改进的谱减法在语音增强中的应用

合集下载

基于谱减法的语音增强技术

算法实现流程
逆快速傅里叶变换（IFFT）
对增强后的频谱进行逆快速傅里叶变换，得到增强后的时域信号。
后处理
对增强后的信号进行后处理，如门限判决、非线性处理等，以提高增强效果。
算法优化与改进
01
02
03
自适应噪声估计
采用自适应滤波算法，根据输入信号自动调整噪声估计的参数，以提高噪声估计的准确性和鲁棒性。
基于谱减法的语音增强技术是一种常用的方法，通过去除噪声成分来提高语音质量。
研究意义
基于谱减法的语音增强技术在实际应用中具有重要意义，如语音通话、语音助手、语音识别等。
通过对谱减法的研究，可以深入了解语音信号的特性，为语音处
理技术的发展提供理论支持。
基于谱减法的语音增强技术还可以为其他相关领域提供借鉴和参考，如音频处理、音频分析等。
在实际应用中，谱减法常用于语音信号处理领域，特别是在语音识别、语音合成和语音存储等场景中。
谱减法还可以与其他语音增强技术结合使用，如基于规则的增强方法、基于神经网络的增强方法等，以进一步提高语音增强的效果。
通过使用谱减法，可以有效降低噪声干扰，提高语音信号的清晰度和可懂度，从而提高语音处理系统的性能。
谱减法在语音增强中表现出较好的效果，能够有效降低噪声干扰，提高语音质量。
通过对不同噪声环境下的实验，证明了谱减法在不同场景下的适用性和鲁棒性。
与传统滤波器方法相比，谱减法具有计算复杂度低、处理速度快等优势，适合实时语音处理应用。
研究不足与展望
当前研究主要集中在谱减法的基本算法和改进上，对于复杂噪声环境的适应性还有待提高。
鲁棒性分析
在不同噪声类型和强度下，谱减法均表现出较好的鲁棒性。

基于谱减法的语音增强技术

主观听觉效果评价
听觉感受
通过人类听觉感受对增强后的语音进行主观评价，包括清晰度、自然度、噪声残留等方面。
平均意见得分
邀请多名听评者对增强后的语音进行打分，统计平均意见得分（MOS），以客观反映算法在实际应用场景中的性能表现。
06
基于谱减法的语音增强技术应用场景
通信系统中降噪处理
通话降噪
在移动通信、VoIP等通话场景中，利用谱减法有效抑制背景噪声，提高通话清晰度。
实现步骤
谱减法的实现步骤包括带噪语音的预处理、噪声谱估计、语音存在概率估计、增益函数计算和频谱修改等。其中，噪声谱估计是谱减法的关键步骤之一，它的准确性直接影响到增强效果。
技术应用与发展趋势
技术应用
谱减法已经被广泛应用于语音通信、语音识别、语音合成等领域。例如，在语音识别系统中，谱减法可以用于提高识别率；在电话会议系统中，谱减法可以用于抑制背景噪声，提高通话质量。
个性化定制
针对不同用户、场景和设备，提供个性化的语音增强方案，满足不同需求。
多模态融合
结合音频、视频等多种信息模态，实现多模态语音增强，提高复杂环境下的语音通信质量。
THANKS
感谢观看
基于谱减法的语音增强技术
汇报人：日期:
目录
• 引言 • 谱减法基本原理 • 谱减法实现过程 • 实验结果与性能评估 • 基于谱减法的语音增强技术应用
场景 • 总结与展望
01
优点
算法简单
谱减法原理简单，实现容易，计算复杂度低。
实时性好
谱减法处理速度快，适用于实时语音通信系统。
对平稳噪声有效
对于平稳噪声，谱减法可以取得较好的增强效果。
谱减法实现过程

一种改进型谱减法在短波语音通信中的应用研究

一种改进型谱减法在短波语音通信中的应用研究摘要：短波语音通信中往往混杂有很多干扰和背景噪声，为了尽可能减小这些噪声，在接收端还原出更为清晰的语音，文章通过对常见语音增强算法进行仿真对比，选用谱减法并进行实现后成功应用于短波语音通信系统。

实际使用结果表明，文章提出的算法能有效抑制短波语音中的噪声干扰，显著提高了接收语音质量。

关键词：语音增强；改进型谱减法；短波；通信短波语音通信具有无可比拟的顽存性、机动性和灵活性等优越性，在广播和日常生活等多方面得到了广泛应用，但短波极易受到外界干扰，严重影响了语音通信质量。

因此如何有效抑制或滤除背景噪声一直是人们研究的热点。

语音增强的目的是从噪声背景中提取有用的语音信号，抑制、降低噪声干扰的技术。

语音增强的目的是改进语音质量，尽可能消除背景噪声、提高信噪比，同时提高语音自然度、可懂度和说话人的可辨度。

为了在短波语音通信中进一步减小噪声，还原出更加清晰的语音，有必要采取语音增强技术对接收端的语音进行进一步处理。

1 几种常见的语音增强算法的去噪效果比较常见的语音增强算法有短时谱MMSE法、谱减法、维纳滤波法等，为了检测它们的去噪效果，我们对三种算法在不同输入信噪比下的输出信噪比进行了仿真比较：从图1可以看到，三种常用的语音增强技术在不同噪声环境下对带噪语音的降噪效果不同。

