小波包分解下的多窗谱估计语音增强算法

合集下载

基于多窗谱估计的维纳滤波语音增强算法

基于多窗谱估计的维纳滤波语音增强算法张正文;周航麒【摘要】针对维纳滤波在复杂背景噪声情况下,语音信号成分衰减过大的问题,提出了一种基于多窗口谱估计和维纳滤波相结合的语音增强方法.该方法先将带噪语音进行多窗口谱估计,再通过小波阈值去除噪声项得到近似纯净的语音谱;然后与维纳滤波处理后的语音谱相比较,根据不同的失真类型选择相应的谱作为最终增强的语音谱.仿真结果表明,在不同类型的噪声和信噪比条件下,该方法在抑制噪声和降低语音信号衰减上优于均方预测误差(MSCEP)和预白化子空间(PSS)方法.【期刊名称】《河南理工大学学报（自然科学版）》【年(卷),期】2015(034)005【总页数】5页(P686-690)【关键词】信噪比;维纳滤波;小波阈值;多窗口谱估计【作者】张正文;周航麒【作者单位】湖北工业大学电气与电子工程学院,武汉430068;湖北工业大学电气与电子工程学院,武汉430068【正文语种】中文【中图分类】TN912.350 引言语音增强是语音编码(Speech Code)的关键步骤。

在实际中，语音很容易受到噪声的污染，致使语音质量下降。

因此，当语音信号被不同的噪声干扰时，能在较低的信噪比环境下抑制背景噪声，尽量不影响原始语音信号的可懂性是语音编码的重要问题。

为了抑制语音的噪声，学者已经提出了一些语音增强方法［1－2］。

现比较常用的谱减法［3］，从带噪语音功率谱中减去噪声功率谱得到增强语音的功率谱;然而噪声谱是通过对带噪语音估计获得，而真实噪声谱和估计噪声谱存在误差，其残留音乐噪声使人不舒服。

维纳滤波［4］(Wiener Filter)语音增强算法是一种基于统计模型，采用“直接判别”最小均方误差(Minimizing the Mean－Squared Error，MMSE)短时谱估计方法，估计当前帧的先验信噪比，增强后的语音残留噪声类似于白噪声且噪声大大减少;然而维纳滤波要求待处理信号是平稳信号，当语音信号中噪声较多时会导致语音信号成分衰减过大，得不到理想纯净语音信号。

基于正交小波包分解的语音去噪增强

ａｃｒｉｇｔ盯ｒｌ．Ｆｎｌｃｏｄｎｏ３ｕｅｉａｌｙ．ｔｅｄ — ｏｓｎｎａｃｄｓｅｃｅｒｂａｎｄｖａｔｅｉｖｒｅｗｖｌｔｐｃｅｈｅｎｉａｄｅｈｎｅｐｅｈｓｗｅｅｏｔｉｅｉｈｎｅａｅｅａｋｔｅｓｔｎｆｒｒｓｍ．ＢｓｄＯｌａｏａｅｉＭＡＡＢ，ｆｒｔｅｓｅｃｉｎｔｏｓｓｄｎｉｄａｄｅａｃｄＴＬｏｈｐｅｈｓａｗｉｎｉｅｗａｅｏｓｎｎｎｅ．Ｔｅｅｐｒｎｓｓｏｇｌｈｅｈｈｘｅｍｅｔｈｗ
３８・— ８－・ —
用动态阈值对小波系数进行噪声抑制，而可以有效地去除从
噪声，强语音。增
系数主要由语音信号控制。因此设置一个合适的阈值，仅利用超过阈值的那些显著的小波系数来重构语音信号，可较就
好地去除噪声。
一
２小波包阈值增强新算法
ｌ引言
噪声不仅影响语音可懂度和清晰度，且造成人耳听觉而
取阈值是小波包增强算法的关键。早期的文献通常局限于
不变阈值，Ｄｎｂ和Ｊｈｓｎ如ｏｏｏｏｎｔｅ提出的非线性小波变换阈ｏ
疲劳。语音增强的目的就是为了抑制背景噪声，改善语音质量，同时提高语音的可懂度和清晰度 … 。一般来说，语音增
强方法分为２大类：时域方法（子空间法）频域方法（如和如

