(信号与信息处理专业论文)语音增强算法的研究及改进.pdf_第1页
(信号与信息处理专业论文)语音增强算法的研究及改进.pdf_第2页
(信号与信息处理专业论文)语音增强算法的研究及改进.pdf_第3页
(信号与信息处理专业论文)语音增强算法的研究及改进.pdf_第4页
(信号与信息处理专业论文)语音增强算法的研究及改进.pdf_第5页
已阅读5页,还剩66页未读, 继续免费阅读

(信号与信息处理专业论文)语音增强算法的研究及改进.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

山东大学硕士学位论文 中文摘要 语音增强技术广泛应用于各种实际的语音处理系统中,是语音信号处理的一 个重要的分支。在实际应用的语音处理系统中,待分析的语音信号通常是被噪声 污染的带嗓语音,j 下是由于坏境噪声的存在,从而严重影响了语音处理系统的性 能。为了进一步提高语音处理系统的信号处理能力,就必须对带噪语音进行语音 增强处理,抑制噪声,恢复纯净语音。 本文首先简要介绍了语音增强技术的基本概念,概述了语音增强常用的几种 算法以及相关的评价方案,然后重点研究了基于小波分析技术的语音增强算法以 及谱减语音增强算法。 小波是一种灵活的时频分析技术,能够对信号进行有效的时频分解,适合对 语音这类非平稳信号进行处理,因此本文详细介绍了小波和小波包的基本原理和 性质,并分析了相关的阈值收缩算法。传统的基于小波包的语音增强算法存在过 度阈值处理的现象,即在信号处理的过程中不但去除了噪声还将部分有用的语音 信息也抑制掉,从而影响了最终的增强结果。针对这种情况,本文提出了一种改 进的小波包去噪阈值的计算方法,首先使用听觉感知小波包对带噪语音进行分解, 得n d , 波包的分解系数,然后通过跟踪小波包节点的时间帧能量的变化来估计语 音出现的概率,进而利用该概率值调节去噪阈值,从而得到小波包去噪的时间自 适应阈值。最后基于m a t l a b 软件平台将改进的小波包语音增强方案与传统的小波 包语音增强方案进行对比实验,结果表明改进的阈值更好地避免了语音小波包系 数被过度阈值处理,从而在抑制噪声的同时保留了更多的纯净语音成分,进一步 改善降噪效果。 此外,本文还重点研究了谱减语音增强算法,谱减算法是种传统的语音增 强算法,其计算简单、实时性好,因此得到了广泛的应用。但是传统谱减算法中 的噪声功率谱仅仅是通过在无声段平滑得到的,因此其估计得到的噪声功率谱与 实际值之间存在着较大的差别,从而影响了最终的去噪效果。为了进一步提高谱 减法的性能尤其是在非平稳噪声环境下的噪声抑制能力,本文提出了一种改进的 谱减语音增强算法,其在进行噪声的功率谱估计时,首先使用频点方差算法进行 山东大学硕士学位论文 端点检测,如果检测是无声段则直接更新噪声的功率谱,否则,则将带噪语音的 功率谱进行b a r k 分带,然后利用最小统计量控制递归平滑的方法估计噪声的功率 谱。由于该算法充分考虑到了语音的频率特性和人耳的听觉感知特性,因此能够 更好地跟踪噪声变化,而且具有比较好的实时处理能力。此外,改进的谱减法还 使用了自适应的过减因子和频谱阶因子,因此能够具有更好的去噪性能。最后, 我们基于m a t l a b 环境分别对传统的谱减法和本文的改进算法在电子耳蜗a c e 方 案中应用进行仿真对比实验,验证了改进谱减算法的有效性和可行性。 论文的最后对论文所做的工作进行了总结,并指出了实验中存在的不足和下 一步研究的方向。 关键字:语音增强;小波包;时i n j 自适应阈值;谱减法;噪声功率谱估计 2 山东大学硕士学位论文 a b s t r a c t s p e e c he n h a n c e m e n t ,w h i c hi sa l li m p o r t a n tb r a n c ho fs p e e c hs i g n a lp r o c e s s i n g , i sw i d e l yu s e di nv a r i o u sp r a c t i c a ls p e e c hp r o c e s s i n gs y s t e m i np r a c t i c a la p p l i c a t i o n s , t h es p e e c hs i g n a lt ob ea n a l y z e di su s u a l l yc o n t a m i n a t e db yt h ee n v i r o n m e n tn o i s e w h i c hr e d u c e st h ep e r f o r m a n c eo fs p e e c hp r o c e s s i n gs y s t e m s i no r d e rt oi m p r o v et h e s i g n a lp r o c e s s i n ga b i l i t yo ft h es p e e c hp r o c e s s i n gs y s t e m ,i ti sn e c e s s a r yf o rs p e e c h e n h a n c e m e n tt ob eu s e dt os u p p r e s st h en o