短时谱MMSE法在三种算法中似乎具有最佳的降噪效果，其实不然。

短时谱MMSE法在大幅提高语音的SNR的同时也提高了噪声的幅度，因此很少进行实际应用。

谱减法和维纳滤波法相比，在输入信噪比为-7 dB以下或8 dB以上时，谱减法具有更高的输出信噪比。

在-7 dB到8 dB之间，维纳滤波法的性能更好一些。

由于我们通常接收到的可辨短波语音信噪比都在8 dB以上，因此我们选用谱减法进行实现。

2 谱减法原理谱减法又称谱相减法，即从带噪语音的频谱估值中减去噪声的频谱估值，从而得到“纯净语音”的频谱。

由于人耳对语音频谱分量的相位不敏感，因而这种方法主要针对短时功率谱。

一种基于谱减法的语音增强算法研究

一种基于谱减法的语音增强算法研究引言在日常生活中，我们经常会遇到语音信号受到噪声干扰的情形。

语音增强技术可以消除这些噪声，提高语音信号的质量和可听性。

语音增强技术的研究和发展，对于语音通信、语音识别、语音合成等领域都具有重要意义。

目前，基于谱减法的语音增强算法成为研究的热点之一。

本文主要探讨谱减法的基本原理、实现过程及其在语音增强中的应用。

一、谱减法的原理谱减法是一种在频域上处理语音信号的方法，它主要基于以下两个假设：1.噪声信号的能量分布比语音信号的能量分布更广泛，即噪声信号在不同频率上具有不同的能量；2.声音信号的一些部分不依赖于噪声信号，可以在不改变语音信号质量的前提下被减少。

因此，谱减法的基本原理是将语音信号和噪声信号分解为频谱，然后通过频谱相减，再对结果进行逆变换，得到增强后的语音信号。

谱减法的基本步骤如下：1.采集语音信号和噪声信号，并将它们通过FFT 变换转换为频域。

2.对语音信号和噪声信号的频谱进行平滑滤波，获得平滑后的信号谱。

3.求出平滑后语音信号与噪声信号的频谱差值。

4.根据信噪比的大小，确定噪声频谱可以减去的大小，从而减少噪声的影响。

5.对减少了噪声频谱的信号进行IFFT 逆变换，得到增强后的语音信号。

二、谱减法的实现过程1.采集语音信号和噪声信号在采集语音信号和噪声信号时，应尽可能选择质量好的麦克风和录音设备，保证信号的清晰度，避免信号本身存在的噪声干扰。

2.对语音信号和噪声信号的频谱进行平滑滤波平滑滤波的目的是去除语音信号和噪声信号中的高频成分，使其更加平滑。

常用的平滑滤波方法包括：高斯平滑、中位数滤波和均值平滑等。

其中，高斯平滑在实际应用中最为常见。

高斯平滑的过程是：对于每一个频率上的振幅，计算它和周围几个点的平均值，通过利用高斯函数将这些平均值加权，最终得到平滑后的振幅谱。

3.求出平滑后语音信号与噪声信号的频谱差值经过平滑处理后，获得了平滑后的语音信号频谱和噪声信号频谱。

基于谱减法的语音增强技术

语音合成
谱减法可用于提取纯净的语音特征，用于语音合成和声音重建。
语音编码
在低比特率语音编码中，谱减法可以压缩语音信号的动态范
围，提高编码效率。
谱减法的优缺点
优点
算法简单，计算量较小，实时性较好；在信噪比较高的情况下，能够获得较好的语音增强效果。
缺点
对于非平稳噪声的处理效果较差；在信噪比较低时，增强后的语音可能产生失真和残留噪声；此外，谱减法对于语音信号的频谱结构和特性有一定的假设和限制，可能不适用于所有类型的语音信号。
03
基于谱减法的语音增强方法
基于谱减法的噪声估计
噪声谱估计
在语音增强中，首先需要对噪声进行估计。基于谱减法的语音增强方法通过分析语音信号的频谱
，估计噪声的频谱特性。
语音活动检测
为了准确估计噪声，需要进行语音活动检测，区分语音段和静音段，以便在静音段中估计噪声。
噪声更新机制
在语音活动过程中，噪声特性可能会发生变化。为了跟踪这种变化，需要采用一种有效的噪声更新机制。
02
语音增强技术介绍
语音增强技术的定义和目标
定义
语音增强技术是一种处理语音信号的方。
目标
语音增强技术的主要目标是去除噪声和干扰，提升语音的可懂度和感知质量，以及改善语音信号的可用性。
语音增强技术的发展历程
01
02
03
早期方法
早期的语音增强技术主要基于时域或频域的简单处理方法，如滤波和谱减法。
将处理后的频谱通过逆变换转回到时域，得到增强后的语音信号。
将处理后的语音保存为文件或直接输出。
实验设计与评估指标
实验设计 • 选择不同种类的噪声环境，例如白噪声、交通噪声等。

改进谱减法语音增强算法的研究

改进谱减法语音增强算法的研究陈欢;邱晓晖【摘要】For the speech signal,voice quality is greatly affected by the noise. Speech enhancement techniques must be used to suppress background noise,improving voice quality and voice clear degrees. The speech enhancement is to get the speech as original as possible from the speech signal with noise. The spectral subtraction speech enhancement is utilized broadly because it is simple and easy for the re-al-time processing. In this paper,the basic principle of algorithm of the spectral subtraction is presented. Aiming at reducing annoying musical noise in the standard spectral subtraction algorithm,the principle of two kinds of typical improved spectral subtraction is ana-lyzed. Experimental results show that the proposed algorithm reduces the musical noise effectively and improves the speech quality.%语音信号中，噪声的存在极大地影响了语音质量，必须采用语音增强技术在一定程度上抑制背景噪声，最大限度地改善语音通信质量，提高语音的可懂度。

毕业设计(论文)-基于谱减法的语音增强及其dsp实现[管理资料]

基于谱减法的语音增强及其DSP实现摘要语音总会受到外界噪声不同程度的干扰和影响，噪声不但降低了语音质量和可懂度，而且还将导致语音处理系统性能的急剧恶化。

语音增强技术可以用来抑制噪声,提高抗噪声能力和输入信号的信噪比，改善语音质量、可懂度和系统的性能，并作为预处理或前端处理模块存在于语音处理系统中。

本论文首先从语音特性、噪声特性、人耳的感知特性以及语音信号分析得方法入手，重点研究了基于谱减法的增强算法并在MATLAB环境下对其进行了仿真，验证了谱减法在语音增强方面的有效性和可行性。

DSP(数字信号处理器)作为专用的数字信号处理芯片，具有在单机器周期内完成乘加运算、单机器周期内多次访问存储器以及丰富的片上外设等特点。

采用DSP进行语音信号处理代表未来语音信号处理的发展方向，在这种情况下，本文在研究谱减法的基础上，对算法进行了分析和实现，实现了基于DSP的语音信号采集与处理系统。

