语音信号处理

实验四差频谱法语音增强技术研究一、实验目的本实验要求掌握频谱缩减法语音增强的原理。我们将使用学习到的相关语音特征来构建语音特征向量。然后我们将使用频谱缩减方法设计我们自己的语音增强程序(也参考相关文件)，它可以显示干净的语音、有噪声的语音信号和处理过的语音信号波形。我们将分析实验结果并写一份报告。二、实验原理谱减法的基本原理谱减法是基于人的感觉特征，即语音信号的短期幅度比短期相位更容易影响人的听觉系统，从而估计出语音的短期幅度谱，适用于受加性噪声污染的语音。因为语音是短期平稳的，所以在短期频谱幅度估计中它被认为是平稳的随机信号，假设，和分别表示语音、噪声和有噪声的语音，并且，分别表示它们的短期频谱。假设噪声是与语音无关的加性噪声。然后得到信号的加性模型：(4-1)功率谱有(4-4)原始语音的值为(4-5)只要使用等式(4-5)在频域中获得纯语音的频谱估计，就可以根据等式(4-6)获得增强语音。(4-6)根据前面的分析，我们可以给出谱减法算法的整个算法流程，如图4-1所示：增强语音嘈杂的声音快速傅里叶变换IFFT相位信息减去估计噪声图4-1谱减法的算法流程三。实验程序1.叠加在信号上的噪声比较噪声环境中的%语音信号增强%语音信号是读取的声音文件%噪声是正常的随机噪声清除；输入=wavread(C : 用户管理员桌面玉音号 B1 . wav)；计数=长度(输入)；噪声1=0.1*randn(1，计数)；信号=输入；对于i=1:count计数voice 1(I)=信号(I)noise 1(I)；目标噪声2=0.01*randn(1，计数)；对于i=1:count计数voice 2(I)=信号(I)noise 2(I)；目标噪声3=随机(1，计数)；信号=输入；对于i=1:count计数voice 3(I)=信号(I)noise 3(I)；目标n=1:count计数；图%比较纯语音信号、噪声信号和有噪声的语音信号子情节(3，1，1)；曲线图(n，信号)；标题(纯信号)子情节(3，1，2)；图(n，噪声1)；标题(噪声信号)子情节(3，1，3)；情节(n，voice 1)；标题(噪声信号)纯语音信号、噪声信号和有噪声信号的对比频谱百分比Fss=fft(信号)。子情节(3，1，1)；曲线图(n，ABS(Fss)；标题(纯信号频谱)Fss1=fft(噪声1)；子情节(3，1，2)；曲线图(n，ABS(Fss 1)；标题(噪声信号频谱)fv1=FFT(voice 1)；子情节(3，1，3)曲线图(n，ABS(Fv1)；标题(噪声信号频谱)图%比较纯语音信号、噪声信号和有噪声的语音信号子情节(3，1，1)；曲线图(n，信号)；标题(纯信号)子情节(3，1，2)；图(n，噪声2)；标题(噪声信号)子情节(3，1，3)；情节(n，voice 2)；标题(噪声信号)纯语音信号、噪声信号和有噪声信号的对比频谱百分比Fss=fft(信号)。子情节(3，1，1)；曲线图(n，ABS(Fss)；标题(纯信号频谱)Fss2=fft(噪声2)；子情节(3，1，2)；曲线图(n，ABS(Fss 2)；标题(噪声信号频谱)fv2=FFT(voice 2)；子情节(3，1，3)曲线图(n，ABS(Fv2)；标题(噪声信号频谱)图%比较纯语音信号、噪声信号和有噪声的语音信号子情节(3，1，1)；曲线图(n，信号)；标题(纯信号)子情节(3，1，2)；图(n，噪声3)；标题(噪声信号)子情节(3，1，3)；情节(n，voice 3)；标题(噪声信号)纯语音信号、噪声信号和有噪声信号的对比频谱百分比Fss=fft(信号)。子情节(3，1，1)；曲线图(n，ABS(Fss)；标题(纯信号频谱)Fss3=fft(噪声3)；子情节(3，1，2)；曲线图(n，ABS(Fss 3)；标题(噪声信号频谱)fv3=FFT(voice 3)；子情节(3，1，3)曲线图(n，ABS(Fv3)；标题(噪声信号频谱)2.利用频谱缩减法的基本原理降低语音信号的噪声噪声为0.1 *兰特(1，理事会)的纯信号是输入信号噪声环境中的%语音信号增强%语音信号是读取的声音文件%噪声是正常的随机噪声清除；输入=wavread(C : 用户管理员桌面玉音号 B1 . wav)；计数=长度(输入)；噪声=1*randn(1，计数)；信号=输入；对于i=1:count计数语音(I)=信号(I)噪声(I)；目标Fv=fft(语音)。