基于小波变换的语音增强算法研究

基于小波变换的语音增强算法研究随着科技的不断发展，语音识别与语音合成技术的应用越来越广泛。

然而在实际的应用过程中，由于受外界环境噪声等因素的干扰，语音信号的质量往往会受到很大的影响，从而导致系统的性能下降。

因此，如何降低语音信号的噪声干扰，提高语音信号的清晰度和可识别性就成为了当前的研究热点。

其中，基于小波变换的语音增强算法是一种比较有效的方法。

一、小波变换原理及其在语音处理中的应用小波变换是一种对信号进行分析和处理的数学工具，它可以将信号分解成多个频带，并对每个频带进行独立的处理。

小波变换的优点在于它既能提取信号的短时信息，又能保留信号的长时信息，因此它在语音处理中的应用非常广泛。

在语音增强中，小波变换可以用来将语音信号分解成多个频带，然后对每个频带进行独立的处理。

由于语音信号中的噪声频率通常较高，因此我们可以利用小波变换将主要的语音信息和噪声分离出来，并对噪声进行滤波处理，以达到降噪的目的。

二、小波变换语音增强算法的实现步骤1.语音信号的预处理在进行小波变换前，通常需要对原始语音信号进行预处理。

预处理主要包括对语音信号进行分帧和加窗处理。

分帧是将语音信号分成若干个短时段，加窗是为了减小信号末端振荡的影响，同时防止窗口边缘出现断点。

2.小波分解将预处理后的语音信号进行小波分解，得到其各个频带的系数。

小波变换的选择可以根据实际需要进行调整，目前常用的小波有哈尔小波、Daubechies小波、Symlets小波等。

3.频带滤波在小波分解后，得到多个频带的系数，其中高频部分包含了噪声信息，而低频部分则包含了主要的语音信息。

因此可以采用不同的滤波方法对不同频带的系数进行处理。

常用的方法有阈值处理、软阈值处理、硬阈值处理等。

4.小波重构对滤波后的系数进行小波重构，得到增强后的语音信号。

需要注意的是，在小波重构时，为避免出现信号失真，需要采用对称性重构的方法，即保留反卷积所需的系数。

三、小波变换语音增强算法的优缺点1.优点：（1）小波变换能够充分利用语音信号的时频特性，提取出时域和频域信息。

用小波包改进子空间的语音增强方法

更加细致地分析和重构的方法，但对低频部分进不
行分解，而且对高频部分也做了二次分解，对信号的
图ｌ子空Ｉ司语晋增强方法原理图
分析能力更强，别适于处理非平稳信号ｌ］特＿。该算３
法采用小波包变换的方法对子空间域中带噪语音特征值进行处理，即采用改进的小波软判决阈值函数，得到更新的带噪语音的特征值，计出纯净语音特估
法，觉感受上增强语音也具有更好的清晰度和可懂度。听
关键词：音增强；空间；渡包；阈值函数语子小
中图分类号：ＴＮ９２音增强是解决噪声污染的一种有效的预处理
技术，随着数字通信系统的快速发展和广泛使用，人们越来越重视语音增强在语音处理方面的作用。近年来，子空间方法在语音增强研究中已有了较大发
假设带噪语音信号可以表示为：
Ｓ — Ｘ＋Ｎ．（）１
式中，ｓ是带噪语音；是纯净语音；是方差为ＸＮ的高斯白噪声，ｘ，为Ｋ维矢量。ｓ，Ｎ
征值，并采用基于统计信息算法更新噪声特征值，从
而实现了对噪声特征值更加准确的估计ｒ。８］
用小波包改进子空间的语音增强方法
贾海蓉，雪英，晓薇张牛
（原理工大学信息工程学院，原００２）太太３０４

一种新阈值函数的小波包语音增强算法

p p d2 j + 1 （ k ） = ∑ d j （ m ） h0 （ m － 2 k ） m= －∞ ∞ p +1 p d2 j + 1 （ k ） = ∑ d j （ m ） h1 （ m － 2 k ） m= 1
新阈值函数和新的 Bark 尺度小波包分解结构
传统阈值函数小波阈值去噪算法中传统的阈值函数
［10 ］
（ 2）（ 3）
主要有：
a）硬阈值函数。与硬阈值函数不同的是，当小波包系数的绝对值大于给定的阈值时，则令其保持不变，即
^
p p）即第 j 层第 p 个节点处的小波包系其中： d j （ k）表示节点（ j，
数； h0 （ k）是通带在 0 ～
π 之间的低通滤波器； h1 （ k ）为通带在 2
第 30 卷第 1 期 2013 年 1 月
计算机应用研究 Application Research of Computers
Vol. 30 No. 1 Jan． 2013
一种新阈值函数的小波包语音增强算法
任永梅，张雪英，贾海蓉
*
（太原理工大学信息工程学院，太原 030024 ）摘要：针对传统软、硬阈值函数去噪方法增强的语音存在失真的问题，提出一种新阈值函数的小波包语音增
w j， k =
π ～ π 之间的高通滤波器。 2 p）处的小波包系数 d p 在节点（ j， j （ k ）可由式（ 4 ）重建：
dp j （ k） =
p ^2 d j +1（
{
w j， k 0
w j， k ≥λ w j， k ＜λ
（ 7）
b）软阈值函数。与硬阈值函数不同的是，当小波包系数的绝对值大于给定的阈值时，令其减去阈值，即

一种基于小波变换和谱减法的改进的语音增强算法

一种基于小波变换和谱减法的改进的语音增强算法卢景;赵风海【摘要】谱减法是目前受到广泛研究的语音增强算法之一,但谱减法分辨率固定及存在音乐噪声残留的问题,限制了谱减法的应用推广.本文针对以上问题,利用小波变换的多分辨率特性及谱减法运算量小、处理速度快的特点,提出了一种基于小波变换和改进的Berouti谱减法的改进语音增强算法.实验结果表明,该算法在抑制噪声,增强语音信号的可懂度及鲁棒性方面优于传统的谱减法.【期刊名称】《电声技术》【年(卷),期】2018(042)012【总页数】6页(P8-12,69)【关键词】谱减法;小波变换;语音增强【作者】卢景;赵风海【作者单位】南开大学电子信息与光学工程学院,天津市光电传感器与传感网络技术重点实验室,天津300350;南开大学电子信息与光学工程学院,天津市光电传感器与传感网络技术重点实验室,天津300350【正文语种】中文【中图分类】TN912.3语音增强是语音信号处理领域的一个重要研究课题，语音增强对含噪语音的去噪结效果，直接关系着语音样本的可用性。

语音去噪的目的即获取纯净的语音信号。

近年来，语音信号处理在现实生活中得到了极大的应用，如语音识别、说话人识别及性别识别等技术用于帮助听力障碍者[1]。

无噪声的语音信号可有效的提高语音信号处理系统的性能。

语音增强技术主要分为单通道、双通道和多通道三类，其中谱减法是单通道语音增强技术中发展最早，应用最为广泛的一种算法[2]。

谱减法由于算法简单、运算量小等优点获得了广泛的研究及关注。

该算法的主要缺点即处理语音信号后，信号频谱内残留音乐噪声。

针对这一问题，人们从听觉掩蔽特性、噪声分类处理及多分辨率等多方面提出了改进方法[3]，这些改进算法在一定程度上减小了音乐噪声的残留率。

20世纪80年代后期新兴的小波分析理论，克服了谱减法分辨率固定的缺点，在多分辨率下观测信号。

在含噪语音信号中，信号能量大部分分布在低频段，但噪声信号能量大部分分布在高频段，利用小波分析的多分辨率及与人耳听觉特性相似的特点[4]，将多频率组成的语音信号分解成不同频段的子信号，分析高频信号的时间窗口小，时域分辨率高；低频信号的时间窗口大，频域分辨率高[5]。

