一种基于谱减的语音增强算法改进
结合相位差和谱减法的双传声器语音增强技术
⑥６ ＠ 可＠＠嗡嗡 ⑥⑨ ＠ ⑥０
文 章 编 号 ：０ ２ ８ ８ （０ １ ０ — ０ ０ ０ １ ０ — ６ ４ ２ １ ）５ ０ ５ — ５
结合相位差பைடு நூலகம்谱 减法 的双传声器 语音增 强技术
袁榕嵘 ， 吴 鸣 ， 军 杨
． 技・ 实 术 用
（ 中国科 学院 声 学研 究所 噪 声与振动重点 实验 室， 北京 １０ ９ ） ０ １０
入射方 向的角度增 大而增 大。使用增 益 函数式 （ ） ４ 进 行 仿 真发 现 ， 强 后 的信 号 中会残 留较 多干 扰语音 ， 增
图 １ 算法整体框 图
２
（
影响听音质量 。笔者在此滤波器设计基础上进行改进
ＧＩ 凇 （ Ａ
式中， ￡ （ 和 （ 为声源与两只传声器之间的冲击响 ） ｆ ）
【 摘 要】结合基 于传 声器 阵列和 相位 差的语音增 强算法的优点 ， 出了可 以在 同时存在平稳 噪声 和干扰语音环 提
境 下使 用 的语 音增强算 法。首先对 噪声估计技 术进行 了改进 ， 利用相位 差信 息和 幅度信 息对 语音存在 概率进行 估计 ， 高 了噪 声估 计性 能。其次用相位 差信 息对原谱减 法的幅度增 益 函数进行 改进。在普 通房 间使 用 间距为 提 ０ ８ｍ端射结构双传声器测试 ， ． ０ 实验结果表 明， 改进 后的算法既能滤除全方位入射平稳噪声 ， 又能滤 除非 目标 方向
１ 引 言
谱 减法 在 多通 道语 音增 强算 法后 处理 中具 有广 泛 应用 。人 耳对 语音 的感 知 主要 是 语音信 号 中各频
声谱 估计 跟踪 性 能不佳 的缺点 ； ｏｌ ｇｒ 出 了对 Ｄ ｂ ｎｅ 提 ｉ 噪 声 谱估 计 具 有 更 快 跟踪 性 能 的算 法 ； ａ ｇｃ ａ Ｒ ｎａｈｒ ｉ
基于动态谱估计的改进谱减语音增强算法
陈 武 ， 朱 忠 ，陈 琳 ，李 强
（中国卫 星海上测控 部 江苏 江阴 ２ １ ４ ４ ３ １ ）
摘要 ： 语音 增 强是语 音信 号 处理 的重要 课题 。根 据 基 于最 小值 追踪 的谱 估计 方 法 ，提 出了一种 非平 稳噪 声环 境 下快速 追踪
噪声 变化 的方 法 ，将 其应 用到 改进 后 的谱减 法 中 ，以提 升 语 音增 强的 效果 。仿 真结 果表 明 ，改进后 的谱 减 法能 有效 降低 背
改进谱减法语音增强研究
改进谱减法语音增强研究屈晓旭;李朝辉;娄景艺【摘要】谱减法是语音增强算法中的常用算法.传统的谱减法使用直接判决法(DD)计算先验信噪比,会产生一帧的延时,不能有效滤除噪声,并且会引入"音乐噪声",影响通信效果.为了消除延时和"音乐噪声"带来的不良效果,在谱减法的基础上采用最小均方误差(MMSE)算法计算先验信噪比消除延时,并加汉明窗处理及半波整流,运用维纳滤波对带噪语音进行增强研究.结果表明,此谱减法改进算法消除了一帧的延时,并能有效滤除"音乐噪声",减小背景噪声带来的不良影响,且在主观听觉上增强了语音信号的质量,效果明显优于原始带噪语音信号.%Spectral subtraction is a commonly used algorithm in speech enhancement algorithms. Traditional spectral subtraction employs a direct decision method (DD) to compute the prior signal-to-noise ratio, and this would result in one-frame delay and couldn't filter out the noise effectively, and the introduction of"music noise" would also affect the communication effect. To eliminate the adverse effects brought about by the delay and"music noise", on the basis of spectral subtraction, the minimum mean square error (MMSE) algorithm is used to calculate the prior SNR (Signal-to-Noise Ratio), and with the addition of Hamming window and half-wave rectification, Wiener filtering is used to enhance