关键词：语音信号处理,语音增强,谱减法,DSPSPEECH ENHANCEMENT ALGORITHMS ANDIMPLEMENTATION ON DSPABSTRACTSpeech is inevitably interfered by noise. The noise not only degrades the quality and the intelligibility of speech, but also worsens the capability of the system. As speech enhancement technology can be used to reduce the noise, Improve anti-noise ability and the signal-to-noise ratio of the input signal , the input Signal-to-Noise Ratio of the speech processing system and improving the quality and intelligibility of speech, speech enhancement technology is usually used as the pre-processing module in the speech processing system.This paper first from speech characteristics, noise characteristics, the perception of the human ear characteristics and method of speech signal analysis, Focus on the based on the spectral subtraction enhancement algorithm and in the MATLAB environment of the simulation,Verify the spectral subtraction speech enhancement in the effectiveness and feasibility.DSP as special digital signal processor, has some unique features, such as Single-cycle multiply and accumulate (MAC)，multiple accessing memories in single cycle,a wide variety of on-chip peripherals. These features lead DSP applied widely in digital speech processing field. This paper studies the traditional Spectral Subtraction and improves it to reduce “music noise”. Then based on these theories, a practical speech enhancement processing system on DSP is designed and implemented.KEY WORDS:Speech processing,Speech enhancement,Spectral Subtraction,DSP基于谱减法的语音增强及其DSP实现 (I)摘要 (I)ABSTRACT (II)第一章绪论 (1) (1) (2) (3)第二章语音增强的基础知识 (4) (4)人的听觉特性 (4)语音信号产生的数字模型 (5) (5) (5) (5) (6)、采样、A/D变换 (6) (6) (7) (7) (8) (8) (9) (9) (10)第三章谱减法的原理、算法及分析 (11) (11)谱减法的实现与仿真 (14) (16)第四章DSP介绍及基于DSP实时语音处理系统的设计 (17)DSP概述 (17)DSP芯片的基本结构 (17)DSP的运算速度 (19)DSP应用系统 (20) (21) (21) (21) (23)第五章基于谱减法的语音增强在DSP环境下的实现 (25) (25) (25)CCS (Code Composer Studio) DSP集成开发环境 (27) (27) (27) (29) (32) (32) (35)第六章结论与展望 (37) (37) (37)致谢 (38)参考文献 (39)附录外文文献 (39)第一章绪论当今世界正处在信息时代。

改进的谱减法在语音增强中的应用

改进的谱减法在语音增强中的应用一、boll的改进谱减法基本理论1979年，s.f.boll提出一种改进的谱减法。

主要的改进点如下。

（1）在谱减法中使用信号的频谱幅值或功率谱改进的谱减公式为噪声段的平均谱值为当y=1时，算法相当于用谱幅值做谱减法；当y=2时，算法相当于用功率谱做谱减法。

式中，a为过减因子；β为增益补偿因子。

（2）计算平均谱值在相邻帧之间计算平均值：利用yi（k）取代xi（k），可以得到较小的谱估算方差。

（3）减少噪声残留在减噪过程中保留噪声的最大值，从而在谱减法中尽可能地减少噪声残留，从而削弱“音乐噪声”。

此处，max|nr（k)|代表最大噪声残余。

二、基本谱减法的实验boll的改进谱减法函数spectralsubim名称：spectralsubim功能：基于boll的改进谱减法语音降噪。

调用格式：output = spectralsubim(signal,wind, inc, nis, gamma, beta)说明：输入参数signal是输入的含噪语音信号；wind为窗函数或窗长；inc是帧移；nis是前导无话段帧数；gamma和beta是算法参数。

output是降噪后的信号。

函数代码如下：functionoutput=spectralsubim(signal,wind,inc,nis,gamma,beta)nwin=length(wind);if (nwin == 1) % 判断窗长是否为1，若为1，即表示没有设窗函数w = wind; % 是，帧长=windwnd=hamming(w);elsew = nwin; % 否，帧长=窗长wnd=wind;endnfft=w;y=enframe(signal,w,inc)';y=fft(y,nfft);yphase=angle(y(1:fix(end/2)+1,:)); %含噪语音的相位y=abs(y(1:fix(end/2)+1,:)).^gamma; %功率谱numberofframes=size(y,2);n=mean(y(:,1:nis)')'; %初始的能量谱均值d(k)nrm=zeros(size(n)); %噪声残余量最大值noisecounter=0;noiselength=9; %噪声平滑因子ys=y; %平均谱值for i=2:(numberofframes-1)ys(:,i)=(y(:,i-1)+y(:,i)+y(:,i+1))/3;endfor i=1:numberofframes[noiseflag, speechflag, noisecounter,dist]=vad_logspec(y(:,i).^(1/gamma),n.^(1/gamma),noise counter); %基于频谱距离的vad检测if speechflag==0n=(noiselength*n+y(:,i))/(noiselength+1); %更新并平滑噪声nrm=max(nrm,ys(:,i)-n); %更新最大的噪声残余x(:,i)=beta*y(:,i);elsed=ys(:,i)-n; %谱减if i>1 &&i<numberofframes %减少噪声残留项for j=1:length(d)if d(j)<nrm(j)d(j)=min([d(j) ys(j,i-1)-n(j)ys(j,i+1)-n(j)]);endendendx(:,i)=max(d,0);endendoutput=overlapadd2(x.^(1/gamma),yphase,w,inc);信噪比计算函数snr_calc名称：snr_calc功能：计算信噪比。