i s ea n dr e s t o r et h ep u r es p e e c h f i r s t ,t h ep a p e ri n t r o d u c e st h eb a s i ct h e o r yo fs p e e c he n h a n c e m e n tt e c h n o l o g y b r i e f l y , a n ds e v e r a lc o n v e n t i o n a la l g o r i t h m sa n dt h ee v a l u a t i o nm e t h o d sa r er e v i e w e d t h e nt h es p e e c he n h a n c e m e n tb a s e do nt h ew a v e l e tt e c h n o l o g ya n dt h es p e c t r a l s u b t r a c t i o na l g o r i t h mi sa n a l y z e di nd e t a i l t h ew a v e l e ti saf l e x i b l et i m e f r e q u e n c ya n a l y s i st e c h n o l o g y , w h i c hi sa p o w e r f u l t o o lf o rt h en o n - s t a t i o n a r ys i g n a ll i k et h e s p e e c h t h ep a p e ri n t r o d u c e st h eb a s i c p r i n c i p l eo ft h ew a v e l e ta n dt h ew a v e l e tp a c k e ta n dt h e nd i s c u s s e st h et h r e s h o l d s h r i n k a g ea l g o r i t h m a l t h o u g ht h et h r e s h o l ds h r i n k a g ea l g o r i t h mi ss i m p l ea n do f s a t i s f y i n gp e r f o r m a n c e ,b u tt h e r es t i l lh a sa l li m p o r t a n ti s s u et h a ti st h ep r o b l e mo ft h e o v e r - t h r e s h o l d i n g ,w h i c hm e a n sn o to n l yt h eu n w a n t e dn o i s ei ss u p p r e s s e db u ts o m e s p e e c hs e g m e n t s c o n s e q u e n t l yt h ep e r c e p t u a lq u a l i t yo ft h ee n h a n c e m e n ts p e e c hi s d e g r a d e d i no r d e rt oo v e r c o m et h ep r o b l e m ,ai m p r o v e dw a v e l e td e n o i s et h r e s h o l di s p r o p o s e d ,w h i c hd e c o m p o s e st h en o i s ys p e e c hb yt h ep e r c e p t u a lw a v e l e tp a c k e ta n d t h e nt h ed e n o i s et h r e s h o l di sa d j u s t e db yt h es p e e c h - p r e s e n tp r o b a b i l i t yw h i c hi s o b t a i n e db yt r a c k i n gt h ee n e r g yo ft h en o d ec o e f f i c i e n t s t h ee x p e r i m e n tr e s u l tb a s e d o nt h em a t l a bs h o w st h a tt h e p r o p o s e d d e n o i s et h r e s h o l dc a na v o i dt h e o v e r - t h r e s h o l d i n gp h e n o m e n o nw e l la n dt h ee n h a n c e ds p e e c hh a st h eb e t t e rh e a r i n g q u a l i t y f u r t h e r m o r e ,t h es p e c t r a l 。