基于小波分析的语音信号增强的研究-兰州交通大学自动化与电气工程学院

基于小波分析的语音信号增强的研究------兰州交通大学自动化与电气工程学院姚瑶摘要：语音增强目的是从带噪语音中尽可能纯净的原始语音，即消除含噪语音信号中的噪声成份，提高输入信号的信噪比。

在实际应用环境中，语音都会不同程度受到噪声的干扰，噪声会影响语音质量，严重的情况下将语音完全淹没到噪声中，无法分辨。

本文将读入的语音信号加入正态随机噪声，然后对含噪声的语音信号进行小波分解，估计噪声的方差，然后获取去噪的阈值并对小波分解的高频系数进行阈值量化，得到去哚后的语音信号。

仿真证明此方法具有很好的增强效果。

关键词：小波分析，阈值．语音增强中图分类号：TN911文献标识码：A文章编号：1673-1131(2010)03-059-03引言语音在传输过程中不可避免地要受到来自周围环境和传输媒介引入的噪声、通讯设备内部噪声、乃至其它讲话者语音的干扰。

例如：车站、商场、娱乐场所的公用电话、车载电话、机载电话等都要受到强噪声的干扰。

在远距离通讯中传送的语音信号要受到信道噪声和通讯设备自身噪声的干扰。

在这些情况下则需要对带噪语音进行语音增强处理，以消除背景噪声，提高语音质量。

另外在语音识别系统、语音编码系统中，由于这些系统在设计时一般针对的是纯净语音，当这些系统对带噪进行处理的时候将导致系统性能的急剧恶化，甚至不能正常工作，这时也需要对带哚语音进行语音增强处理。

一、小波变换小波变换是80年代后期才发展起来的应用数学的分支。

法国数学家Y．Meyer.地质物理学家J．Morlet和理论物理学家A．Grossman等人对小波变换的理论的完善起到了积极的作用，并且把这一理论引入工程应用。

特别是信号处理领域．则主要是法国学者I．Daubechies和S．Mallat的功劳。

小波变换的定义为：把某一被称为基本小波叫母小波的函数W(t)位移t后再在不同尺度虾与待分析信号x(做内积。

给定一个基本函数先做位移再做伸缩得到一组三、小波去噪及小波阈值仿真(1)小波去噪实验小波变换不只在小波对信号的分解上，分解的方法有很多，也要综合考虑，但分解不是最终目的，在分解后我们需要对信号进行处理（比如是去噪）．在处理完后需要对处理后的信号进行提取，以便进行对信号的重构，重构的方法也有不同．比如小波重构和小波滤波器重构，但这两者从效果上看基本上差不多。

小波变换在语音增强中的应用及效果评估

小波变换在语音增强中的应用及效果评估语音增强是一项重要的音频处理技术，它可以提高语音信号的质量和清晰度，使得语音更易于理解和识别。

而小波变换作为一种有效的信号处理方法，被广泛应用于语音增强领域。

本文将探讨小波变换在语音增强中的应用，并对其效果进行评估。

首先，我们来了解一下小波变换的基本原理。

小波变换是一种时频分析方法，它将信号分解为不同频率和时间分辨率的子信号。

与傅里叶变换相比，小波变换具有更好的局部性和时频分辨率，能够更准确地捕捉信号的瞬态特征。

在语音增强中，小波变换可以将语音信号分解为不同频率的子带，然后对每个子带进行增强处理，最后再将增强后的子带合成为增强后的语音信号。

在实际应用中，小波变换可以用于降噪、去混响和增强语音信号的清晰度。

首先，对于降噪来说，小波变换可以将语音信号分解为低频和高频成分，通过滤波的方式去除高频噪声，从而提高语音信号的信噪比。

其次，对于去混响来说，小波变换可以将语音信号分解为短时和长时成分，通过滤波的方式去除长时混响，从而使语音更加干净和清晰。

最后，对于增强语音信号的清晰度来说，小波变换可以对语音信号的高频成分进行增强，使得语音的高频部分更加突出，从而提高语音的清晰度和辨识度。

接下来，我们来评估小波变换在语音增强中的效果。

为了进行评估，我们选取了一段含有噪声和混响的语音信号作为测试样本，并使用小波变换进行增强处理。

经过增强后，我们对增强前后的语音信号进行了主观评估和客观评估。

主观评估是通过人工听觉感知来评估语音增强效果的一种方法。

我们请了一些志愿者，让他们分别听取增强前后的语音样本，并对其清晰度、可懂度和自然度进行打分。

结果显示，经过小波变换增强处理后的语音信号在清晰度、可懂度和自然度方面都有明显的提高，志愿者们普遍认为增强后的语音更加清晰、易于理解和自然。

客观评估是通过一些客观指标来评估语音增强效果的一种方法。

我们使用了信噪比（SNR）和语音质量评估算法（PESQ）来评估增强前后的语音信号。

基于小波阈值的多语音增强谱联合噪声估计算法(IJIGSP-V11-N9-5)