the noisy speech. The experiment results indicate that the spectral subtraction algorithm could effectively eliminate the one-frame delay, filter out the"music noise", and reduce the adverse effects of background noise. Moreover, the quality of speech signal is enhanced onthe subjective hearing, and the effect is much better than that of original speech signal.【期刊名称】《通信技术》【年(卷),期】2017(050)009【总页数】4页(P1925-1928)【关键词】谱减法;MMSE;先验信噪比;半波整流;频谱修正;语谱图【作者】屈晓旭;李朝辉;娄景艺【作者单位】海军工程大学电子工程学院,湖北武汉 430033;海军工程大学电子工程学院,湖北武汉 430033;海军工程大学电子工程学院,湖北武汉 430033【正文语种】中文【中图分类】TN927Abstract:Spectral subtraction is a commonly used algorithm in speech enhancement algorithms. Traditional spectral subtraction employs a direct decision method (DD) to compute the prior signal-to-noise ratio, and this would result in one-frame delay and couldn’t filte r out the noise effectively, and the introduction of“music noise” would also affect the communication effect. To eliminate the adverse effects brought about by the delay and “music noise”, on the basis of spectral subtraction, the minimum mean square error (MMSE)algorithm is used to calculate the prior SNR (Signal-to-Noise Ratio), and with the addition of Hamming window and half-wave rectification, Wiener filtering is used to enhance thenoisy speech. The experiment results indicate that the spectral subtraction algorithm could effectively eliminate the one-frame delay, filter out the “music noise”, and reduce the adverse effects of background noise. Moreover, the quality of speech signal is enhanced on the subjective hearing, and the effect is much better than that of original speech signal. Key words:spectral subtraction; MMSE; priori SNR; half-wave rectifier; spectral amendment; spectrogram语音是人类交流信息最直接、最便捷、最有效的手段。
基于谱减法的语音增强算法研究
职 大 学 报
２ ０ ｌ ３年 第 ６期
基 于谱减 法的语音增 强算法研究
王雪梅 ・ 李 玲ｚ 刘 朝ｓ
（ １ ． 阜新 高等 专科 学校 。 辽 宁省 阜新 １ ２ ３ ０ ０ ０ ； ２ ． 辽 宁 工程 技 术 大 学 ， 辽 宁省 阜新 １ ２ ３ ０ ０ ０ ； ３ ． 盘锦 长城 钻探 工程 有 限公 司 ， 辽 宁 省盘 锦 １ ２ ４ ０ ０ ０ ）
摘
要： 在 通信 质 量 日益提 升的现 代 通信 时代 。 对语音 信 号的 处理研 究仍 然是 一个基 本 而复