s u b t r a c t i o ni sa l s oa n a l y z e di nt h i sp a p e r t h es p e c t r a l s u b t r a c t i o ns p e e c he n h a n c e m e n ti su t i l i z e db r o a d l yb e c a u s ei ti ss i m p l ea n de a s yf o r 3 山东大学硕士学位论文 t h er e a l - t i m ep r o c e s s i n g ,b u tt h ee s t i m a t i o no ft h en o i s ep o w e r s p e c t r u mi sc a l c u l a t e d b yt h es m o o t h i n gn o i s ys p e e c hp o w e rs p e c t r u md u r i n gt h es p e e c h a b s e n ts e g m e n t w i t c hi sn o ta c c u r a t ea n dd e g r a d e st h eq u a l i t yo ft h ee n h a n c e ds p e e c h i no r d e rt o i m p r o v et h ed e n o i s ea b i l i t yo ft h e s p e c t r a l s u b t r a c t i o ne s p e c i a l l yu n d e rt h e n o n 。s t a t i o n a r yn o i s ee n v i r o n m e n t ,a ni m p r o v e ds p e c t r a ls u b t r a c t i o na l g o r i t h mi s p r o p o s e d w h e nc a c u l a t i n gt h ee s t i m a t i o no ft h en o i s ep o w e rs p e c t r u m ,t h es p e c t r u m v a r i a n c ee n d p o i n td e t e c t i o ni su s e df i r s ta n di ft h e n o i s ys p e e c hi ss p e e c h a b s e n t ,t h e n t h en o i s ep o w e rs p e c t r u mi su p g r a d e df o ra l lf r e q u e n c yb i n s ,o rt h ep o w e rs p e c t r u mi s d i v i d e dt os e v e r a ls u b b a n d sa c c o r d i n gt ot h eb a r kf r e q u e n c i e sa n dt r a c k st h en o i s eb y t h ei m p r o v e dm i n i m ac o n t r o l l e dr e c u r s i v ea v e r a g i n gm e t h o di ne v e r yi n d i v i d u a lb a n d t h ei m p r o v e dn o i s ee s t i m a t i o na p p r o a c hc a l le s t i m a t et h en o i s ep o w e r s p e c t r u mm o r e a c c u r a t e l yw h i l er e d u c et h ec o m p u t a t i o nb e c a u s eo fc o n s i d e r i n gt h ec h a r a c t e r i s t i co f t h es p e e c hs p e c t r u ma n dt h eh e a r i n g p e r c e p t i o n f u r t h e r m o r e ,an e wa d a p t i v e s u b t r a c t i o nf a c t o ra n ds p e c t r a lf l o o r p a r a m e t e ri su s e d i nt h ei m p r o v e ds p e c t r a l s u b t r a c t i o n ,w h i c hc a l lr e d u c et h en o i s eb e t t e r a n da tl a s tt h ee f f e c t i v e n e s sa n dt h e f e a s i b i l i t yo ft h ei m p r o v e da l g o r i t h mi sp r o v e db yt h es i m u l a t i o ne x p e r i m e n tb a s e do