角度v=角度(Fv)；Fn=fft(噪声)。power1=(abs(Fv)。2；power2=(abs(Fn)。2；power 3=power 1-power 2；power 4=sqrt(power 3)；Fs=电源4。* exp(j * anglev)；声音=ifft(Fs)。n=1:count计数；%纯语音信号频谱Fss=fft(信号)。图%纯语音信号与输出信号的对比子情节(2，1，1)曲线图(n，信号)；标题(纯信号)子情节(2，1，2)情节(n，声音)；标题(输出信号)图%对比纯语音信号频谱和输出语音信号频谱子情节(2，1，1)曲线图(n，ABS(Fss)；标题(纯信号频谱)子情节(2，1，2)曲线图(n，ABS(Fs)；标题(输出信号频谱)max_v=max(语音)；%归一化噪声信号的采样值点re _ voice=voice/max _ v；%来归一化输出信号采样点值max_s=max(声音)；re _ sound=sound/max _ s；%读取嘈杂的语音信号并将其保存为1001.wavwavwrite(re_voice，5500，16，1001)；%读取已处理的语音信号并将其存储为1002.wavwavwrite(re_sound，5500，16，1002)3.用改进的谱归约方法降低语音信号的噪声噪声为0.1 *兰特(1，理事会)的纯信号是输入信号噪声环境中的%语音信号增强%语音信号是读取的声音文件%噪声是正常的随机噪声清除；输入=wavread(C : 用户管理员桌面玉音号 B1 . wav)；计数=长度(输入)；噪声=0.1*randn(1，计数)；信号=输入；对于i=1:count计数语音(I)=信号(I)噪声(I)；目标Fv=fft(语音)。角度v=角度(Fv)；Fn=fft(噪声)。power1=(abs(Fv)。2；power2=(abs(Fn)。2；对于i=1:count计数if(power1(i)=3*power2(i)power 3(I)=power 1(I)-3 * power 2(I)；其他功率3(I)=0.01 *功率2(I)；目标目标power 4=sqrt(power 3)；Fs=电源4。* exp(j * anglev)；声音=ifft(Fs)。n=1:count计数；%纯语音信号频谱Fss=fft(信号)。图%纯语音信号与输出信号的对比子情节(2，1，1)曲线图(n，信号)；标题(纯信号)子情节(2，1，2)情节(n，声音)；标题(输出信号)图%对比纯语音信号频谱和输出语音信号频谱子情节(2，1，1)曲线图(n，ABS(Fss)；标题(纯信号频谱)子情节(2，1，2)曲线图(n，ABS(Fs)；标题(输出信号频谱)四.实验结果1.叠加在信号上的噪声比较(1)噪声为0.1*randn(1，计数)(2)噪声为0.01*randn(1，计数)(3)噪声是随机的(1，计数)2.利用频谱缩减法的基本原理降低语音信号的噪声噪声为0.1 *兰特(1，理事会)的纯信号是输入信号3.用改进的谱归约方法降低语音信号的噪声噪声为0.1 *兰特(1，理事会)的纯信号是输入信号(1)参数取a=3，b=0.01(2)参数取a=10，b=0.01(3)参数取a=0.8，b=0.01(4)参数取a=3，b=0.0001(5)参数取a=3，b=0.1V.实验分析1.当噪声叠加在信号上时，噪声将对信号产生更大的影响，如果噪声增强，信号将被噪声淹没。降低了噪声，降低了对信号的影响。2.用频谱缩减法的基本原理处理噪声信号后，信号质量明显提高，从而获得更纯净的语音信号；3.用改进的频谱缩减法处理噪声信号后，信号质量更好，语音信号更纯净。合理选择参数A和B非常重要。因为实验中使用了辅音，所以去掉A=3和B=0.01左右更合适。a太大或太小而不能达到良好的降噪效果，B太小而不能抑制纯音噪声，B太大而不能引起噪声，b1是必需的。六.实验总结通过这个实验，我知道作为语音增强技术的有效方法之一，谱减法可以有效地降低