杂 的课 题 。 在 语 音增 强技 术 中产 生 了众 多处 理 方法 。 笔者 在谱 减 法 的理论 研 究基 础 上 ， 验证 了谱 减 法对 语音 信 号 的语音 增 强在技 术上有 明显 的效果 。 但 是在 谱 减 法 中的“ 音 乐噪 声” 处理 上还 是 不如 人 意 ， 仍 然会 出现 节奏 性 的噪 声 ， 这 也 是 日后 不断 需要研 究的 方 向 ， 以 实现 语 音增 强技 术 的
理 想化 。
关键 词 ： 谱 减 法； 语 音增 强算法 ； 噪声； 语音信 号
中图分 类号 ： Ｔ Ｐ ３ ９ １
０ 引言
文献 标识 码： Ｃ
文 章编 号 ： １ ６ ７ ｌ 一１ ４ ４ ０ （ ２ Ｏ １ ３ ） ０ ６ － － ． ０ ０ ８ ５ —Ｏ ３
增强算法 ，做好语音信号的前端预处理抗噪声能力 ； 二 是寻找稳健的语音特征作 为特征参数 ， 这些特征参数对 宽带语音信号具有很好的抗 噪声性能 ； 三是基于模 型参 数 自适应的噪声补偿算法 。 语音增强技术与噪声 的特性和语音信号 的处理理 论都有关系 。 语音增强 的方法种类也很多 。 在研究上 主
一种改进的基于DCT的语音增强算法
ＭＡ ｉｎ ｆｎ，Ｚ Ｊａ —ｅ ＨＡＮＧ ｅ ｙｎ ， ＷＡＮＧ Ｈｕ — ｕ Ｘｕ — ｉｇ ａｋｉ
（ ｏｌｇ ｆＣ ｍｐ ｔｒａ ｄ Ｓ ｆ ａｅ，Ｔ ｉｕ ｎ ｎｖ ｒｉ ｆＴｅ ｈ ｏｏ ｙ，Ｔ ｉｕ ｎ ０ ０ ２ Ｃ ｌ ｅ ｏ ｏ ｕｅ ｎ ｏｔ ｒ ｅ ｗ ａｙ ａ Ｕ ｉｅｓｔ ｏ ｃ ｎ ｌｇ ｙ ａｙ ａ ３ ０ ４，Ｃ ｉａ ｈｎ ）
・
论文・
【 摘 要 】提 出一种 改进 的基于 离散余弦 变换的语音增强算法。在信噪比较低时， 传统 的基于离散余弦变换的语音
增 强 算 法 效 果 较 好 ， 较 大 幅 度 地 提 高 信 号 的 信 噪 比 ； 当信 噪 比 高 时 ， 用 这 种 方 法 会 滤 掉 一 些 有 用 的信 号 成 能 而 利 份 。 新算 法 首 先 计 算 出所 有 高 阶 离散 余 弦 变换 系 数 对 应 的 时域 信 号 中语 音 信 号 出现 的 可 能 性 大 小 ， 后 根 据 某 个 然 阈值 计 算 是 否 在 估 计 噪 声 信 号 绝 对 值 的 均 方 差 时 保 留该 系数 。 实 验 结 果 表 明在 含 噪 语 音 信 号 的 信 噪 比高 于 １ Ｂ ０ｄ 时 ， 算 法较 传 统 的基 于 离散 余 弦 变换 的算 法 具 有 较 好 的 性 能 。 新
Ｓ ｃ ｎ ｂ ｍｐ ｏ ｅ ｆ ｃｉｅ ｙ ｎ ｔ ｅ ｃ ｎ ｉ ｏ ｆ ｈ ｇ ＮＲ， ｓ ｍｅ ｕ ｅ ｕ ｉ ｎ ｌ ｃ ｍｐ ｎ ｎ ｓ ＮＲ ａ ｅ ｉ ｒ ｖ ｄ ｅ ｅ ｔ ｌ．Ｉ ｈ ｏ ｄ ｔ ｎ ｏ ｉ ｈ Ｓ ｖ ｉ ｏ ｓ ｆ ｌ ｓ ａ ｏ ｏ ｅ ｔ ｇ ｍａ ｅ ｆ ｔｒ ｄ ｏ ｔ ｙ ｂ ｌ ｅ ｕ ｉ ｅ ｕ ｉ ｇ ｔ ｅ ｒ ｄ ｔ ｎ ｌ ａ ｇ ｒｔ ｍｓ ｓｎ ｈ ｔ ｉ ｏ ａ ｌ ｏｉ ａ ｉ ｈ ．Ｕｓｎ ｈ ｅ ａｇ ｒ ｈ ， ｔ ｅ ｔ ｔ ｔ ａ ｒ ｂ ｂ ｌ ｙ ｔ ａ ｈ ｎ ｓ ｉ ｇ ｔｅ ｎ ｗ ｌｏ ｉ ｍ ｔ ｈ ｓ ｉ ｉ ｌ ｏ ａ ｉ ｔ ｈ ｔ ｔ ｅ ｆ ｅ ｔ ａ ｓ ｃ ｐ ｉ ｉ ＤＣ ｃ ｅｆ ｉ ｎ ｓ Ｔ ｏ ｆｃｅ ｔ ｉ ｂ ｌ ｎ ｔ ｓ ｅ ｃ ｓｇ ａ ｉ ｏ ｕ ｅ ｆ ｓ ．Ｔ ｅ ａ ｃ ｒ ｉ ｇ ｏ ｈ ａ ａ ｔ ｅ ｈ ｅ ｈ ｌ ｉ ｇ ａｕ ｓ ｗ ｅ ｈ ｒ ｈ ｓ ｅｏ ｇ ｏ ｐ ｅ ｈ ｉｎ ｌ ｓ ｃ ｍｐ ｔｄ ｉ ｔ ｈ ｎ ｃ ｏ ｄ ｎ ｔ ｔ ｅ ｄ ｐ ｉ ｔ ｒ ｓ ｏｄ ｎ ｖ ｌ ｅ ， ｈ ｔｅ ｔ ｅ ｅ ｒ ｖ ｃ ｅｆ ｉｎ ｓ ａ ｅ ｒ ｓ ｒ ｅ ｎ ｃ ｍｐ ｔｒ ｍｅ ｉ ｎ ｂ ｏｕ ｅ ｅ ｉｔ ｎ ｏ ｈ ｎ ｓ Ｔ ｃ ｅｆ ｉｎ ｓ ｏ ｏ ｓ ｄ ｔｒ ｎ ｄ ｏ ｆ ｃｅ ｔ ｒ ｅ ｅｖ ｄ ｉ ｏ ｕ ｅ ｄ ａ ａ ｓ ｌ ｔ ｉ ｄ ｖａ ｉ ｆ ｔｅ ｆ ｅ ｔ ＤＣ ｏ ｆ ｃｅ ｔ ｒ ｎ ｔ ｉ ｅ ｅｍｉ ｅ ． ｏ ｉ ｉ
声音信号的去噪与增强算法研究
声音信号的去噪与增强算法研究声音是我们日常生活中不可或缺的一部分，它承载着信息和情感。
然而，在现实生活中，我们常常会遇到各种噪音干扰，如交通噪音、机器噪音等，这些噪音会降低声音信号的质量，使得我们很难听清其中的内容。
为了解决这一问题，科学家们研究出了声音信号的去噪与增强算法。
声音信号的去噪算法主要有两种方法：基于频域的算法和基于时域的算法。