I.J. Image, Graphics and Signal Processing, 2019, 9, 44-55Published Online September 2019 in MECS (/)DOI: 10.5815/ijigsp.2019.09.05Speech Enhancement based on Wavelet Thresholding the Multitaper Spectrum Combined with Noise Estimation AlgorithmP.SunithaResearch Scholar, Dept. of ECE, JNTUK,IndiaEmail:Sunitha4949@,Dr.K.Satya PrasadRetd.Professor, Dept. of ECE, JNTUK,IndiaEmail:sprasad.kodati@Received: 26 May 2019; Accepted: 26 June 2019; Published: 08 September 2019Abstract—This paper presents a method to reduce the musical noise encountered with the most of the frequency domain speech enhancement algorithms. Musical Noise is a phenomenon which occurs due to random spectral speaks in each speech frame, because of large variance and inaccurate estimate of spectra of noisy speech and noise signals. In order to get low variance spectral estimate, this paper uses a method based on wavelet thresholding the multitaper spectrum combined with noise estimation algorithm, which estimates noise spectrum based on the spectral average of past and present according to a predetermined weighting factor to reduce the musical noise. To evaluate the performance of this method, sine multitapers were used and the spectral coefficients are threshold using Wavelet thresholding to get low variance spectrum .In this paper, both scale dependent, independent thresholdings with soft and hard thresholding using Daubauchies wavelet were used to evaluate the proposed method in terms of objective quality measures under eight different types of real-world noises at three distortions of input SNR. To predict the speech quality in presence of noise, objective quality measures like Segmental SNR ,Weighted Spectral Slope Distance ,Log Likelihood Ratio, Perceptual Evaluation of Speech Quality (PESQ) and composite measures are compared against wavelet de-noising techniques, Spectral Subtraction and Multiband Spectral Subtraction provides consistent performance to all eight different noises in most of the cases considered.Index Terms—Speech Enhancement, Wavelet thresholding, Multitaper Power Spectrum, Noise power estimation, smoothing parameter, SNR, threshold.I.I NTRODUCTIONSpeech is a basic way of communicating ideas from one person to another. This speech is degraded due to background noise .To reduce this background noise numerous speech enhancement algorithms were available, among them spectral subtractive algorithms are more popular because of their simple implementation and their effectiveness. In these algorithms Noise power spectrum is subtracted from the noisy power spectrum by assuming the noise spectrum is available. These methods introduce musical noise due to inaccurate estimate of noise. These spectral subtractive algorithms works well in stationary noise but they fails in non-stationary noise. This led to the use of low variance spectral estimation methods because spectral estimation plays a key role in speech enhancement algorithms. To reduce the variance an average of estimate can be calculated across all frequencies. To improve the speech quality and intelligibility in presence of highly non stationary noise, a speech enhancement algorithm requires noise estimation algorithms which update the noise spectrum continuously. Most of the speech enhancement applications in non-stationary scenarios use noise estimation methods algorithms which track the noise spectrum continuously. Now, researchers focus their attention to improve the speech quality and intelligibility using efficient noise estimation algorithms. Estimate of noise signal strongly depends on the smoothing parameter. If its value is too large i.e closer to one results in over estimation of the noise level. Generally, smoothing parameter is set to be small during speech activity to track the non-stationary of the speech. This makes the smoothing parameter as time and frequency dependent, taking into the consideration of speech presence or absence probability. Numerous noise estimation algorithms are available in literature. One among them is minimum statistics algorithm, proposed in [1] estimates the noise by considering the instantaneous SNR of speech using smoothing parameter and bias correction factor. It tracks the minimum over a fixed window and updates the noise PSD. The performance of this method was tested under non-stationary noise it results in large error and it is unable to respond for fast changes in increasing levels of noise power. Martín .R implemented spectral subtraction with minimum statistics and its performance was evaluated in terms of both objective and subjective measures. This was comparedagainst spectral subtraction method that uses voice activity detection which results in improved speech intelligibility measures [2].Another variant of minimum statistics suggested in [3] implements estimates noise by continuous spectral minimum tracking in sub bands. In this method a different approach was used to obtain spectral minimum, by smoothing the noisy speech power spectra continuously using a non-linear smoothing rule. This non-linear tracking provides continuous smoothing over PSD without making any distinction between speech presence and absence segments. The shortcoming of this was when noise power spectrum increases, then the noise estimate increases irrespective of changes in the noise power level. Similarly when the noisy power is decreasing then the noise power is decreasing .This will results in overestimation of speech during speech presence regions i.e clipping of speech. This method was evaluated in terms of objective and subjective quality measures it shows its superior performance over Minimum statistics algorithm. The non-uniform effect of noise on the speech spectrum affects few frequency components severely than others. This led to the use of time recursive noise estimation algorithm which updates the noise spectrum when the effective SNR in a particular band is too small [4]. In this method noise spectrum is estimated as a weighted average of past and present estimates of noisy power spectrum depending on the effective SNR in each frequency bin .This algorithm works well in tracking the non-stationary noise in case of multitalker babble noise. Another type of recursive algorithm ,which uses a fixed smoothing factor, but the noise spectrum should be updated based on the comparison of the estimated a-posteriori SNR over a threshold[5].If this a-posteriori SNR is larger than the threshold indicates that speech presence and no update is required for noise spectrum. Otherwise it is treated as a speech absence segment, which requires a noise updating. This method is well known as weighted spectral averaging. In this method the threshold value, have a significant effect on the noise spectrum estimation .If the threshold value is too small noise spectrum is underestimated, conversely the threshold value is too high then the spectrum is over estimated. Improvements to the Minimum statistics was suggested in [6] by using optimal smoothing for noise power spectral density estimation. Cohen proposed noise estimation algorithm, which uses time-frequency dependent smoothing factor which requires