基于改进增益函数谱减法的语音增强技术研究

摘要：为了有效克服传统谱减法引起语音畸变的问题，提出了相邻帧修．和增益平滑的改进谱减法针对残余音乐噪声ＶＬ－的产生，分析了传统谱减法的缺点以及音乐噪声形成的原因，利用对语音帧分解子帧和对增益函数递归平滑处理的方法，
ｐｏｏｅａｅｎｕｉｇｔｅａｎｍｅｔｔｅｄａｅｔｒｍｅｎａｎｔｎｓｏｈｎｔｏ．Ｆｒｈｅｉｕｌｓａｎｉｒｐｓｄｓｄｏｓｍｅｄｎｓｏｔｊｃｎａｓｄｇｉｆｃｉｂｎｈｈａｆａｎｕｏｍｏｔｉｇｍｅｄｏｅｓａｍｕｉｌｏｓｈｔｒｄｃｅ
ＸＵｉｉＲｕ－ｅｊ
（ｃｏｌｆｏｗａｅｎｉｅｒｇＢｉｎｎｖｒｉｆｅｈｏｏｙＢｉｎ００２ｈｎ）ＳｈｏｆｒＥｇｎｅｉ，ｅｉＵｉｅｓｙｏｃｎｌｇ，ｅｉｇ１０２，ＣｉｏＳｔｎｊｇｔＴｊａ
Ｋｅｒｓｓｅｃｈｎｅｎ；ｓｅｔｌｕｔｃｉ；ｇｉｎｔｎｓｏｈｎ；ａｅｄｎｓｏｔｅａｊｃｎａｓｉｅｌｉｉｔｙｗｏｄ：ｐｅｈｅａｃｍｅｔｐｃａｓｂｒｔｎａｆｃｉｎｒａｏｎｕｏｍｏｔｉｇｍｎｍｅｔｔｈａｅｔｒｍｅ；ｎｌｇｂｌｄｆｔｉｉｙ
ｔｅｅｐｒｎｓｎａｉｏａｐｃｒｌｕｔｃｉｎａｄｉｒｖｄｓｅｔａｕｔａｔｎｍｅｈｄｒｏａｅｎａｙｅ．Ｅｐｒｍｅｔｈｘｅｉｍｅｔｄｔｄｔｎｌｅｔａｂｒｔｏｎａｒｉｓｓａｍｐｏｅｃｌｂｃｉｔｏｓａｅｃｍｐｒｄａｄａｌｚｄｐｒｓｒｏｎｘｅｉｎｉｕｔａｅｅｉｒｖｄｍｅｈｄｅｆｃｉｅｙｒｄｃｅｍｕｓａｏｓｄｉｃｅｓｅｅｈｃｄｓｅｃｔｌｇｂｌｙｌｓｔｓｔｍｐｏｅｔｏｆｅｔｌｕｅｔｌｒｈｖｅｈｉｌｉｅａｒａｅｔｎａｅｐｅｈｉｅｌｉｉｔ．ｃｎｎｎｈｎｎｉｉ

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。

改进的谱减法在语音增强中的应用

【ｓｒｃ】Ａｍｒｖｄｓｅｔｌｓｂａｔｎａｏｔｓｐｅｅｔｄ１ｓａｇｒｈｒａｓｔｅａｓｍｔｎｔａｎｉＡｂｔｔｎｉｐｏｅｐｃｒｕｔｃｉｌｒｈｉｒｓｎｅ．１ｉｌｏｔｍｂｅｋｈｓｐｉｈｔｏｓａａｒｏｇｉｍ１ｉｕｏｅ
维普资讯
ｎ音技术ｎ语 ⑨６＠响响⑨０来自＠＠ ⑨ 文章编号：０２Ｓ８（０Ｓ０－ｌ－３１０一６４２０）２＿６Ｏ０
改进的谱减法在语音增强中的应用
职振华，马建芬
・・论文
（．太原理工大学信息工程学院，山西太原００２；２１ ’ ３０４．太原理工大学计算机与软件学院，山西太原００２）３０４
【ｙｗｏｄ】ｓｃａｓｂａｔｎａｇｒｍ；ｓｅｃｎａｃｍｅｔｍｕｉｏｅＫｅｒｓｐｔｌｕｔｃｉｏｔｅｒｒｏｌｉｈｐｅｈｅｈｎｅｎ；ｓａｎｉｃｌｓ
１引言
语音增强的目的是从带噪语音中提取出尽可能纯净的原始语音，而谱减法是目前最常用的语音增强技术。在基本的谱减法（常是指功率谱减法）通中假设噪声和语音是相互独立且噪声是零均值的高斯分布，但
ａｄｓｅｃｒｎｅｅｄｎｒｍａｈｏｈｒａｄｎｉｅｉＧａｓｉｎｄｓｂｔｎｉａ．Ｅｐｒｍｅｔｌｒｓｌｎｐｅｈａｅｉｄｐｎｅｔｆｏｅｃｔｅｎｏｓｓｕｓｉｔｕｉｗｔｍｅａｉｒｏｈｎ０ｘｅｉｎａｅｕｔｓｓｏｈｔｔｅｐｐｓｄａｇｒｈｉｒｖｓｔｅｓｅｃｕｌｙａｄｒｄｃｓｔｅｍｕｉａｏｓｆｃｉｅｙｈｗｔａｈｒｏｌｏｉｍｍｐｅｈｐｅｈｑａｉｎｅｕｅｓｌｎｉｅｅｅｔｌ．ｏｅｔｏｔｈｃｖ

