语音增强报告谱减法和维纳滤波

Speech一、语音增强办法的理论分 引 语音增强算 谱减 二、谱减 算法实 改善算法，减少音乐噪声 三、Wiene滤波 算法实 迭代Wiener滤波的算法实现 四Wiene滤波法与谱减法的比 五参考文 HMM的语音增强、基于听觉感知的语音增强、基于多分辨率分析的语音增wienerN(k)的预计，把带噪语音的相位𝜃𝑦(𝑒𝑗𝜔)一种线性系统，如果它的单位样本响应为h(n)，当输入一种随机信号且x(n)s(n)y(n)h(m)x(nms(n))y(n)x(n)s(n)

y(n)s与se(n)表达它们之间的e(n)s(n)Ee2n)E(ssˆ)2最N h(m)x(nNe(n)s(n)sˆ(n)s(n) h(m)x(n

Ee2(n)E(s(n)1h(m)x(nm))2 上式对h(m)m=0,1,L,N-1 2E(s(n)hopt(m)x(nm))x(nj)

j0,1,

N NNEs(n)x(nj)hopt(m)Ex(nm)x(n

j

NNRxs(j) hopt(m)Rxx(j

,NN j

h(N1)Rxx(N j

R(1)h(0)R(1)h(1)R(0)

h(N1)R(N jN Rxs(N1)h(0)Rxx(N1)h(1)Rxx(N2)Lh(N1)Rxx Rxx

Rxx(N1)

h(0)

Rxs(0) R R R(N2)

R

R(N R(N R h(N R(N RxxHH=[h(0)h(1)Lh(N-1 Rxx

Rxx(N1) R

R

R(NRxx

R(N R(N R %SpectralSubtractionAlgorithmwinsize=256;%窗长n=0.05;);%numofwin=floor(size/winsize)帧数ham=hamming(winsize)';%GeneratesHammingWindowhamwin=zeros(1,size);%Vectorforwindowgainenhanced=zeros(1,size);%Vectorforenhancedspeechx=speech'+n*randn(1,size);%Contaminatessignalwithwhitenoise=n*randn(1,winsize);%SampleofnoiseN=fft(noise);nmag=abs(N);%Estimatednoisemagnitudespectrumforq=1:2*numofwin-1ize/2:winsize+(q-1)*winsize/2)+ham;%Windowgainmag=abs(y);%MagnitudeSpectrumphase=angle(y);%Phaseforifmag(i)-nmag(i)>0clean(i)=mag(i)-nmag(i);spectral=%IDFTfori=1:sizeifhamwin(i)==0SNR110*log10(var(speech')/var(noise))%SNR210*log10(var(speech')/var(enhanced-speech'))%增强语音信噪比wavwrite(x,fs,nbits,'noise.wav');%输出带噪信号wavwrite(enhanced,fs,nbits,'enhanced.wav');%输出增强信号figure(1),subplot(3,1,1);plot(t/fs,speech')%原始语音波形title(['OriginalVoice(n=',num2str(n),]);figure(2),specgram(speech');%原始语音语谱title(['OriginalVoice(n=',num2str(n),]);figure(1),subplot(3,1,2);plot(t/fs,x);title(['NoiseAdded(SNR=',num2str(SNR1),'dB)']);figure(3),specgram(x);%加噪语音语谱title(['NoiseAddedtitle(['ImprovedVoice(SNR=',num2str(SNR2),'dB)']);figure(4),specgram(enhanced);%增强语音语谱title(['ImprovedVoice(SNR=',num2str(SNR2),'dB)']);其中，'𝑠(𝑤是所求的语音幅度谱，𝑃𝑠(𝑤)是带噪语音幅度谱，𝑃𝑛(𝑤)是预计的噪声幅度谱。当α>1，改善的算法通过消除那些宽波峰，去除全部的宽频带噪声。然后，提高频谱下限β𝑃𝑛(𝑤，使得波峰与波峰间的波谷不会那么深。两者结合，使噪声波峰间的频谱偏移不再那么大，从而减少了音乐噪声。forif三、wiene滤波function[y]=mut(x,y,m,L%计算自有关矩阵的函数fori=1:L-abs(m)

v=12^(0.5).*(temp-0.5);%让噪声信号v(n)变成均值为0，在[-0.5,0.5]for

title('原始信号s(n)和带噪信号x(n)'xlabel('n');ylabel('x(n)&fori=1:Nforj=1:Nfori=1:Ntitle('Wiener滤波器的系数h(n)');forform=0:N-1ifi>m

title('经Wiener滤波的信号SR(n)和原始信号s(n)');wienefunction[y]=mut(x,y,m,L%计算自有关矩阵的函数fori=1:L-abs(m)

for

title('原始信号s(n)和带噪信号x(n)'xlabel('n');ylabel('x(n)&fori=1:Ntitle('迭代Wiener滤波器的系数reh(n)');for

title('经迭代Wiener滤波的信号SI(n)和原始信号s(n)'四.Wiene滤波法与谱减法的比较1wiener2Wiener3滤波增强后的残留噪声类似于白噪声，而不是音乐噪声。Wiener滤波法的降噪4，Wiener滤波只在平稳条件下才干确保在最小均方误差意义下的最优预计，而Wiener滤波法进行语音增强解决时也需要进一步的改善。M.Berouti,R.SchwartzandJ.Makhoul,"Enhancementofspeechcorruptedbyacousticnoise",InternationalConferenceonAcoustics,Speech,andSignalProcessing,ICASSP,vol.4,pp.208-211,April1979S.F.Boll,"SuppressionofAcousticNoiseinSpeechUsingSpectralSubt