n m a t l a b i nt h ee n do ft h i sp a p e r , a l lo ft h ew o r ki sc o n c l u d e ,t h ep r o b l e m se x i s ti nt h e p a p e ra r ea p p o i n t e da n dt h eo r i e n t a t i o no ft h ef u t u r er e s e a r c hi sa l s oa d v i s e d k e yw o r d s :s p e e c he n h a n c e m e n t ;w a v e l e tp a c k e t :t i m ea d a p t i v e t h r e s h o l d ;s p e c t r a l 4 s u b t r a c t i o n ;n o i s ep o w e rs p e c t r u me s t i m a t i o n 山东大学硕士学位论文 算数符号 j i i 彳r 彳一1 d i a g ( a l ,a 2 ,4 ) e ( ) l o g ( ) e x p ( ) n u 0 s e n s p a n e k ) 】 符号说明 意义 累加 求根方 绝对值 范数 矩阵转置 矩阵求逆 由a l , a 2 ,a ,构成的n 维对角阵 求均值 对数运算 求e 指数 集合的并集 集合的交集 集合直和 符号函数 由序列e k 张成的线性空间 t e o 运算 原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独 立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研 究作出重要贡献的个人和集体,均己在文中以明确方式标明。本声明 的法律责任由本人承担。 论文作者签名:锄盎拯 日 期:论文作者签名:剑盛篮 日 期: 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定,同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论 文被查阅和借阅;本人授权山东大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索,可以采用影印、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名:丕】矗蛤导师签名:望逸日期:銎垒仝:垒主2 山东大学硕士学位论文 1 1 研究背景 第一章绪论 语音是人类交流信息最有效、最自然和最方便的手段,在人类文明发展和社 会进步中起到重要的作用。语音信号处理是研究采用数字信号处理技术对语音信 号进行处理的学科,其具有很强的综合性和很广的涉及面。语音信号处理是当前 许多信息处理和应用领域的技术核心,是目前发展最为迅速的信息科学研究之一, 其研究成果具有重要的学术价值及应用价值。因此,近些年来,语音信号处理技 术得到人们的广泛关注,各种处理方案不断出现并得到了广泛的应用,大大方便 了人们的工作和生活。 但是,在实际的语音信号处理系统中,采集到的语音信号通常并不是纯净的 原始语音信号,而是受到噪声污染的带噪语音信号。这些噪声的来源广泛,而且 大都是不可避免的,既包括周围环境、传输媒介引入的噪声,也包括设备内部的 电噪声,甚至其它讲话者的干扰等。正是由于这些环境噪声的污染,从而使得许 多语音处理系统的性能急剧恶化。因此,为了在背景噪声存在的条件下,也能够 使得语音处理系统有效地工作,就需要对采集到的带噪语音进行抗噪处理。 有关抗噪声技术的研究,早在6 0 年代起就已引起人们的注意,此后人们一直 锲而不舍地进行这方面的研究,并取得了丰富的研究成果。现阶段,国内外的研 究成果大体可以分为三类解决方案1 1 】。一类是语音增强算法,提高系统前端预处 理能力,提高输入信号的信噪比;第二类方法是寻找稳健的语音特征作为语音特 征参数;第三类是基于模型参数适应化的噪声补偿算法。其中,语音增强算法的 研究最为深入,应用也最为广泛,现在已经发展成为语音信号数字处理的一个重 要分支。 语音增强是解决噪声污染的有效方法之一,其目标是从带噪语音信号中尽可 能地提取纯净的语音信号,图1 1 所示为噪声为加性噪声时的语音增强示意图。 然而,由于干扰通常都是随机的,因此从带噪语音中提取完全纯净的语音是几乎 不可能的。在这种情况下,语音增强的目的主要有两个【2 】:一是改进语音质量, 6 山东大学硕士学位论文 提高语音的清晰度,消除背景噪声,使听者乐于接受,不会引起听觉疲劳;二是 扒胁 纯净语奸 椭朋i 噪声 舢w l f 谶p 8 卜w 带噪语音 一 增强后语旨 图卜1 语音增强示意图 提高语音的可懂度,使得说话人易于辨识。为了更好地对带噪语音信号进行增强 处理,尽可能地恢复出原始的纯净语音信号,就需要首先分析语音和噪声的不同 特征,这些特征包括语音学上的差异,信号处理层次上的差异甚至是听觉感知上 的差异,而这些特征j 下是语音增强技术的基础。因此下面我们就将分别介绍语音 和噪声的基本特征【删。 