语音识别技术中的语音增强算法研究与改进

语音识别技术中的语音增强算法研究与改进语音识别是一种将人类语音转化为可识别文本的技术，如今已经广泛应用于各行各业，包括智能助理、语音控制、自动语音转录等。

然而，由于语音信号在传输、录制或环境因素的影响下，通常会受到音频质量下降、噪声干扰和回声等问题的困扰。

因此，语音增强算法的研究和改进成为提高语音识别准确度和鲁棒性的关键。

语音增强算法旨在通过对语音信号进行滤波、噪声抑制和声音修复等处理，提高语音信号质量，减少噪声干扰，从而改善语音识别的效果。

目前，已经有许多语音增强算法得到了广泛的研究和应用，比如基于频谱的算法、基于模型的算法以及深度学习方法等。

首先，基于频谱的语音增强算法是最早也是最经典的一种方法。

该方法的基本思想是通过对语音信号的频谱进行分析，进而对噪声进行建模和估计，并将其从观测语音信号中减去。

常见的频域算法包括谱减法、谱减法改进算法、最小均方差法等。

其中，谱减法是最简单的一种算法，它根据噪声和纯净语音信号的功率谱之差来进行噪声减除。

然而，频谱失真和谐波失真等问题限制了这些方法的性能。

其次，基于模型的算法通过对语音和噪声进行建模，利用已知的发音模型和声学模型，对噪声进行估计和去除。

这种方法的优势在于对信号进行更准确的建模和处理。

常见的模型算法包括基于隐马尔可夫模型（HMM）的方法、基于混合高斯模型（GMM）的方法以及基于生成对抗网络（GAN）的方法等。

这些方法通过建立模型并通过训练优化参数，实现对噪声进行抑制和去除。

然而，模型算法往往需要大量的计算和复杂的训练过程，限制了其实时性和可扩展性。

最后，随着深度学习技术的发展，基于深度神经网络的语音增强算法逐渐成为研究的热点。

深度学习算法通过构建深度神经网络模型，利用大量的标注样本进行训练，实现对语音信号的去噪和增强。

常见的深度学习方法包括卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（GAN）等。

这些方法通过多层次的神经网络结构和优化算法，可以更好地对语音信号进行建模和处理，提高语音识别的效果。

基于谱减法的语音增强技术研究

娱乐领域
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。

基于改进谱减法的语音增强

（ｃｏｌｆＥｅｔｃｌｎｆｒｔｎＥｇｎｅｎ，ｉｕｎｖｒｉ，ｈａｄ１０９ＣｉａＳｈｏｏｌｒａｄＩｏｉｎｉｎｇＸｈａＵｉｓｙＣｅｇｕ６０３，ｈｎ）ｃｉａｎｍａｏｅｅｔ
Ａｂｔａｔｓｒｃ：ＡｉｎｔｒｄｃｎｓｃｌｎｉｅａｄｔｅｌＳｆｕｖｉｅｐｅｈｉｈｐｃｒｌｓｂｒｃｉｎｍｅｈｄ．ｅｉｂｅｍｉｇａｅｕｉｇｍｕｉａｏｓｎｈＯＳｏｎｏｃｄｓｅｃｎｔｅｓｅｔｕｔａｔｔｏａｒｌｌａｏａ
ｉｉｒｖｄｂｎｒｄｃｎｗａａｔｒｎ．ＡｃｏｄｎｏｃｌｃｉｇｒａｐｅｈｄｔｆｎｉｅｔｅｏｔｏｓｏｓｍｐｏｅｙｉｔｕｉｇｔｏｐｒｍｅｅｓｄａｄＢｏｃｒｉｇｔｏｌｔｅｌｓｅｃａａｏｏｓ，ｈｕｃｍｅｆｅｎ
ｂｕｌ．ｎｉｉｒａｅＮＲｃｈｗａｓｉｒａｅｒｍ２ｉｔａｄｔｎｃｅｓｄＳｗｈｉｎｃｅｓｄｆｏ１ｄＢｏ４．Ｂｆｅｔｌｎｄｉｐｏｅｈｅｑｌｔｆｓｅｃ２．ｔ０ｄｅｆｃｉｙａｍｒｖｄｔｕａｉｙｏｐｅｈ．ｖｅ
ｖｉｅａｔｅｄｔｃｉｎａｇｒｈｗｈｃｔｉｓｔｅｈｒｃｅｓｉｓｏｈｒｔｏｃｃｉｅｅｔｌｏｉｍｉｈｕｉｚｈｃａａｔｒｔｆｓｏｔｉＡＭＤＦ（ｅａｅｖｏｔｌｅｉｃ — ｍｅＡｖｒｇＭａｎｔｄＤｉｅｅｃｇｉｅｆｒｎｅｕｆ

改进的多窗谱谱减法语音增强研究

本文基于多窗谱估计提出一种改进多窗谱谱减法。首先借助多窗谱技术估计每帧信号的功率谱，在此基础上利用帧间平滑技术增加相邻帧间的关联性，改善噪声谱的估计误差，再借以实时更新的每帧的先验信噪比，进而更新增益因子，得到增强后的语音。MATLAB 仿真实验表明该方法实现了语音增强。
1 多窗谱谱减法的改进算法
( ) 频点处的功率谱 Pi (k ) = PMTM yi (n) ，PMTM 表示多窗谱估
计函数。Pd (k ) 是估计的噪声功率谱。
语音起始 NIS 帧是噪声帧，则有：
∑ ( ) ( ) Pd
k
=
1 NIS
NIS
Pi
i =1
k

（4）
将谱减后的幅度谱 | Sˆi (k ) | 结合含噪语音相位谱 θi (k ) 进行逆傅里叶变换（IFFT）, 得到减噪以后的语音信号
1.1 传统的多窗谱谱减算法假设噪声 d（n）是加性平稳噪声并且与语音信号 s（n）无
关 [5]，则带噪语音信号 y（n）表示为：
y(n) = s(n) + d (n)
（1）
将带噪语音信号进行加窗分帧得到 yi (m) ，FFT 得到对应频点处的幅度谱 Yi (k ) 以及相位谱 θi (k ) ，多窗谱谱减后
Abstract ：Background noise is one of the sources of interference noise in communication systems, and researchers are paying more and more attention to this problem. Speech enhancement reduces noise effects and improves speech intelligibility [1]. Based on the multi-window spectral subtraction method, this paper combines inter-frame smoothing and a priori SNR estimation, and proposes a speech enhancement algorithm that improves multi-window spectrum. The simulation results show that the proposed algorithm not only improves the speech signal to noise ratio, but also improves the speech intelligibility. Keywords:Speech Enhancement;Multi-window Spectral Subtraction;Inter-frame Smoothing; Prior SNR estimation