continuous updating depending on the speech presence probability in each frequency bin .Speech presence probability was calculated as the ratio of the noisy power spectrum to its local minimum [6].This local minimum is computed considering the smoothed noisy PSD, over a fixed window by sample wise comparison of noisy PSD. This has a short coming ,it may lag when the noise power is raising from the true noise PSD .To address this shortcoming, a different approach was suggested in[8,9] uses continuous spectral minimal tracking and frequency dependent threshold was used to identify the speech presence segments .This method was evaluated in terms of subjective preference tests over other noise estimation algorithms like MS and MCRA. This method shows better performance .Further refinement to this algorithm was reported in [10] i.e noise power spectrum estimation in adverse environments by Improved Minima Controlled Recursive Averaging (IMCRA).This method involves two steps smoothing and minimal tracking .Minimal tracking provides Voice Activity Detection in each frame whereas smoothing excludes strong speech components. Speech presence probability is calculated using a –posteriori and a-priori SNRs. This method yields in lower values of error for different types of noise considered.The structure of the paper is as follows, Section II provides Literature review , Multitaper spectral estimation and spectral refinement is given in Section III ,noise estimation by weighted spectral averaging technique was presented in section IV ,section V presents proposed speech enhancement method, results and discussion in VI and finally section VII gives conclusion.II.L ITERATURE R EVIEWThis section presents literature review on spectral subtractive type algorithms for single channel enhancement techniques. In the past, number of researchers proposed different speech enhancement methods. Most of them are based on Spectral Subtraction (SS), Statistical Model based, Sub space algorithms and Transform based methods. One of the popular noise reduction method which is computationally efficient and less complexity for single channel speech enhancement is Spectral subtraction proposed by Boll S.F for both Magnitude and Power Spectral Subtraction which itself creates a bi-product named as synthetic noise[17].A significant improvement to spectral subtraction with over subtraction factor and spectral floor parameter to reduce the musical noise given by Berouti [19]is Non –Linear Spectral subtraction . Multi Band Spectral Subtraction (MBSS) proposed by S.D. Kamath with multiple subtraction factors in non-overlapping frequency bands [18] .Ephraim and Malah proposed spectral subtraction with MMSE using a gain function based on priori and posteriori SNRs[20].Spectral subtraction based on perceptual properties using masking properties of human auditory system proposed by Virag [21].Another method in spectral subtraction with Wiener filter to estimate the noise spectrum is extended spectral subtraction by Sovka [22]. Spectral Subtraction algorithm based on two-band is Selective spectral subtraction described by He,C.and Zweig,G. [23].Spectral subtraction with Adaptive Gain Averaging to reduce the overall processing delay given by Gustafsson et al[24].A frequency dependent spectral subtraction is non-linear spectral subtraction (NSS) method conferred by Lockwood and Boudy[25].The spectral subtractive type algorithms works well in case of additive noise but fails in colored noise. To overcome this problem Hu and Loizou proposed a Speech enhancement technique based on wavelet thresholding the multitaper spectrum [11] and its performance is evaluated in terms of objective quality measures.III. M ULTITAPER S PECTRAL E STIMATION A ND S PECTRALR EFINEMENT Due to sudden changes and sporadic behavior, Speech signal can be modeled as a non- stationary signal. As time evolves the statistics like mean, variance, co-variance and higher order moments of a non-stationary signal changes over time. Spectral analysis plays a major rule in speech enhancement techniques to get accurate noise estimation. FFT method is widely used to get power spectrum estimation in most of the speech enhancement algorithms especially in spectral subtractive type methods. The estimated power spectrum obtained by FFT is reduced by variance of the estimate and energy leakage across frequencies which create bias. To avoid leakage, multiply the signal in time domain with a suitable window which having less energy in side lobes. Type of window affects the noise estimate in speech enhancement algorithms, hence selection of desirable window which provides an accurate noise estimation plays a significant role in Speech enhancement process .Generally Hamming window is preferable with less energy in side lobes but it effects the estimate by reducing leakage but not the variance. In most of the speech enhancement algorithms noise estimate is obtained by using suitable windows which reduce the bias but not the variance. The variance can be reduced by taking multiple estimates from the sample which can be achieved by using tapers. Hu and Loizou [11] used these multi-tapers to get low variance spectral estimate ,further the spectrum was refined using wavelet thresholding ,Finally this was used to improve the quality of speech signal in case of highly non-stationary noise. Results shows that this method has superior performance in terms of quality measures with high correlation between subjective listening test and objective quality measures. Speech enhancement techniques find wide range of applications like hearing aids to personal communication, teleconferencing, Automatic Speech Recognition (ASR), Speaker Authentication and Voice operated Systems. The multitaper spectrum estimator is given byS ̂mt (ω)=1L ∑Ŝpmt L−1p=0(ω) (1) WithS ̂p mt (ω)=|∑b p (m )x (m )e−jωm N−1M=0|2 (2) Here data length is given by N and b p is the p thsine taper used for spectral estimate [12] and b p is given byb p (m )=√2N+1sinπp(m+1)N+1,m =0,.N − 1 (3)Further refinement of spectrum is obtained by applying wavelet thresholding techniquesv (ω)=S ̂mt (ω)S(ω)~X 2L22L,0<ω<π (4)Where v (ω)is the ratio of the estimated multitaper spectrum to the true power spectrum .Taking logarithm on both sides, we getlogŜmt (ω)=log S (ω)+logv(ω) (5)From this equation , we conclude that sum of the true log spectrum and noise can be treated as log of multitaper spectrum. If L is at least equivalent to 5 then logv(ω) will be nearer to normal distribution and the random variable n (ω) is given byn (ω)=logv (ω)−∅(L )+log (L ) (6)Z (ω) is defined asZ (ω)=logS ̂mt (ω)−∅(L )+log (L). (7)The idea behind multitaper spectral refinement [11] can be summarized as1. Obtain the multitaper spectrum of noisy speech using orthogonal sine tapers by equation1 .2. Apply Dabauchies Discrete Wavelet Transform to get the DWT coefficients.3. Perform thresholding procedure on the DWT coefficients.4. Apply Inverse Discrete Wavelet Transform to get the refined log spectrum.Fig.1. Multiple window method for spectrum estimation by individualwindows.Fig.2. Speech signal(mtlb.wav)(a)(b)(c)Fig.3. (a),(b) and (c) Spectrum obtained by N=1,2,3.’N’ is the number oftapersFig.4. Final spectrum obtained by averagingIV.N OISE E STIMATION B Y W EIGHTED S PECTRALA VERAGINGNoise estimation algorithms works on the assumption that the duration of analysis segment is too long enough that it should contain both low energy segments and speech pauses .Noise present in analysis segment is more stationary than speech. This paper uses noise estimation based on the variance of the spectrum suggested in [12].The noise spectrum updating will take place when the magnitude spectrum of noisy speech falls within a variance of the noise estimate. The noise spectrum was updated based on the following condition.