1 2 语音和噪声特性 1 2 1 语音的特性 ( 1 ) 语音是一个时变的、非平稳的随机过程 语音信号是一个非平稳过程,不能够使用处理平稳信号的数字信号处理技术 对其进行分析处理。但是考虑到不同的语音是由发音器官的运动生成的,而人类 发声系统的生理结构的变化速度是缓慢的,具有相对的稳定性,因此可以认为语 音在在一段短时问内( 1 0 3 0 m s ) ,其特征基本保持不变,是一个准稳态过程,即语 音信号具有短时平稳性,因此在语音增强算法中常常利用语音信号的短时平稳性 对信号进行分析。 ( 2 ) 语音大体上可以分为清音和浊音两大类 任何语言都具有清音和浊音,两者从语音产生的机理上看有明显的差异,因 而在特征上也有明显区别。在发浊音时,声带振动,信号在时域上呈现出明显的 周期性,在频域上具有明显的共振峰结构,而且能量大部分集中在较低的频段内。 清音则完全不同,在发声时声带并不振动,信号没有明显的时域和频域特征,类 似于白噪声。因此在语音增强中,清音是很难从噪声中分离出来的。 ( 3 ) 语音信号可以利用统计分析的持性来进行描述 语音信号的统计特性可以使用它的波形振幅概率密度函数和一些统计量如均 7 山东大学硕士学位论文 值和自相关函数来进行描述。由于语音信号是非平稳、非遍历的随机过程,因此 长时问时域统计特性在语音增强中意义不大。语音的短时谱幅度的统计特性是时 变的,只有当分析帧长趋于无穷大时,才能近似地认为它具有高斯分布。在高斯 模型假设下,傅旱叶变换的展丌系数被认为是独立的高斯随机变量,其均值为0 , 而方差是时变的。这种高斯模型应用于有限帧长时只是一种近似的描述,在宽带 噪声污染的带噪语音的语音增强中,这种假设可用于分析的前提。 ( 4 ) 语音感知对语音增强研究有重要作用 人耳的听觉感知特性对语音增强技术的发展有着非常重要的推动作用。这些 特征主要包括一下几个方面:人耳对语音的感知是通过语音信号中各频谱分量的 幅度获取的,而对各分量的相位则不敏感;人耳对频谱分量强度的感受是频率与 能量谱的二元函数,响度与频谱幅度的对数成正比;人耳对频率高低的感受近似 与该频率的对数值成f 比;人耳有掩蔽效应,即强信号对弱信号有掩盖的抑制作 用;短时谱中的共振峰对语音的感知十分重要,持别是第二共振峰比第一共振峰 更为重要。 1 2 2 噪声的特性 由于噪声的来源多种多样,因而噪声的特性也多种多样,变化无穷,其分类 自然也就多种多样。对于语音信号处理系统来讲,按照噪声产生的原因可以将噪 声分为内部噪声和外部噪声。内部噪声是指语音信号处理系统内部的设备电路所 引起的噪声以及器材材料本身所引起的噪声等;而外部噪声则是指由信号处理设 备外部环境所引入的噪声。噪声可以是加性的,也可以是非加性的。在本论文中, 我们主要讨论的就是加性噪声,而对于非加性噪声,有些可以通过变换而转变为 加性噪声。例如,乘性噪声( 或卷积噪声) 可以通过同态变换,而成为加性噪声。 加性噪声大致上又可以分为周期噪声、脉冲噪声、宽带噪卢、同声道语音等。此 外,根据噪声的统计特性,又可以将噪声分为平稳噪声和非平稳噪声。如果噪声 的统计特性不随时问变化而变化,则称其为平稳噪声,否则称其为非平稳噪声。 但是,在实际的应用中,可以不必去追究严格的数学定义,一般情况下,如果噪 声的统计特性随时问的推移变化很缓慢,我们也称其为平稳噪声。在传统的语音 增强中,平稳噪声的抑制是比较容易的,但是对于非平稳噪声的抑制,至今仍旧 山东大学硕士学位论文 是一个很重要的课题。 1 3 语音增强算法概述 由于噪声的种类很多,特性并不完全相同,所以对应的语音增强方法也有所 不同。多年来,人们一直在努力研究了各种噪声抑制方案,并提出了各种语音增 强算法,下面我们就对目前比较流行的几类方法进行简要的介绍。 1 、基于参数和模型的方法 基于参数和模型的方法通常可以分成两类:分析合成法和利用滤波器进行滤 波处理的方法。前者是把声道模型看作一个全极点滤波器,采用线性预测分析得 到滤波器的参数,然后通过从带噪语音中准确估计模型的参数来合成干净的语音。 这种方法关键在于如何从带噪语音中准确地估计语音模型的参数,包括激励参数 和声道参数。后者则是考虑到激励参数难以准确估计,只采用声道参数构造滤波 器进行滤波处理。该类方法在低信噪比的情况下性能比较差,而且往往需要多次 迭代运算从而增加了算法的复杂度。 2 、子空间方法 纯净语音信号矢量的能量只分布在它对应空间的某个子集中,而噪声矢量则 存在于整个带噪语音信号张成的空间中。因此,带噪语音信号的矢量空问可以认 为是由信号子空问和噪声子空间相加构成。子空间法就是将带噪声语音信号分解 为正交的信号子空| 日j 和噪声子空问,然后舍弃噪声子空间,只保留信号子空间, 从而达到降噪的目的。子空间法的优点是能够有效地去除带噪语音中的背景噪声, 使语音的质量和可懂度都有较大的提高,但是计算量较大,因此在快速计算中该 方法需要进一步研究。 3 、频域方法 语音是非平稳随机过程,但在l o m s 3 0 m s 的分析帧内可近似看成是平稳的。 语音信号的短时谱具有较强的相关性,而噪声的前后相关性很弱,因此如果能从 带噪语音的短时谱中估计出“纯净”语音的短时谱,即可达到语音增强的目的。 由于人耳对语音的感知主要是通过语音信号中各频谱分量幅度获得的,对各分量 的相位不敏感。因此,此类语音增强方法将估计的对象放在短时谱幅度上。典型 的方法有谱减法、维纳滤波法、短时谱幅度的m m s e 估计、自适应滤波法等。 