基于改进型谱减法的语音增强技术研究

基于改进型谱减法的语音增强摘要本文主要研究改进型谱减算法在语音增强中的应用，目的是增强语音质量，减少语音失真和提高其可度懂。

我们首先介绍了语音增强的研究意义，然后介绍了语音信号的相关理论，进而阐述了语音增强的基本谱减法的原理，并在此基础上提出了一种改进型谱减算法。

该算法通过语音激活检测(端点检测法)来确定“寂静段”（纯噪声段），从而对噪声功率谱进行重新估计。

为了减小基音检测算法可能产生的检测误差，采用了组合递归平滑法来减小噪声谱估计的误差。

整个仿真实验中，我们对引入的加性噪声进行处理，其噪声谱估计的性能可在本文中的MATLAB仿真实验中体现。

仿真结果表明，该算法在去除背景噪声的同时，保证了较小的语音失真、提高了信噪比，达到了较好的测听效果。

最后，基于噪声与语音具有一定的相关性的实际情况，我们提出了算法的进一步改进设想，并对此思想做出了数学推导，得到了算法进一步改进的方向及可行性。

关键词：语音增强；谱减法；噪声估计；端点检测；组合递归平滑；仿真实验；改进算法第1章背景介绍1.1研究背景人们在语音通信过程中不可避免地会受到来自周围环境、传输媒介引入的噪声、通信设备内部电噪声乃至其他讲话者的干扰。

这些干扰最终将使接收者接收到的语音已非纯净的原始语音信号，而是受噪声污染的带噪语音信号。

例如，安装在汽车、飞机或舰船上的电话，街道、机场的公用电话，常受到很强背景噪声的干扰，严重影响通话质量。

又如，室内会议电话的交混回响随同语音广播到每个会议地点，影响收听效果。

再如深海潜水员在氦-氧面罩内讲话引起的失真，语言障碍残疾人的语音失真，有历史价值的旧唱片、旧录音带的噪声和失真等，都是带噪语音信号的例子。

环境噪声污染使许多语音处理系统的性能急剧恶化。

例如，语音识别己取得重大进展，正在步入实用阶段。

但目前的识别系统大都是在安静环境中工作的，在噪声环境中尤其是强噪声环境，语音识别系统的识别率将受到严重影响。

低速率语音编码，特别是参数编码(如：声码器)，也遇到类似问题。

中英翻译《使用加权滤波器的一种改进的谱减语音增强算法》

使用加权滤波器的一种改进的谱减语音增强算法摘要在噪声环境，例如飞机座舱、汽车引擎中，语音中或多或少地夹杂着噪声。

为了减少带噪语音中的噪声，我们提出了一种改进型的谱减算法。

这种算法是利用对谱减的过度减法而实现的。

残余噪声能够利用人类听觉系统的掩蔽特性被掩蔽。

为了消除残余的音乐噪声，引入了一种基于心理声学的有用的加权滤波器。

通过仿真发现其增强的语音并未失真，而且音乐噪声也被有效地掩蔽，从而体现了一种更好的性能。

关键词：语音增强；谱减1.引言语音信号中经常伴有环境中的背景噪声。

在一些应用中如：语音命令系统，语音识别，说话者认证，免提系统，背景噪声对语音信号的处理有许多不利的影响。

语音增强技术可以被分为单通道和多通道或多通道增强技术。

单通道语音增强技术的应用情况是只有一个采集通道可用。

谱减语音增强算法是一个众所周知的单通道降噪技术[]2,1。

大多数实现和多种基本技术的运用是在语音谱上减去对噪声谱的估计而得以实现的。

传统的功率谱相减的方法大大减少了带噪语音中的噪声水平。

然而，它也在语音信号中引入了一种被称为音乐噪声的恼人的失真。

在本文中我们运用一种能够更好、更多地抑制噪声的改进的频谱过度减法的方法[]3。

该方法的运用是为了估计纯净语音的功率谱，它是通过从语音功率谱中减去噪声功率谱的过度估计而实现的。

此外，为了在语音失真和噪声消除之间找到最佳的平衡点，一种基于声学心理学的动机谱加权规则被纳入。

通过利用人耳听觉系统的掩蔽特性能够掩蔽现有的残余噪声。

当确定了语音掩蔽阈值的时候，运用一种改进的掩蔽阈值估计来消除噪声的影响。

该方法提供了比传统的功率谱相减法更优越的性能，并能在很大程度上降低音乐噪声。

2．过度谱相减算法该方法的基本假设是把噪声看作是独立的加性噪声。

假设已经被不相关的加性噪声信号()t n降解的语音信号为()t s：()()()t n t s t x += （1）带噪语音信号的短时功率谱近似为：()()()ωωωj j j e N e S e X +≈ （2）通过用无音期间得到的平均值()2ωj e N 代替噪声的平方幅度值()2ωj e N 得到功率谱相减的估计值为： ()()()222ˆωωωj j j e N e X e S -= （3）在运用了谱减算法之后，由于估计的噪声和有效噪声之间的差异而出现了一种残余噪声。

减谱法在语音增强中的应用

往可以通过某种变化如同态滤波，变为加性噪声）转。
加性噪声通常分为冲激噪声、周期噪声、宽带噪声、语
收稿日期：０８０ —０修回日期：０８８２。２０－６３；２０－－８０
降低宽带噪声的主要方法有３：类非线性处理、减
第３第１期４卷１
２００８年１月１
电子工程师
ＥＥＣＲＯＣＥＬＴＮＩＮＧＩＥＲＮＥ
Ｖｏ．４Ｎｏ１１３．１Ｎｏ．２８ｖｏｏ
减谱法在语音增强中的应用
宋玉凤，锋王烟青陈，
自适应噪声对消法、波变换法听觉掩蔽法、于语音小基
精确估计，并且可以设计一种滤波器，滤除干扰噪声而又不产生影响语音可懂度的副作用。有３种滤波器可以消除周期性噪声：固定滤波器、自适应滤波器和傅里
叶变换滤波器。固定滤波器仅在干扰噪声是平稳的时
１噪声及其常用的消减法
１１噪声及其特点．
滤波器是采用变换技术通过直接变换频谱来消除周期
性噪声。当周期性噪声没有得到精确估计，却能得但到它的参考信号，就可用自适应对消技术消除噪声。
噪声分为加性噪声和非加性噪声（非加性噪声往
（．国防科技大学，南省长沙市４０３１湖１０７；２．中国人民解放军６８８部队，南省济源市４４５）３８河５６０摘要：音信号在传输过程中不可避免地会受到周围环境的影响。如何在语音受到干扰的条语

speech_enhancent(语音增强之谱减法实现)