|Ŝmt(λ,K)|−σd(λ,K)<ϵ√Var d(λ,K) (8) Where Var d(λ,K)represents the instantaneous variance of the noise spectrum and ϵis a adjustable parameter, |Ŝmt(λ,K)|is multitaper magnitude spectrum and σd(λ,K) is the estimate of the noise PSD .The variance of the noise spectrum was evaluated using the recursive equationVar d(λ,K)=δ Var d(λ−1,K)+(1−δ)[|Ŝmt(λ,K)|−σd(λ,K)]2 (9)Where δis a smoothing parameter. ‘λ, is a frame index and ‘K’ is a frequency bin .The noise estimation algorithm can be summarized as ifIf|Ŝmt(λ,K)|−σd(λ−1,K)<ϵ√Var d(λ−1,K)σd(λ,K)=α σd(λ−1,K)+(1−α)|Ŝmt(λ,K)|(9)Var d(λ,K)=δ Var d(λ−1,K)+(1−δ)[|Ŝmt(λ,K)|−σd(λ,K)]2(10)Elseσ̂d(λ,K)=σ̂(λ−1,K) (11)This paper uses this weighted spectral averaging method for noise estimation from noisy power spectrum using the parameters δ=α=0.9 and ϵ=2.5.V.P ROPOSED M ETHODThe implementation details of speech enhancement method can be given as follows:1. Obtain the multi taper estimate of the Noisy speech using sine tapers using equation12. Perform spectral refinement with the help of wavelet thresholding procedure, which involves Forward Discrete Wavelet Transform (FDWT), Thresholding and Inverse Discrete Wavelet Transform (IDWT).In this paper Dabauchies wavelets were used at level 5 decompition by using both soft and hard thresholding.3. Compute Z(ω)from the equation (6) and apply Discrete Wavelet Transform to Z(ω)then threshold the multitaper spectrum for further refinement of spectrum and the refined log spectrum .4. Estimate of the noise can be evaluated using weighted spectral recursive averaging algorithm discussed in section IV.5. Perform multitaper spectral subtraction between the refined log spectrum of noisy speech and noise spectrumto get an estimate of Clean Speech spectrum .S ̂x ωmt (ω)=S ̂y ωmt (ω)−S ̂n mt (ω) (12)and it results in negative values which are rounded asS ̂X mt ={S ̂y mt −S ̂n mt , if S ̂y mt >S ̂n mt βS ̂n mt , if S ̂y mt ≤ S ̂n mt ,(13) Where ‘ β’ is spectral floor parameter .6. Finally the enhanced speech Signal can be reconstructed using Inverse Discrete Fourier Transform and overlap- add method.Fig.5. Block diagram of proposed methodVI. R ESULTS A ND D ISCUSSIONAssessment of speech enhancement techniques can be done either by using objective quality or subjective listening tests. Comparative analysis of original speech and processed speech signals by a group of listeners is known as subjective listening test based on human auditory system.. Which involves a complex process and it is difficult to identify the persons with good listening skills. While objective evaluation is done on mathematical comparison of clean and enhanced signals .In order to calculate the objective measures, the speech signal is first divided into frames of duration of 10-30 msec. This result in a single measure which gives the average of distortion measures calculated for all the processed frames. This section gives the performance analysis of the proposed method by using four numbers of bands. Simulations were performed in the MATLAB environment. NOIZEUS is used as a speech corpus which is available at [15] and used by the most of the researchers, containing 30 sentences of six different speakers, three are male and other three are female speakers originally sampled at 25 KHz and down sampled to 8 KHz with 16 bits resolution quantization. Clean Speech is distorted by eight different real-world noises (babble, airport, station, street, exhibition, restaurant, car and train) at three distinct ranges of input SNR (0dB, 5dB, 10dB). In this algorithm speech sample is taken from a male speaker, English sentence is ”we can find joy in the simplest things”. This paper presents the performance evaluation based on different quality measures which are segmental-SNR, Weighted Slope Spectral Distance(WSSD) [13], Log Likelikelihood Ratio, Perceptual Evaluation of Speech Quality (PESQ) [14]and three different composite measures[13]. A. Segmental SNR (seg-SNR)To improve the correlation between clean and processed speech signals summation can be performed over each frame of the signal [13] this results in segmental SNR .The segmental Signal-to-Noise Ratio (seg-SNR) in the time domain can be expressed asSNR seg =10M∑log 10M−1M=0∑x 2(n)Nm+N−1n=NM∑(x (n)−x̂(n))2Nm+N−1n=NM (14)Here x(n) shows the original speech signal. x(n)̂ is theprocessed speech signal, frame length is given by N andthe number of frames is given by M. The geometric mean of all frames of the speech signal is seg-SNR [10], whose value was limited in the range of [-10, 35dB] B. Log Likelihood Ratio (LLR)This measure was based on LPC analysis of speech signal.LLR (a x ⃗⃗⃗⃗ ,ax ̂)=log (a ⃗ x̂R x a ⃗ x ̂T a ⃗ x R x a⃗ x T ) (15)a x ,a x ̂Tare the LPC coefficients of the original andprocessed signals. R x is the autocorrelation matrix of the original signal .In LLR denominator term is always lower than numerator therefore LLR is always positive [13] and the LLR values are in the range of (0-2).Multitaper spectral estimation using sine-tapersWavelet thresholding the Multitaper spectrumSpectralSubtractionNoise estimation by weighted spectral averagingSignal framing using Hamming WindowInverse DFT &OLANoisy SpeechEnhanced SpeechC. Weighted Slope Spectral Distance(WSSD)This measure can be evaluated as the weighted difference between the spectral slopes in each band can be computed using first order difference operation[13].Spectral slopes in each band of original and processed signals are given byWSSD=1M ∑∑W(j,m)(X x(j,m)−X X̂(j,m))2Kj=1∑W(j,m)Kj=1M−1M=0(16)D. Perceptual Evaluation of Speech Quality (PESQ) One among the objective quality measures which provides an accurate speech quality recommended by ITU_T [14] which involves more complexity in computation. A linear combination of average asymmetrical disturbance A ind and average disturbance D ind is given by PESQ.PESQ=4.754-0.186D ind-0.008 A ind (17) E. Composite MeasuresLinear combination of existing objective quality measures results in a new measure [10].This can be evaluated by using linear regression analysis. This paper uses the multiple linear regression analysis to obtain the following new composite measures [13].These composite measures were measured on a five-point scale.