9 山东大学硕士学位论文 4 、基于小波分析技术的语音增强算法 基于小波分析技术的语音增强算法是当f i l f 4 , 波工程应用中一个发展迅速的新 领域。小波变换是空间和频率的局部变换,能够有效的从信号中提取信息,其在 时域和频域的局部变换特性,与语音信号“短时平稳”的特点正好吻合,因此是 处理语音信号这类时变非稳态信号的理想工具。基于小波分析技术的语音增强算 法主要包括小波模极大值去噪及重构算法、基于小波系数区域相关性的滤波算法 以及小波阈值去噪算法。其中阈值去噪算法原理简单,得到了最广泛的应用,并 取得了快速的发展,但是其仍旧存在过度阈值处理等不足,亟待后续的研究改进。 以上所介绍的几种算法是当前被广泛使用的语音增强算法,其各有优缺点, 并针对不同的噪声具有不同的去噪能力,因此,在实际的应用中,需要根据不同 的使用环境选择合适的语音增强算法。随着数字信号处理技术的发展,人们对语 音增强的认识也不断的深入,现阶段还出现了一些其它的算法,这些算法拓宽了 语音增强的研究思路,为语音信号处理技术的发展打下了夯实的基础。 1 4 本文主要工作以及章节安排 本文首先介绍了语音增强的技术背景与常用方法,重点分析了基于小波包的 语音增强算法,说明了该方法的特点,并针对传统方法中存在的不足,提出了一 种改进的去噪方案。此外,还介绍了传统的谱减语音增强算法,并重点研究了基 于最小统计量的噪声功率谱估计算法,并基于频带方差端点检测和b a r k 分带提出 了一种改进的估计算法,将该算法应用到谱减法中,得到改进的谱减法。最后, 基于m a t l a b 进行了仿真实验,证明改进的语音增强算法的可靠性与有效性。与以 上的研究内容相对应,整篇文章的具体结构安排如下: 第一章绪论,阐述了本课题的研究背景、语音增强的基本概念以及本论文 的主要工作内容。 第二章研究了现有的几种常用的语音增强方案,并介绍了常用的评价语音 增强效果的方法。 第三章介绍了小波以及小波包分析的基本原理,重点研究了其在语音增强 中的应用。针对传统小波包语音增强算法中存在的过度阈值处理的问题,提出了 一种基于语音存在概率的时间自适应去噪阈值,并基于m a t l a b 软件平台对改进算 l o 山东大学硕士学位论文 法进行仿真实验,验证了其有效性。 第四章阐述了谱减语音增强算法的基本原理,重点介绍了谱减法中的两个 关键的信号处理技术一端点检测技术以及噪声功率谱估计技术。针对传统噪声估 计算法中存在的计算复杂、跟踪非平稳噪声能力差的不足提出了一种改进的噪声 估计算法,并在此基础上,得到了改进的谱减算法,其使用与后验信噪比相关联 的自适应过减因子以及谱平滑算子,能够更好地抑制噪声。将其应用于电子耳蜗 a c e 方案中,验证了改进算法的性能优越性。 第五章对全文的工作进行了总结,指出了整个工作工程中存在的不足以及 今后的研究重点。 山东大学硕士学位论文 第二章语音增强算法 自2 0 世纪6 0 年代以来,针对语音抗噪声问题,人们不断地探索并取得了丰 硕的成果。现如今,语音增强方法种类繁多,并且针对不同种类的噪声,其噪声 抑制效果也不尽相同。因此,在实际的应用中,应该根据应用场合、针对各类噪 声采取不同的语音增强方法。下面我们将分别介绍一些在实际中常用的典型的语 音增强算法。 2 1 子空间算法 子空间算法属于一种时域的语音增强算法,其主要利用数据协方差矩阵的特 征值分解,利用特征值的大小,将协方差矩阵的特征子空间分为信号子空间和噪 声子空间两部分,并将含噪声语音投影到语音子空间中,以该投影作为语音信号 的估计值【孓7 1 。 设1 ,、j 和,1 分别表示k 维带噪语音、纯净语音和加性噪声,语音信号s 和噪 声信号,z 相互独立,则有 y = s + 以( 2 1 1 ) 继而纯净语音信号向量可以采用式子;= 1 4 y 进行估计,其中j 是s 的线性估 计,日为k k 维的线性估计矩阵,经过推导可以得到纯净语音信号的最优线性 估计矩阵为: h o p , = 足( 足+ 兄) 。1 ( 2 1 2 ) 其中为拉格朗日乘子,足和r 分别表示纯净语音信号和噪声信号的协方差矩 阵,利用特征值分解,可以得到白噪声背景下的最优估计矩阵: h 。,= u a ,( 人,+ ,) - 1 u 7 ( 2 1 3 ) 式中u 和人,分别为尺,的特征向量矩阵和特征值对角矩阵。 对于有色噪声,如果只考虑足的对角化,得到的h o p ,= u a ,( 人,+ 肚。) 叫u 7 是 一种次优估计,其中人。= 疣a g ( i “j 刀l ,i “;玎i 1 “:甩1 ) 。要得到有色噪声下语音增强 矩阵的最优估计,必须考虑同时对角化矩阵足和r ,由矩阵理论可知矩砗足和兄 都是h e r m i t i a n 矩阵,则矩阵r 和兄的联合对角化和矩阵束( 足,咒) 的广义特征 1 2 山东大学硕士学位论文 值分解等价。由于语音增强只需考虑信号子空j 日j ,那么语音增强最后转化为求解 f = r = - 尺。的主特征向量矩阵。 子空间法的优点是有效地去除带噪语音中的背景噪声,并且不会引入“音乐 噪卢”,从而使得语音的质量和可懂度都有较大的提高,但是由于需要计算数据的 协方差矩阵,因此计算复杂,运算量大,不满足实时处理的要求,因此现在还主 要应用于数据的离线处理。