基于频域的算法是将声音信号转换成频谱图，然后通过滤波器去除噪音频率成分。
这种方法的优点是处理速度快，但是对于非线性噪音的去除效果不佳。
基于时域的算法则是通过分析声音信号的时域特征，如短时能量和短时平均幅度差等，来判断噪音和信号的差异，并进行去噪处理。
这种方法的优点是适用范围广，但是处理速度较慢。
在声音信号的增强算法中，常用的方法有谱减法、频率平滑和时域平滑等。
谱减法是一种通过减去噪音谱来增强信号的方法。
它的原理是通过计算信号和噪音的频谱差异，将差异较大的频率成分减去，从而提高信号的清晰度。
频率平滑是一种通过对信号的频谱进行平滑处理来增强信号的方法。
它的原理是通过对频谱进行平均滤波，减少频率成分的突变，从而提高信号的连续性。
时域平滑是一种通过对信号的时域波形进行平滑处理来增强信号的方法。
它的原理是通过对波形进行平均滤波，减少波形的起伏变化，从而提高信号的稳定性。
除了以上的算法，还有一些新颖的方法被提出来，如深度学习算法。
深度学习是一种模仿人脑神经网络结构的机器学习方法，它通过多层次的神经元网络来学习和提取特征。
在声音信号的去噪与增强领域，深度学习算法可以通过大量的训练数据来学习信号和噪音的特征，从而实现更准确的去噪和增强效果。
然而，深度学习算法需要大量的计算资源和训练时间，因此在实际应用中还需要进一步的研究和改进。
声音信号的去噪与增强算法在很多领域都有广泛的应用，如语音识别、音频处理和通信系统等。
在语音识别中，去噪算法可以提高语音识别的准确率，使得机器能够更好地理解和识别人类的语音指令。
基于GSC与谱减法的麦克风阵列语音增强方法
基于GSC与谱减法的麦克风阵列语音增强方法于春和;苏龙【摘要】广义旁瓣抵消器(GSC)算法是目前广泛使用的一种麦克风阵列语音增强方法,但在自适应抵消模块中不可避免地存在语音抵消,且对非相干噪声的消噪能力很弱.针对GSC消噪能力弱,存在残留背景噪声的问题,提出了一种基于改进GSC与谱减法的麦克风语音增强方法.该方法改进了广义旁瓣抵消器结构中的自适应算法,将固定步长值变为可调步长值,避免了固定步长选择过大或过小带来的语音抵消或语音消噪不足的问题.后续与谱减法相结合,去除残留噪声获得更加纯净的语音.实验仿真表明,该方法可有效抑制残留背景噪声的影响,提高语音的性噪比及可懂度.【期刊名称】《沈阳航空航天大学学报》【年(卷),期】2015(032)005【总页数】6页(P80-85)【关键词】麦克风阵列;广义旁瓣抵消器;谱减法;语音增强【作者】于春和;苏龙【作者单位】沈阳航空航天大学电子信息工程学院,沈阳110136;沈阳航空航天大学电子信息工程学院,沈阳110136【正文语种】中文【中图分类】TP912.3在复杂的声学环境中，各种各样的干扰噪声会严重影响期望语音信号的获取，致使获得的语音信号不再是纯净的语音信号。
而如果干扰噪声太大，通过麦克风采集的信号往往模糊不清，影响了语音的可懂度。
采用单麦克风的语音增强系统也难以获得令人满意的增强效果，因此二十世纪八十年代麦克风阵列语音增强技术应运而生。
和单孤立麦克风增强方法相比，麦克风阵列利用了目标信号，噪声和干扰的空间信息，增强了期望方向的信号，抑制了其他方向的信号，所以能提供更好的增强效果[1]。
目前麦克风阵列语音增强方法大体上可以分为三类：固定波束形成算法、自适应波束形成算法和带后置滤波器的固定波束形成算法，当今主流还是以广义旁瓣抵消器的自适应波束形成算法为基础。
但是它存在着语音抵消与对非相干噪声抑制能力弱的问题[2-3]，为此，许多学者提出了改进算法。
文献[4]提出了一种鲁棒自适应约束波束形成方法，来尽量减弱GSC自适应波束形成中的语音抵消。
语音信号处理中的降噪与增强技术研究
语音信号处理中的降噪与增强技术研究语音信号处理是一个涉及声音、数字信号处理、数学、计算机等多方面知识的学科，其中降噪与增强技术是其中重要的研究领域。
本文将简要介绍语音信号降噪与增强技术的研究现状、常用方法及其在不同应用场景中的应用。
一、研究现状语音信号降噪与增强技术的研究可追溯至上世纪70年代，随着数字信号处理技术的不断发展，这一领域的研究也不断深入。
在降噪方面，常见的方法包括基于子空间的方法、基于谱减的方法、基于小波变换的方法、基于估计-最大化算法的方法等；在增强方面，主要包括基于语音模型的方法、基于信噪比优化的方法、基于深度学习的方法等。
现代语音信号处理技术的发展，促进了降噪与增强技术的广泛应用。
同时，人工智能、机器学习等技术的迅速发展也为语音信号处理领域提供了新的研究方向，使得降噪与增强算法的效果得到极大提升。
二、常用方法1. 基于子空间的方法子空间方法是一种基于正交分解技术的降噪方法，其基本思路是将语音信号和噪声信号表示为不同的子空间，并通过正交分解将噪声信号的影响从语音信号中分离出来。