基于谱减法的语音增强算法及其DSP实现1绪论1.1问题的提出语音是人们相互交流时使用最多、最自然、最基本也是最重要的信息载体。

在实际环境中，语音总会受到外界噪声不同程度的干扰和影响，例如像机械噪声这种很强的背景噪声，别人的说话声等都会在很大程度上影响语音信号的质量，同时由于传输系统本身产生的各种噪声也会干扰和影响语音信号，这样使得经过传输系统后到达接收端的信号不可避免地成为带噪语音信号。

随着语音处理技术研究的深入和实际应用的增多，各种语音处理系统面临着进一步提高性能的问题。

有些语音编码和语音识别系统在无噪声或噪声很小的条件下性能很好，但是当环境噪声增大时，系统的性能却急剧下降。

因此，从带噪语音中最大程度地有效地去除噪声，恢复原始纯净语音，改善听觉效果是语音编码和语音识别系统能否正常可靠工作的前提和关键。

所以研究从带噪语音信号中最大限度地降噪、恢复原始纯净语音是非常必要的。

语音信号是携带语音信息的语音声波。

语音信号作为信息最普遍、最直接的表达方式，在许多领域具有广泛的应用前景。

在实际环境中，应用语音信号处理的关键是抗噪声技术，语音增强是其中的关键技术之一。

语音增强就是对带噪语音进行处理，提高信噪比，降低噪声的影响，改善听觉的效果。

采用语音增强算法，可以提高语音处理系统前端预处理的抗噪声能力和输入信号的信噪比，语音增强因此作为预处理或前端处理模块存在于语音处理系统中，并成为语音信号处理与识别系统的重要组成部分助，而且在解决噪声污染、改进语音质量、提高语音可懂度等方面发挥着重要的作用。

1.2语音增强算法及其研究现状语音增强研究从20世纪60年代开始一直到现在都没有停止过，并且由于在70年代数字信号处理理论的成熟，也进而掀起了语音增强技术研究的热潮，同时也取得了一些基础性的成果。

80年代以后，VLSI(超大规模集成电路)技术的发展为语音增强的实时实现提供了可能。

语音增强的目的是从带噪语音信号中尽可能地恢复原始的纯净语音。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