但是,随着计算机处理能力的逐渐提高以及各种改进 算法的不断出现,相信该算法能够得到更广泛的应用。 2 2 维纳滤波法 设j ( f ) 为纯净语音信号,刀( f ) 为加性噪声信号,且s ( f ) 和,z ( f ) 相互独立,则带 噪语音信号y ( t ) = s ( f ) + 门( f ) 。为了使得增强后的语音;( f ) 与s ( f ) 之间满足最小均方 误差准则,可以采用维纳滤波器来实现对原始纯净语音信号的估计,即确定维纳 滤波器的单位冲激响应办( f ) ,使得带噪语音信号经过该滤波器的输出;( f ) 能够满 足e i ;( f ) 一s ( 卅 最小8 - 9 1 。 首先对带噪语音信号进行加窗分帧处理,对于每一帧信号,由于具有短时平 稳的特性,因此可以由w i n e r - h o p f 积分方程: 两边取傅罩叶变换得到: 从而得到: r ( f ) = ,h ( o t ) r y y ( f c o d a ( 2 2 1 ) 乞( w ) = h ( w ) p y y ( w ) 刖= 筹 再由于: 只,( 川= e ( 们 并且考虑到v h 于s ( f ) 和n ( t ) 相互独立,所以有: 只( w ) = 只( w ) + 只( 们 将式子( 2 2 4 ) 和( 2 2 5 ) 带入式子( 2 2 3 ) 中,则有下式成立: ( 2 2 2 ) ( 2 2 3 ) ( 2 2 4 ) ( 2 2 5 ) 1 3 山东大学硕士学位论文 州= 菇 ( 2 2 6 ) 在以上的推导过程中,只( 叻为估计的噪声功率谱,只( 川为估计的纯净语音信号 的功率谱,常常用连续两帧的纯净语音信号的估计值经过平滑处理后得到。显然, 每一帧估计的纯净语音信号的频域表达式为: s ( 们= 日( w ) y ( 川( 2 2 7 ) 其中l ,( 川为y ( t ) 的幅度谱。由于人耳对相位的感知不明显,因此( w ) 的相位谱 可以用y ( f ) 的相位谱来近似替代,最后由傅里叶反变换就可以得到降噪以后的语 音信号的时域表示形式。其常用的算法流程图如图2 1 所示。 图2 1 维纳滤波算法的流程图 采用维纳滤波的好处是信号增强处理后的残留噪声类似于白噪声而不是有 节奏起伏的“音乐噪声”,因而不会引起人耳的听觉疲劳。但是由于维纳滤波是时 域波形的最小均方误差准则估计,其没有考虑到语音频谱分量的幅度对人的听觉 最重要,因此采用维纳滤波来进行语音增强存在一定的缺陷。 2 3l s a - m m s e 算法 l s a - m m s e ( l o gs p e c t r a la m p l i t u d e - m i n i m u mm e a ns q u a r ee r r o r ,基于短时对 数谱的最小均方误差) 算法是在m m s e 算法的基础之上发展起来的,由于其引入 了人耳响度幅度谱特性,因此能够获得比m m s e 算法更好的语音听觉质量【1 m 13 1 。 下面将介绍该算法的基本思想。 信号的表示如维纳滤波算法介绍相同,设k = re x p j o k ,t = 4e x p j a 。】和 m 分别表示带噪语音y ( f ) 、信号x ( f ) 和噪声,l ( f ) 进行f f t 变换后的第k 个频谱分 1 4 山东大学硕士学位论文 量,并且假设r 和4 的各个频谱分量之i 、日j 相互独立,服从均值为零的高斯分御。 对于l s a m m s e 语音增强算法的任务就是利用己知的噪声功率信息j ,( f ) ,从中 估计出工( f ) ,即由 y o ,y i ,) 估计出以。由于在语音增强算法中,我们仅仅对频谱 幅度的对数感兴趣,而认为相位对语音质量影响不大,可以由带噪语音信号的相 位来进行近似,因而估值问题可以简化为求取合适的条件使得4 与4 的均方误差 最小,即式式( 2 3 1 ) 为最小,其中盈为4 的估计值。 a = n i l 0 9 4 一l o g i , 1 2 】 ( 2 3 1 ) a 的估计式可以写成 盈= e x p ( e 1 na 1 少( f ) 】) ,o t t ( 2 3 2 ) 继而式( 2 3 2 ) 可以写成 盈= e x p ( e 1 n a 。i 砭】) ( 2 3 3 ) 在高斯模型假设的前提条件下,为了求解式( 2 3 3 ) 中研l n 4fk 】,常常使用基于k 的4 的生成函数。设乏= i n4 ,则生成函数磊( ) 为 五l 圪( ) = e e x p ( , u z , ) lk 】= e 【群ik 】 ( 2 3 4 ) 继而得到 e 1 n 4ik 】= 寺乙j 屹( ) l 声卸 (25)at ,, 。 3 其中式( 2 3 5 ) 右边的式子经过计算可以得到 瓦d ( 徘。= 互1 卟喜咩 = 圭峨+ l ( 1 n v , + e 孚魂) ( 2 3 6 ) 式子中c 为欧拉常数,石1 = 丽1+ 丽1 ,铡m 门,a ( k ) 铡引】o 将( 2 3 6 ) 式带入( 2 3 。5 ) 式中,再应用式( 2 3 3 ) ,即可以得到谱估计为: a = 惫e x p j 1l e - t ) r ( 2 3 - 7 )4 2 盏铽p jl ) r ( 2 。7 ) 式中喙会禹砒全器;以皇焉,分别为语音和噪声的第阶频谱分且的 1 5 山东大学硕士学位论文 方差。