间非平稳噪声背景及低信噪比环境,提高了对角度相近目标的分辨性能;仿真实验表明了该算法的有效性。     

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.     

混沌背景下语音信号提取算法的研究

有效语音信号的提取在说话人识别中起着重要的作用,是声纹识别的主要研究内容之一。由于语音信号的非平稳性和不可预知因素的影响,决定用基于非线性时间序列的状态空间投影算法提取强噪声下的语音信号。该算法对其他场合微弱信号的检测也行之有效。     

Integrating recursive minimum tracking and codebook-based noise estimation for improved reduction of non-stationary noise

Conventional single-channel noise reduction algorithms typically have problems with non-stationary noise. Popular algorithms such as minimum statistics or voice-activity-detector-based methods rely on the assumption that the noise spectral characteristics change very slowly over time. Codebook-based approaches try to overcome this problem by incorporating a priori knowledge about speech and different noise types. These approaches perform a joint estimation of the speech and noise spectra on a frame-by-frame basis. The frames are typically 20-40 ms long so that fast fluctuations of the signal characteristics can be tracked instantaneously. However, these methods require a pitch estimator to prevent speech distortion as well as residual noise in voiced speech frames. In addition, they are not very robust against model mismatch. In this paper, we propose an integrated noise estimation algorithm that combines the ability of codebook-based algorithms to track non-stationary noise with the robustness of a recursive minimum-tracking-based noise estimation algorithm. An objective and subjective evaluation is provided. Results confirm the superiority of the proposed algorithm in non-stationary noise scenarios compared to state-of-the-art algorithms.     

Enhanced Speech Based Jointly Statistical Probability Distribution Function for Voice Activity Detection

Most of Voice activity detection (VAD) methods are based on statistical model. In these meth-ods, the noise signal is always assumed to satisfy and characterized by Gaussian distribution, while the assump-tion of noise does not always hold in practice and which causes that these kinds of method fail to distinguish speech from noise at low Signal-noise-ratio (SNR) level in non-stationary noise condition. For going further to improve the robustness of VAD, a enhanced speech based method is proposed. In the proposed method, the Laplacian distri-bution is used to model the remained noise since we find that the remained noise in enhanced speech satisfy Lapla-cian distribution; in addition, Gaussian mixture model is used to characterize the Discrete Fourier transform (DFT) coefficients of reconstructed speech in enhanced speech. Experimental results show that the proposed method per-forms better than the baseline method, especially in low SNR and non-stationary noise conditions.     

色噪声下基于白化频谱重排鲁棒主成分分析的语音增强算法

基于鲁棒主成分分析(RPCA)的单通道语音增强算法是高斯白噪声环境下语音增强的一种重要处理手段,但其对低秩语音分量处理效果欠佳且无法较好地抑制色噪声。针对此问题,该文提出一种基于白化频谱重排RPCA的改进语音增强算法(WSRRPCA),通过优化噪声白化模型,将色噪声语音增强转换成白噪声语音信号处理,利用频谱重排改进RPCA语音增强处理算法,从而获得色噪声环境下语音信号处理性能的整体提升。仿真实验表明,该算法能够较好地实现色噪声环境下的语音增强,且相对于其他算法具有更佳的噪声抑制和语音质量提升能力。     

基于频域逐级回归的声学回声控制

传统声学回声控制算法一般采用基于随机梯度法更新的频域分块自适应滤波(PBFDAF)方法,但在以语音为主要回声信号的室内混响环境中,由于回声路径不稳定,往往收敛速度较慢,难以实现足够的回声抑制。该文提出一种基于频域逐级回归的声学回声控制算法。通过逐级回归分析远端信号和麦克风信号之间的线性关系,可以在保持较小的偏差的同时实现收敛较快的系统估计。同时,由于逐级分析了两通道间的短时相干性,因而该算法无需像常见方法一样,额外进行基于通道间相干函数的残余回声抑制或双讲检测,从而保持系统的紧凑性。若进一步假定近端背景噪声准平稳,则可利用基于近端信号非平稳程度的自适应平滑因子,在实现系统估计快速收敛的同时确保其稳定性。实验表明,该方法在常见的近端环境噪声水平下,在收敛速度和稳态误差上相对传统方法有显著优势,非常适合应用在室内远讲模式下的声学回声控制中。