常见的子空间方法包括PCA、KLT等。
其中，PCA方法通过计算信号的协方差矩阵，从中选取主成分来构造语音信号的子空间，从而实现降噪效果。
2. 基于谱减的方法谱减方法是降噪中最经典的一种方法，其基本思路是通过估计噪声信号的功率谱来得到语音信号和噪声信号的信号频域表现，并通过差集去除噪音成分。
该方法简单易懂，但噪声信号的估计比较困难，往往需要进行多次迭代来达到较好的效果。
3. 基于小波变换的方法小波变换是一种时频分析方法，其基本思路是将语音信号分解为不同的频带，对每个频带内的信号进行小波变换，然后根据其小波系数进行降噪处理。
该方法能够有效种除语音信号中的离散噪声，但对于连续噪声效果不好。
4. 基于估计-最大化算法的方法估计-最大化算法是一种流行的参数估计方法，在降噪中也有重要应用。
其基本思路是假设信号和噪声分别符合高斯分布，通过最大化高斯混合模型的似然函数，估计出信号和噪声的分布参数，进而利用参数推导出降噪结果。
语音增强模型总结
语音增强模型总结语音增强模型总结语音增强是指在有噪声的语音信号中提取出用户所需信号的一种技术。
语音增强在语音识别、通信以及辅助听力方面具有广泛的应用。
而语音增强模型是语音增强技术中非常重要的一部分，本文对常见的语音增强模型进行总结和归纳。
一、基于频域的语音增强模型基于频域的语音增强模型主要是利用FFT、DFT等数学变换方法，将语音信号在频域分解为不同的分量，进而通过滤波的方式去除噪声。
代表模型有：基于谱减法的模型、基于语音分割技术的模型、基于噪声估计的模型等。
这些模型的优点是计算简单，易于实现。
但是，它们也存在一些缺点，如：抑制语音部分较强，难以处理信噪比变化范围很大的情况等。
二、基于时域的语音增强模型基于时域的语音增强模型主要是利用一些时域滤波器对语音信号进行处理。
主要代表模型有：Kalman滤波器、非线性滤波器、序列测量等。
这些模型的优点是对于低信噪比的情况有良好的效果，但是它们的计算量较大，实现难度较高。
三、基于深度学习的语音增强模型基于深度学习的语音增强模型能够自动学习特征，有效提取语音信号中有用的信息。
主要包括卷积神经网络（CNN）、循环神经网络（RNN）、深度自编码网络（DAE）等模型。
这些模型具有良好的性能，可以在不同的环境中提供较好的语音增强效果。
但是，它们需要大量的数据和计算资源，实际应用中的计算效率也存在一定的问题。
总的来说，基于深度学习的语音增强模型具有最佳的性能和应用效果。
但是，由于其需要大量的数据和计算资源，实现难度较大，还需要进一步研究和改进。
相比之下，基于时域的语音增强模型优点在于其对于低信噪比的情况有良好的效果，但缺点在于计算复杂度较高。
而基于频域的语音增强模型计算简单，容易实现，但也有其应用范围受到限制的问题。
综上所述，不同的语音增强模型具有各自的特点和优缺点，在实际应用中需要结合具体情况进行选择和使用。
未来，基于深度学习的语音增强模型将成为主流，但也需要进一步研究和改进。
新型几何谱减语音增强方法
Ｋｅ ｒ ｓ ｓｅｃ ｎ ａｃｍｅｔｓｅｔ ｌ ｓｂｒｃ ｏ ｆｇ ｏ ｔｃ ａｐｏｃ ； ｉｉ ｍ Ｍｅｎ Ｓ ｕｒ ｒ ｒＭＭＳ ） Ｉ ｋ — ｙ ｗｏｄ ： ｐ ｅｈ ｅ ｎ ｅ ｎ ；ｐ ｃｒ ｕ ｔ ｔ ｎ ｏ ｅｍｅｒ ｐ ｒａｈ Ｍ ｎｍｕ ａ ｑ ａｅ Ｅｒ （ ｈ ａ ａｉ ｉ ｏ Ｅ ；ｔ ｕ ａ
ｍ ｅ ａｇｏ ｉｈ ｂａ ｅ ｏｎ ｅｆａ ｐｔｖｅ ｖｅａｇｎｇ ａ ｔ ｍ ｅｈｏ ｉ ｐｒ ｐｏｓ ｄ ｎ ｈｉ ｐａ ｒＳｉ ｕ ａｉ ｗ ｉｈ ｔｋｕ ａ． ｉｏ ｎｔ ｌ ｒｔｍ ｓｄ ｓ ｌ－ ｄａ ｉ ａ ｒ ｉ ｆ ｃｏｒ ｔ ｄ ｓ ｏ ｅ ｉ ｔ ｓ ｐｅ． ｍ ｌｔｏｎ ｔ Ｉａ ｒ ． ｔ ｄｉ． Ｓａ ｓ． ｔ ｃ ａｎ ｅ，ｓ ｅ ｈ ｐｅ ｃ ｗ ａ ｅ ｖ ｐｉｒ ｒ ｅ ｅ，ｓ ｃ ａ ｐｉｔ ｅ ｐｅ ｔ ｌ ｒ ｃｕｒ Ｅｘ ｒｍ ｅ ｔ ｌ ｅｓ ｌｓ ｄ ｍ ｏｎ ｔａ ｅ ｈ ｔ ｈｅ ｐｅ ｉ ｎ ａ ｒ ｕ ｔ ｅ ｓｒ ｔ ｔ ａ ｔ ｐｒ ｐｏ ｅ ａ ｇ ｉ ｏ ｓ ｄ ｌ ｏｒｔ ｈ ｓ ｍ ｈ ａ ｂｅ ｅ ｐｅ ｆ ｒ ｔ ｒ ｒｏ ・
，
Ｅｍａ ：ｉｆ ｇ ＠ １６ｃｒ — ｉ ｘｎｅ ｗｕ ． ｎ ｌ ｎ ２ ｏ
Ｗ Ｕ Ｘｉ ・ｅ ｇ， ｎ ｆ ｎ ＺＥＮＧ ‘ ｈ ｎ ＬＩ Ｙｉ ｅ ｇ， Ｕ Ｂｏ ｑ ａ ． ｐ ｅ ｈ ｎ ａ ｃ ｍｅ ｔ ｂ ｓ ｄ ｎ ｅ ｃ — ｕ ｎ Ｓ ｅ ｃ ｅ ｈ ｎ ｅ ｎ ａ ｅ ｏ ｎ ｗ ｓ ｅ ｔ ａ ｓ ｂ ｒ ｃｉ ｎ ｆ ｇ ｏ ｔ ｉ ａ － ｐ ｃ ｒ ｌ ｕ ｔ ａ ｔ ｏ ｅ ｍｅ ｒ ｃ ｐ ｏ