２
行比较， ! 的取值为 !＝" ，当 "＝０．４时， !＝０．１６；当 "＝０．７时， !＝０．４９。文献［１］中提出的算法和笔者算法均优于基本谱减法。笔者算法调整ｍ， ! 值，效果较文献［１］中提出的算法有一定程度的改善，例如ｍ＝１．３， !＝０．１６和
２Ｅ［Ｓ（ !） · Ｎ（ !）ｃｏｓ（ "Ｓ－ "Ｎ）］（５）
由于ｓ（ｔ）和ｎ（ｔ）相互独立，Ｅ［Ｓ（!） · Ｎ（!）ｃｏｓ（ "Ｓ－
"Ｎ）］＝０，从而得到
２
２
２
Ｙ（ !）＝Ｓ（ !）＋Ｎ（ !）
（６）
语音技术
ＹＶｏｉｃｅｔｅｃｈｎｏｌｏｇ
Ｓ（ !）
１
２
］
｝
２
#
（１０）
$
%Ｅ［
Ｎ（ !）
］＝$｛Ｅ［
Ｎ（ !）
１
２
］
｝
２
其中０≤%， &≤１，因此
Ｅ［Ｓ（ !）］Ｅ［Ｎ（ !）］Ｅ［ｃｏｓ（ "Ｓ－ "Ｎ）］＝
１
%&Ｅ［ｃｏｓ（ "Ｓ－ "Ｎ）］｛Ｅ［
Ｓ（ !）
２
］Ｅ［
Ｎ（ !）
２
］
｝
２
＝
１
’｛Ｅ［
Ｓ（ !）
语音技术
Ｖｏｉｃｅｔｅｃｈｎｏｌｏｇｙ
文章编号：１００２－８６８４（２００８）０２－００４６－０３
改进的谱减法在语音增强中的应用
·论文·
职振华１，马建芬２（１．太原理工大学信息工程学院，山西太原０３００２４；２．太原理工大学计算机与软件学院，山西太原０３００２４）
用带噪语音信号ｙ（ｔ）的相位谱来代替估计之后的语音
信号相位谱。
４改进谱减法的改进形式
参照文献［２］中提到的基本谱减法改进形式为
１
Ｓ（ !）
＝［
Ｙ（ !）
ｍ
－ｎＮ（ !）
ｍ
］
ｍ
（１５）
基于式（１４）的谱减法改进形式可表示为
１
Ｓ（ !）
＝［
Ｙ（ !）
ｍ
－（１－ (）
Ｎ（ !）
ｍ
］
ｍ－
０６．１９８１０７．１４９４０７．４４３４０７．５３９３０７．５３９３０７．４３２４０７．５１６１０７．０１９９０７．４０２９０
５１０．２３０００１１．００６００１１．１３８００１１．０６３００１１．０６３００１１．１６８００１１．１４９００１０．８９２００１１．０９０００
在实验中选择１段录制的干净语音，噪声选择
ＮＯＩＳＥ－９２数据库中Ｆ１６战斗机噪声。语音信号和噪声
信号均是８ｋＨｚ采样，１６ｂｉｔ量化。将干净的语音信号
与噪声线性相加组成不同信噪比（－１０ｄＢ，－５ｄＢ，０ｄＢ，
５ｄＢ，１０ｄＢ）的含噪语音信号。对含噪语音信号加汉明窗
１
［(
Ｎ（ !）
ｍ
］
ｍ
（１６）
２
其中， (＝’ ，０≤(≤１；ｍ不一定是整数，可以灵活选择。
２
２
Ｓ（ !）的估计相位谱和Ｙ（ !），Ｎ（ !）的求解方法
与基本谱减法中的求解方法一样。
在式（１６）中，ｍ＝２， (＝０时为基本的谱减法；ｍ＝２时
为文献［１］中提出的改进谱减法；ｍ＝１， (＝０为基本的幅
语音技术
Ｖｏｉｃｅｔｅｃｈｎｏｌｏｇｙ
ＳＮＲｉｎ／ｄＢ基本谱减法ＳＮＲｏｕｔ／ｄＢ文献［１］算法ＳＮＲｏｕｔ（ "＝０．４）／ｄＢ文献［１］算法ＳＮＲｏｕｔ（ "＝０．７）／ｄＢ笔者算法ＳＮＲｏｕｔ（ｍ＝１．０， !＝０．１６）／ｄＢ笔者算法ＳＮＲｏｕｔ（ｍ＝１．０， !＝０．４９）／ｄＢ笔者算法ＳＮＲｏｕｔ（ｍ＝１．３， !＝０．１６）／ｄＢ笔者算法ＳＮＲｏｕｔ（ｍ＝１．３， !＝０．４９）／ｄＢ笔者算法ＳＮＲｏｕｔ（ｍ＝３．０， !＝０．１６）／ｄＢ笔者算法ＳＮＲｏｕｔ（ｍ＝３．０， !＝０．４９）／ｄＢ
ＺＨＩＺｈｅｎ－ｈｕａ１，ＭＡＪｉａｎ－ｆｅｎ２
（１．ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅ，ＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００２４，Ｃｈｉｎａ；
２．ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＳｏｆｔｗａｒｅＩｎｓｔｉｔｕｔｅ，ＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００２４，Ｃｈｉｎａ）
由于平稳噪声的功率谱在发音前和发音期间基本没有
变化，这样可以通过发音前的“寂静段（通常认为带噪
语音的前３￣４帧） ”的平均功率谱来估计噪声的功率谱
２
Ｎ（ !），因此
２
２
２
Ｓ（ !）＝Ｙ（ !）－Ｎ（ !）
（７）
由此得到原始语音的估计值
１
Ｓ（ !）
＝［
Ｙ（ !）
２
－
Ｎ（ !）
２
度谱减算法［３］。
５模拟实验
为了验证笔者提出的谱减法改进形式用于语音增
强时的有效性，选择信噪比（ＳＮＲ）作为衡量指标，并对
增强前后的语音进行试听实验。
信噪比（ＳＮＲ）的定义式为
’’ ＳＮＲ＝１０ｌｇ
２
［ｓ（ｋ）］
２
［ｙ（ｋ）－ｓ（ｋ）］
（１７）
其中，ｋ为采样点数。
!"# 电声技术２００８年第３２卷第２期
假设ｓ（ｔ）为纯净语音信号，ｎ（ｔ）为噪声信号，ｙ（ｔ）
为带噪语音信号，则
ｙ（ｔ）＝ｓ（ｔ）＋ｎ（ｔ）
（１）
用Ｙ（ !），Ｓ（ !），Ｎ（ !）分别表示ｙ（ｔ），ｓ（ｔ），ｎ（ｔ）的傅里
进行分帧，每帧２５６个采样点，帧间重叠１２８个采样点。
在不同信噪比条件下，分别用基本谱减法、文献［１］
中提出的改进谱减法以及笔者提出的谱减法改进形式
３种算法进行实验，实验对比结果如表１所示。表１中
ＳＮＲｉｎ表示输入信噪比，ＳＮＲｏｕｔ表示输出信噪比。
! " # 电声技术２００８年第３２卷第２期
２
２
２
Ｙ（!）＝Ｓ（!）＋Ｎ（ !）＋２’ Ｓ（!） · Ｎ（ !）（１３）
由式（１３）可得
１
Ｓ（ !）
＝［
Ｙ（ !）
２
２
－（１－ ’ ）
Ｎ（ !）
２
］
２
－
１
２
［’
Ｎ（ !）
２
］
２
（１４）
２
由带噪语音信号ｙ（ｔ）可以求得Ｙ（ !），通过发音前
２
“寂静段”的平均功率谱来估计噪声的功率谱Ｎ（ !），
表１３种算法增强效果比较
－１００．９８９９５１．２２１７０１．３３９６０１．４２５４０１．４２５４０１．３３２９０１．３８７４０１．１７２４０１．３１８１０
－５２．９６２３０３．４７９９０３．６７２３０３．９４９５０３．９４９５０３．６４２００３．８２６５０３．３９７２０３．６１４２０
１引言
语音增强的目的是从带噪语音中提取出尽可能纯净的原始语音，而谱减法是目前最常用的语音增强技术。在基本的谱减法（通常是指功率谱减法）中假设噪声和语音是相互独立且噪声是零均值的高斯分布，但在现实世界中噪声几乎都不是零均值的高斯分布，因此在利用基本谱减法进行语音增强时效果并不是很好。文献［１］中提出的改进谱减算法已经打破了基本谱减法的假设，笔者在文献［１］的基础上对谱减算法进行了进一步改进。
１０１４．４８０００１５．０４０００１５．００７００１４．７６５００１４．７６５００１５．０８７００１４．９６３００１４．９４０００１４．９５３００
表１中给出了各种算法的ＳＮＲｉｎ和ＳＮＲｏｕｔ。从表１６结论
中可以看出：为了与文献［１］中提出算法的增强效果进
基本谱减法对含噪语音进行增强后，虽然噪声已经明显减少，但又产生了令人讨厌的有节奏的音乐噪声。文献［１］中提出的算法是笔者提出的谱减法改进形式的特殊形式。通过实验结果，笔者提出的谱减法改进形式在语音增强方面有明显效果，较大程度上抑制了
ｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｉｍｐｒｏｖｅｓｔｈｅｓｐｅｅｃｈｑｕａｌｉｔｙａｎｄｒｅｄｕｃｅｓｔｈｅｍｕｓｉｃａｌｎｏｉｓｅｅｆｆｅｃｔｉｖｅｌｙ．
【Ｋｅｙｗｏｒｄｓ】ｓｐｅｃｔｒａｌｓｕｂｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍ；ｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔ；ｍｕｓｉｃａｌｎｏｉｓｅ
］
２
（８）
由于语音是短时平稳的，因此需要对带噪语音信
号ｙ（ｔ）进行分帧处理，为避免分帧时的截断效应，应