继而可以将式( 2 3 7 ) 改写成r 乘一个非线性增益函数0 jj f ;, 式,即 4 = g ( 点,以) 曩 ( 2 3 8 ) 其中增益函数可以写成 g c 觚,全卺2 禹唧 三e ) ( 2 3 9 ) 即将带噪语音信号的短时幅度谱乘以该增益函数就可以得到估计的纯净语音的幅 度谱,再结合带噪语音的相位谱进行i f f t 变换后就可以得到增强后信号的时域 表达式。l s a m m s e 算法的流程图如图2 2 所示。 l s a m m s e 算法在降噪和提高语音可懂度方面进行了折衷,适用信噪比的范 围较广,但是其计算量较大,而且语音频谱的先验分布获得在很大程度上要取决 于统计结果的代表性、重现性等,因此在实际应用中有一定的局限性。 2 4 其它算法 图2 - 2l s a m m s e 算法流程图 除了以上介绍的三种语音增强算法之外,常用到的语音增强算法还有谱减法 和小波变换方法,这两种算法我们将放在后面的章节中做详细的介绍,这里就不 再叙述。随着信号处理理论和技术不断发展完善,还涌现出了更多的新方法,比 如隐马尔科夫模型法【14 1 、独立分量法【15 1 、听觉掩蔽法【1 吲和分形理论法【17 】等。这些 新方法都能够取得比较好的抑制噪声的作用,并且一些算法也与传统的语音增强 算法相结合,例如听觉掩蔽法与谱减法或者l s a m m s e 算法相结合,从而进一 步提高了算法的有效性,使得增强后的语音具有更高的可懂度。但这些算法也大 多存在算法复杂,运算量大的缺点,因此在实际的应用中,多数还是用于离线处 理中。 1 6 山东大学硕士学位论文 2 5 语音增强算法性能的评价方法 语音增强算法性能的评价实际上就是评价增强后语音的清晰度和可懂度,语 音质量的评价是一个非常复杂的事情,为了能够有效地区分各利,语音增强算法的 噪声抑制能力和恢复原始纯净语音的能力,在过去的几十年中,人们不断地研究 各种评价方法,这些方法都可以归属于为主观测量方法和客观测量方法,下面我 们将分别介绍这两种方法。 2 5 1 主观评价方法 主观评价方法是评价语音质量的一个重要标准,其符合人类听音时对语音质 量的感觉,目前得到了广泛应用。其主要的测试方法有平均意见得分( m e a n o p i n i o ns c o r e ,简称m o s 得分) 和判断韵字测试( d i a g n o s t i cr h y m e t e s t ,简称d r t 得分1 。 1 、m o s 得分 m o s 得分采用血级评分准则,如表2 1 所示。参i i i i 试的实验者,在听完所 测语音后,从这五个等级中选择其中一个作为他对所测语音质量的评定。全体实 验者的平均分就是所测语音质量的m o s 分。由于主观和客观上的种种原因,每 次测试所得的m o s 分会有波动。为了减少波动的方差,除了参加测试的实验者 人数要足够之外,所测语音材料也要足够丰富,测试环境也应该尽量保持相同。 表2 1m o s 判分五级标准及相应的描述该级语音质量的形容词 m o s 得分质量级别失真级别 5优察觉不到 4 良稍有察觉且无不适感 3 由 有察觉且感觉不适 2 差明显察觉但还可以忍受 1坏 无法忍受 在实际评价中,通常认为m o s 得分在4 0 4 5 分之间的为高质量数字化语音, 也称之为网络质量,其达到长途电话网的质量要求,接近于透明信道编码。m o s 得分3 5 左右称为通信质量,这时能感到重建话音质量有所下降,但不妨碍正常 1 7 山东大学硕士学位论文 通话,可以满足多数话音通信系统使用要求。m o s 得分3 0 以下常称合成语音质 量,它一般具有一定的可懂度,但是自然度和讲话人的确认等方面不够好。 2 、d r t 得分 判断韵字测试( d r t 得分) 是反映话音清晰度或可懂度的一种测试方法。这种 测试方法使用若干对( 通常9 6 对) 相同韵母进行测试,例如中文的“语”和“舞” 等。在测试过程中,给测听者播放一对韵字中的某个音,然后测听者根掘自己所 听到的音,选择相应的字,而全体实验者判断正确的百分比就是d r t 得分。通常 认为d r t 为9 5 以上时清晰度为优,8 5 一9 4 为良,7 5 , , - 8 4 为中,6 5 - - 7 5 为差,而6 5 以下为不可接受。 2 5 2 客观评价方法 主观评价方法能够比较准确地反映语音增强算法的人耳听觉感知,但是其费 时费力,一般不容易进行,而且其测试结果也与测听环境、测听者的个人条件有 着密不可分的关系,重复性和稳定性差。因此,人们不断地研究新的音质评价方 法,希望能够更方便更稳定地反映出增强后语音的质量,继而使用了客观评价方 法,其基本思想是研究语音系统的输入信号与输出信号之间的误差的大小来判断 语音的质量,现阶段,客观音质评价方法取得了很大的进展,并得到了广泛的应 用。但是客观评价方法并不能取代主观评价方法的位置,因为客观评价方法还是 不能够完整地反映出人耳的主观听觉感受。 l 、信噪比s n r 信噪比s n r ( s i g n a lt on o i s er a t e ) 的定义如下: s n r = 1 0 l o g i

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论