其他 谱 减 法 在 相 同的 去 噪 度 下 ， 音 畸 变 度 最 小且 几 乎 察 觉 不 到 音 乐噪 声 ； 别 是在 低 信 噪 比非 平 稳 环 境 下 ， 对 其 他谱 减 法 的 语 特 相 优 势更 加 显 著 。 关键词 ： 音增强 ； 何谱减 法； 小均方误差 ； 仓一 藤距 离 语 几 最 板 斋
一种基于实时噪声估计的改进谱减法
第 １ 期 １
计
算
机
科
学
Ｖｏ ． ７ Ｎｏ １ １３ ． １
ＮＯ ０ ０ Ｖ２ １
２１ ０ ０年 １ １月
一
Ｃｏ ｍｐｕｔ ｒ Ｓｃｅ ｅ ｅ ｉｎｃ
种 基 于 实 时噪 声估 计 的 改进 谱 减 法
程 垛 郭 雷 贺 胜 赵天 云
（ 西北 工业大 学 自动化 学院 西安 ７ ０ ７ ） １ ０ ２
ｈ ｎ ｅ ｎ ａ ｃ ｍｅ ｔ
谱减法以其算 法简单 和普适性强在语音增强 中得到 了广 泛应用 。基本谱减法在平稳 的声学环境及较高信噪 比时能取 得较好 的效果 ， 然而 在非平稳噪声环境 及低信噪 比下 的增 强
结 果 由于 语 音 失 真 和残 留 噪声 的影 响 而 不 能 令 人 满 意 。 近 年 来 ， 了减 少 语 音 失 真 和 残 留 噪 声 对 听 觉 效 果 的 影 为
ｍｅ ｔｓ ｏ ｄ ｔａ ｈ ｔｏ ｓｍｏ ｅｅｆｃｉｅ ｉ ｅ ｕ ｉｇ ｂ ｃ ｇ ｏ ｎ ｏｓ ，ｍｐ ｏ ｉｇ Ｓ ｎ ｈ ｗｅ ｈ ｔｔ ｅｍｅｈ ｄｗａ ｒ ｆｅ ｔ ｎ ｒｄ ｃｎ ａ ｋ ｒ ｕ ｄ ｎ ｉｅ ｉ ｒ ｖｎ ＮＲ ｎ ｅ ｒａ ｉｇ ｓ ｅｃ ｖ ａ ｄｄ ｃｅ ｓｎ ｐ ｅ ｈ
ＣＨ ＥＮＧ ｎ ＧＵＯ ｉ Ｈ Ｅ Ｓ ｅ ｇ Ｚ Ｇｏ ｇ Ｌｅ ｈ ｎ ＨＡＯ ａ － ｕ Ｔｉｎ ｙ ｎ
（ ｌ ｇｅｏｆＡｕ ｏ ａｉｎ， ｒｈ ｓｅ ｎＰｏｙ ｅ ｈ ｉａ ｉｅ ｓｔ Ｘｉａ １ ０ ２， ｉａ Ｃｏｌ ｔｍ ｔｏ Ｎｏ ｔ ｗｅｔ ｒ ｌｔｃ ｎｃ ｌＵｎｖ ｒ ｉ ｅ ｙ， ’ｎ ７ ０ ７ Ｃｈｎ ）
ｄ ｓ ｏ ｔ ｎ ｔ ａ ｒ ｄ ｔ ｎ ｌｓ ｅ ｃ ｎ ａ ｃ ｍｅ ｔｍｅ ｈ ｄ ． ｉｔ ｒ ｉ ｈ ｎ ｔａ ｉｉ ａ ｐ ｅ ｈ ｅ ｈ ｎ ｅ ｎ ｔ ｏ ｓ ｏ ｏ
基于改进型谱减法的语音增强技术
2023-11-11目录•引言•语音增强技术概述•基于改进型谱减法的语音增强算法•算法优化与改进•实验验证与比较•结论与展望引言研究背景与意义语音信号处理在生活中的应用越来越广泛，如语音识别、语音通信等。
然而，在实际的语音信号中，往往存在噪声干扰，这会严重影响语音识别和通信的质量。
因此，对语音信号进行增强处理显得尤为重要。
谱减法是一种经典的语音增强方法，它通过减去估计的噪声谱来提高语音信号的信噪比。
然而，传统的谱减法存在一些问题，如语音失真、过度去噪等。
因此，本文提出了一种基于改进型谱减法的语音增强技术，旨在提高语音增强的效果。
近年来，语音增强技术得到了广泛的研究和应用。
传统的谱减法主要基于静态噪声估计，而现代的谱减法则逐渐引入了动态噪声估计、非线性处理等技术，以更好地适应复杂的实际应用场景。
目前，基于深度学习的语音增强技术已经成为研究热点。
深度学习技术可以更好地利用语音数据中的特征，提高语音增强的性能。
然而，深度学习需要大量的数据和计算资源，因此在实际应用中存在一定的限制。
研究现状与发展本文的主要研究内容是提出一种基于改进型谱减法的语音增强技术，并对其性能进行评估。
首先，本文对传统的谱减法进行了介绍和分析，指出了其存在的问题和不足之处。
其次，针对这些问题，本文提出了一种基于动态噪声估计的改进型谱减法，通过引入非线性处理技术来提高语音增强的效果。
最后，本文通过实验验证了所提方法的有效性，并与传统的谱减法进行了对比分析。
研究内容与方法语音增强技术概述语音增强的常用技术包括：谱减法、Wiener滤波器、神经网络等。
这些技术在不同的应用场景和需求下有各自的优势和局限性。
语音增强定义为通过数字信号处理技术，对采集到的语音信号进行处理，以降低噪声和回声等干扰，提高语音信号的质量。
目标是使语音信号更加清晰、可懂，提高语音通信的效率和可靠性。
语音增强的定义与目标基于改进型谱减法的语音增强技术是一种常用的语音信号处理方法。
基于谱减法的语音增强技术研究
在游戏、电影等娱乐领域，基于谱减法的语音增强技术可以提升音效质量，增强沉浸感和用户体验。
远程会议
在远程会议中，基于谱减法的语音增强技术可以有效地提高语音质量，帮助与会者更好地听清发言人内容。
未来应用场景与发展趋势
07
参考文献
参考文献
该论文对基于谱减法的语音增强技术进行了深入研究，提出了具体的算法流程和实验结果，为后续研究提供了重要的参考。
1. 音频采集