(i) Signal Distortion(C sig): The linear combination of PESQ, LLR and WSSD measures results in a new composite measure named as Signal Distortion [13].This is evaluated using the following equationC sig=3.093-1.029*LLR+0.603*PESQ-0.009*WSSD(18)(ii) Noise intrusiveness(C bak): The linear combination of PESQ, seg-SNR and WSSD measures results in anew composite measure named as noise Distortion [13]. This is evaluated using the following equation.C bak=1.634+0.478*PESQ+0.007*WSSD+0.063*seg-SNR(19)(iii) Overall Quality (C ovl): Overall Quality is formed by Linear combination of LLR ,PESQ and WSSD measures and is given byC ovl=1.594+0.805*PESQ-0.512*LLR-0.007*WSSD(20) Scale of signal degradation, background intrusiveness and overall quality measures are shown in table 1,2,3.Table 1. Scale of Signal DistortionTable 2. Scale of Background IntrusivenessTable 3. Scale of Overall qualityTo obtain objective quality measures for the proposed method first the multitaper spectrum was obtained using sine tapers. Further spectral refinement is achieved through wavelet thresholding the multitaper spectrum .Then noise spectrum is estimated using weighted spectral averaging. The results were compared against Wavelet de-noising using hard thresholding (WDH) and soft thresholding (WDS) suggested in [16], Spectral subtraction(SS) [17] and Multi Band Spectral Subtraction (MBSS) [18].Table 4. Objective quality measures Segmental SNR(seg_SNR),Log Likelihood Ratio(LLR),Weighted Slope Spectral Distance (WSSD),PerceptualEvaluation of Speech Quality(PESQ)Table 5. Composite measures(C sig, C bak, C ovl) for eight different types of noises(a)(b)(c)(d)(e)(f)(g)Fig.6. a)Segmental SNR b)Log Likelihood Ratio c)Weighted spectral slope distance d)PESQ e)Signal Distortion (C sig) f) Background intrusiveness (C bak) g) Overall quality (C ovl) measures against inputSNR.Fig.7. Time domain and spectrogram representation of Clean Speech noisy speech and enhanced speech signals by SS[17],MBSS[18],WDH,WDS[16] ,Wavelet thresholding the multi taper spectrum[11] and proposed method.VII. C ONCLUSIONFrom the results shown in table.4, performance of wavelet de-noising techniques is very poor in terms of all objective quality measures i.e lower values of segmental SNR and PESQ and higher values of LLR and WSSD in all the cases considered when compared to other techniques. The proposed method exhibits its superior performance i,e higher values of segmental SNR and PESQ for all types of noises at three levels of input SNR against all the methods considered. The performance of proposed method decreases in terms of LLR and WSSD when compared to Multi Band Spectral Subtraction method. Composite measures were shown in table.5, indicates that the proposed method provides improvement in terms of all three composite measures when compared to all the four different methods considered. The same results can be shown in the form of graphs by taking average of all eight different noises at three levels in figure .6 from a to g. From the results it can be concluded that the proposed method is suitable for higher values of segmental SNR, PESQ and composite measures.Figure7.,shows the time domain and frequency domain representation of noisy speech, noise and enhanced speech signals for various methods like Spectral Subtraction [17],Multi Band Spectral Subtraction[18], Wavelet de-noising techniques with both soft and hard thresholding [16],Wavelet thresholding the Multitaper spectrum for speech enhancement[11] and proposed methods.Spectrograms are widely used in speech processing to plot the spectrum of frequencies as it varies with time. The spectrogram can be evaluated as a sequence of FFTs computed over a windowed signal of duration of 20ms In the time domain Enhanced speech signal from Spectral subtractive type algorithm introduces musical noise; it was eliminated in the Multi Band Spectral Subtraction the same can be observed in spectrograms. Wavelet de-noising techniques shows its performance in suppression of noise. The proposed method gives the enhanced signal closer to original clean speech signal and spectrogram also closer to the spectrogram of clean speech signal.A CKNOWLEDGEMENTI would like to take this opportunity to express my profound gratitude and deep regard to my Research Guide Dr.K.Satya Prasad for his exemplary guidance, valuable feedback and constant encouragement throughout the duration of the research. His valuable suggestions were of immense help throughout research. Working under him was an extremely knowledgeable experience for me. I would also like to give my sincere gratitude to the authors Hu and Loizou, for inspiring me with their research papers in the field of speech enhancement along with objective quality measures.R EFERENCES[1]R.Martin, “An efficient algorithm to estimate theinstantaneous SNR of speech signals”, proceedings of Euro speech ,Berlin,pp.1093-1096,1993.[2]R.Martin, “Spectral subtraction based on minimumstatistics, Proceedings of European Signal Processing,U.K,pp.1182-1185,1994.[3]G.Doblinger, “Computationally efficient speechenhancement by spectral minima tracking in sub bands”, proceedings of Euro speech ,Spain, pp:1513-1516,1995. [4]H.Hirch, and C.Ehrlicher, “Noise estimation techniquesfor robust speech rec ognition”, proceedings of IEEE International Conference on Acoustic Speech Signal Processing, MI, pp.153-156,1995.[5]R.Martin, “Noise Power Spectral Density Estimationbased on Optimal Smoothing and Minimum statistics”, IEEE Transactions on Audio, Speech Processing pp.504–512, 2001.[6]I.Cohen, “Noise Estimation by Minima controlledrecursive averaging for robust speech enhancement”, IEEE Signal Processing. Letter, pp.12–15,2002[7]I.Cohen, “Noise spectrum Estimation in adverseenvironments: Improved Minima controlled recursive averaging”, IEEE Transactions on Audio, Speech Processing, pp.466-475, 2003.[8]L.Lin ,W.Holmes and E.Ambikairajah , “Adaptive noiseestimation algorithm for speech enhancement”,Electron .Lett,754-555,2003[9]Loizou, R.Sundarajan,Y. Hu,”Nois e estimation Algorithmwith rapid Adaption for highly non-stationary environments “Proceedings on IEEE International Conference on Acoustic Speech Signal Processing,2004.[10]Loizou, R.Sundarajan, “A Noise estimation Algorithm forhighly non-stationary Envi ronments”. Speech Communication,48, Science Direct , pp.220-231,2006. [11]Yi.Hu ,P.C .Loizou.,"Speech enhancement based onwavelet thresholding the multitaper spectrum”, IEEE Transactions on Speech and Audio Processing,pp.59-67,2004.[12] C.Ris and S.Dupont, “Assessing local noise levelestimation methods: Applications to noise robust ASR”, Speech Communication, pp.141-158,2001.[13]Yi.Hu ,P.C .Loizou.,"Evaluation of objective QualityMeasures for Speech Enhancement " ,IEEE Transactions on Audio, Speech and Language Processing pp.229-238,Jan.2008.[14]ITU_T Rec, “Perceptual evaluation of speechquality(PESQ), An objective method for end to end speech quality assessment of narrowband telephone networks and speech codecs”.,International Telecommunications Union ,Geneva Switzerland, February 2001.[15] A Noisy Speech Corpus for Assessment of SpeechEnhancement Algorithms. https: // / Loizou /speech/noizeous.[16]DL.Donoho, “De-noising by soft thresholding “,IEEErm.Theory,41(3), 613627,1995.[17]Boll,S.F, “Suppression of acoustic noise in speech usingspectral subtraction”. IEEE Transactions on Acoustics Speech and Signal Processing, 1979,27(2), 113–120.。