使用实验设备采集多种语音样本，确保采样率为44.1kHz，比特率为16bit。
对采集的语音样本进行预处理，包括去除噪声、填充静音等。
使用谱减法算法对预处理后的语音样本进行增强处理。
对增强后的语音样本进行后期处理，包括均衡、降噪等。
对增强后的语音样本进行客观评估和主观评价，分析增强效果。
噪声信号的估计
从语音信号的模型中减去噪声信号的模型，得到纯净语音信号的模型。
语音信号的增强
基于最小均方误差的谱减法
利用神经网络对语音信号进行建模，得到纯净语音信号的模型。
神经网络
利用帧间的噪声信号进行噪声估计，得到噪声信号的模型。
噪声信号的估计
从语音信号的模型中减去噪声信号的模型，得到纯净语音信号的模型。
详细描述
现代神经网络方法如深度学习等，具有强大的自适应能力和噪声抑制能力，但需要大量的数据和计算资源进行训练。相比之下，基于谱减法的语音增强技术具有更快的处理速度和更简单的算法结构，能够在实时性和鲁棒性方面表现出更好的性能。
总结词
与现代神经网络方法的比较
06
基于谱减法的语音增强技术展望与未来发展趋势
总结词
传统滤波器方法通过设定各种滤波器参数，尝试提取出纯净的语音信号，但往往难以完全去除噪声。而谱减法利用语音和噪声的统计特性，通过估计噪声的功率谱来降低噪声的影响，从而得到更好的语音增强效果。
一种广义旁瓣抵消器结构的语音增强改进算法
一种广义旁瓣抵消器结构的语音增强改进算法李斌;张玲华【摘要】In speech enhancement algorithm based on generalized sidelobe canceller (GSC),when there is an error in direction estimating,the target speech cannot be blocked by blocking matrix (BM) module completely.Then in the multiple-input canceller (MC) module,the target speech will be eliminated,which will cause the leakage of the target speech.In this paper,a new optimization algorithm is proposed for the leakage of the speech caused by the error of signal direction of arrival (DOA).First,we adjust the spectrum of the signal with time delay compensation,then the blocking matrix would be adjusted adaptively according to the characteristics of the correlation between the final output of MC module and the output of BM module.The estimated direction can be closer to the real target speech direction in order to reduce the leakage of the target speech.Simulation results show that the proposed algorithm has better speech enhancement performances in both objective and subjective evaluations.%当广义旁瓣抵消器(Generalized sidelobe canceller,GSC)结构的语音增强算法对语音信号的入射方向角估计不准确时,阻塞矩阵(Blocking matrix,BM)不能完全阻塞目标语音,使得部分语音通过阻塞矩阵,在后期多输入抵消器(Multiple-input canceller,MC)模块中和参考信号相抵消,造成目标语音的损失.针对广义旁瓣抵消器因信号到达方向(Direction of arrival,DOA)估计误差而导致语音泄漏的问题,本文提出了一种麦克风阵列语音增强的优化算法,先对经过时延补偿的信号进行频谱调整,再利用MC模块输出与BM模块输出存在相关性的特点,对阻塞矩阵进行自适应调整,使方向估计参数更趋近于真实目标语音方向,以减少阻塞矩阵中目标语音的泄漏.仿真结果表明,该算法可以有效减少阻塞矩阵中目标语音的泄漏、增强系统的鲁棒性以及提高语音增强效果.【期刊名称】《数据采集与处理》【年(卷),期】2017(032)002【总页数】7页(P307-313)【关键词】广义旁瓣抵消器;自适应算法;语音增强;麦克风阵列【作者】李斌;张玲华【作者单位】南京邮电大学通信与信息工程学院,南京,210003;江苏省通信与网络技术工程研究中心,南京,210003【正文语种】中文【中图分类】TN912.3在数字助听器以及其他声学器件中，由于周围环境本身存在的干扰和电子器件工作时造成的影响，导致麦克风接收到的信号都是混有噪声的混合信号。
谱减法的语音信号增强
设计性实验4 语音信号增强一、实验目的1、了解语音信号噪声抑制的仿真方法及原理；2、利用谱想减法抑制语音中的噪声；二、实验要求1、仿真合成一段带噪语音；2、使用谱相减法对带噪语音进行增强；三、实验原理1、语音信号特点：语音信号是一种时变的非平稳的随机信号，但是人类的发声系统的生理结构的变化速度是有一定限度的，在一段时间内(10~30ms)人的声带和声道形状具有相对稳定性，可以认为其特性是不变的，因而语音的短时谱分析也有相对稳定性，在语音增强中可以利用短时谱的这种稳定性。
2、语音信号的处理方法根据语音信号的特点，可以将平稳过程中的处理方法和理论引入到语音信号的短时处理当中，将语音信号划分为很多短时的语音段，每个短时的语音段称为一个分析帧。
这样，对每一帧语音信号处理就相当于对特征固定的持续信号进行处理。
帧既可以是连续的，也可以采用交叠分帧，一般帧长取 10~30ms。
取数据时，前一帧和后一帧的交迭部分称为帧移，帧移与帧长之比一般取为0~1/2。
对取出的语音帧要经过加窗处理，即用一定的窗函数与信号相乘，从而形成加窗语音。
加窗的主要作用在于减少由分帧处理带来的频谱泄露，这是因为，分帧是对语音信号的突然截断，相当于语音信号的频谱与矩形窗函数频谱的周期卷积。
由于矩形窗频谱的旁瓣较高，信号的频谱会产生“拖尾”，即频谱泄露。
为此，可采用汉明窗，因为汉明窗旁瓣最低，可以有效地克服泄露现象，具有更平滑的低通特性，得到的频谱比较平滑。
汉明(Hamming)窗定义：3、谱减法简介谱相减方法是基于人的感觉特性，即语音信号的短时幅度比短时相位更容易对人的听觉系统产生影响，从而对语音短时幅度谱进行估计，适用于受加性噪声污染的语音。
谱减法的基本原理：图1 谱相减法原理图图中为加窗后的带噪信号，为的噪声信号功率谱，为增强后的语音信号。
由于人耳对语音相位不敏感，所以用原始含噪语音的相位代替估计语音的相位。
谱减法实现的几条公式如下：(1)(2)(3)由式(1)得到增强后的语音信号的功率谱；然后利用原始含噪语音的相位代替增强后语音的相位，恢复出增强后的语音信号。
噪声背景下语音端点检测方法的研究
噪声背景下语音端点检测方法的研究摘要:在实际环境中,并没有完全纯净的语音信号,一段语音信号往往都伴有噪声信号,所以研究在背景噪声环境中的语音端点检测更为重要。
常用的短时过零率法、短时能量法以及双门限法都存在着一个共同的问题,即对信噪比要求较高。
为了解决这一问题我们提出了一改进算法,即基于谱减法思想的语音端点检测的方法,有效的提高检测的正确率。
关键词:端点检测噪声短时能量短时过零率谱减法1、引言语音端点检测是指用计算机数字处理技术来找出语音信号中的字或词等的起点和终点这俩个端点。
作为语音识别的前端,准确的端点检测可以提高识别的准确率。
语音端点检测的困难在于一段信号中的无声段或者录制一段语音段的前后人为呼吸等产生的杂音、语音开始处的弱摩擦音或弱爆破音以及终点处的鼻音,这些使得语音的端点需要综合利用语音的各种信号特征,从而确保定位的精确性,避免包含噪音信号和丢失语音信号。
常用语音端点检测法有短时过零率法、短时能量法以及双门限法。
但是对于信噪比要求较高,所以本文提出了一种基于谱减法思想的语音端点检测算法,提高语音端点检测的正确率。
2、语音端点检测方法常用方法中的短时能量法,语音和噪声的区别可以体现在它们的能量上,语音段的能量与噪声段能量相比,要大于噪声段的能量,因此可以以此为依据进行检测;短时过零率法,短时过零率可以区别语音是清音还是浊音[1,2],因此它可以从背景噪声中找出语音信号;传统双门限比较法,首先为短时能量和过零率分别确定两个门限,较低的门限对信号的变化比较敏感,较高的门限是用来确定进入语音段。
当低门限被超过时,未必是语音的开始而很有可能是由很小的噪声所引起的波动,但当高门限被超过并且在接下来的时间段内一直超过低门限时,则意味着语音信号的开始[3]。
但是上述三种方法在低信噪比时检测效果就不是很理想了。
因此我们提出了一种改进算法。
3、基于谱减法思想的语音端点检测算法的研究3.1 谱减法概述由于语音生成模型是低速率语音编码的基础,当语音受到噪声干扰时,提取的模型参数将很不准确,重建的语音质量急剧恶化。