基于小波包与自适应维纳滤波的语音增强算法

Speech Enhancement Algorithm Based on Wavelet Packet and Adaptive Wiener Filter
DONG Hu1,2 ,XU Yu-ming1 ,MA Zhen-zhong1 ,LI Lie-wen1 ,REN Ke1
(1. School of Information Science and Engineering,Changsha Normal University,Changsha 410100,China; 2. School of Physics and Electronics,Hunan Normal University,Changsha 410181,China)
(1. 长沙师范学院信息科学与工程学院,湖南长沙 410100; 2. 湖南师范大学物理与电子科学学院,湖南长沙 410181)
摘摇要:语音增强主要用来提高受噪声污染的语音可懂度和语音质量,它的主要应用与在嘈杂环境中提高移动通信质量有关。传统的语音增强方法有谱减法、维纳滤波、小波系数法等。针对复杂噪声环境下传统语音增强算法增强后的语音质量不佳且存在音乐噪声的问题,提出了一种结合小波包变换和自适应维纳滤波的语音增强算法。分析小波包多分辨率在信号频谱划分中的作用,通过小波包对含噪信号作多尺度分解,对不同尺度的小波包系数进行自适应维纳滤波,使用滤波后的小波包系数重构进而获取增强的语音信号。仿真实验结果表明,与传统增强算法相比,该算法在低信噪比的非平稳噪声环境下不仅可以更有效地提高含噪语音的信噪比,而且能较好地保存语音的谱特征,提高了含噪语音的质量。关键词:语音增强;小波包;自适应维纳滤波;多分辨率分析;多尺度分解中图分类号:TP301. 6摇摇摇摇摇摇文献标识码:A摇摇摇摇摇摇文章编号:1673-629X(2020)01-0050-04 doi:10. 3969 / j. issn. 1673-629X. 2020. 01. 009

基于小波变换的语音信号增强方法研究

基于小波变换的语音信号增强方法研究随着语音识别技术的不断发展，对语音信号进行增强的需求也越来越迫切。

语音信号增强旨在提高语音信号的质量，减小背景噪声的影响，从而提高语音识别的准确率。

而基于小波变换的语音信号增强方法被广泛应用于这一领域。

本文将对基于小波变换的语音信号增强方法进行研究。

首先，需要了解小波变换的基本原理。

小波变换是一种信号分析工具，可以将信号分解成多个不同频率的小波分量。

小波变换具有时频局部化的特点，可以较好地捕捉语音信号的时变特性。

因此，使用小波变换对语音信号进行分析和处理是合理的选择。

基于小波变换的语音信号增强方法主要包括两个步骤：小波分解和小波重构。

在小波分解步骤中，语音信号被分解成多个小波分量，每个小波分量对应不同频率范围内的信息。

在小波重构步骤中，根据需要，选择特定的小波分量进行重构，从而提高语音信号的质量。

在小波分解过程中，可以选择不同的小波基函数，如Daubechies小波、Haar小波等。

每个小波基函数都有自己的特点，适用于不同的信号处理任务。

例如，Daubechies小波适用于对平稳信号的分析，而Haar小波适用于对非平稳信号的分析。

在语音信号增强中，通常使用Daubechies小波进行分解。

在选择小波分量进行重构时，可以根据语音信号的特点来进行选择。

一般来说，语音信号的能量主要集中在较低的频率范围内，因此选择较低频率的小波分量进行重构可以提高语音信号的质量。

此外，可以根据噪声的特点来选择小波分量进行重构。

例如，如果噪声主要集中在高频范围内，可以选择较低频率的小波分量进行重构，以减小噪声的影响。

除了小波分解和小波重构，还可以结合其他方法来进一步改善语音信号的质量。

例如，可以使用降噪算法对小波分解得到的小波分量进行进一步处理，以减小背景噪声的影响。

常见的降噪算法包括基于统计模型的降噪算法和基于图像处理的降噪算法等。

总结起来，基于小波变换的语音信号增强方法可以通过选择合适的小波分量进行重构，减小背景噪声的影响，从而提高语音信号的质量。

基于小波变换的语音信号增强方法研究

wˆ j,k
{wj,k 0,
| wj,k | | wj,k |
软阈值函数:
wˆ j,k

sign(w {
j
,k
)

(|
wj,k
0,
| ),
| wj,k | | wj,k |
2.4新阈值函数
在实际应用中，为了克服软、硬阈值函数的不足，
这里提出一种改进的阈值函数。

在去噪的过程中必须综合考虑去噪和避免失真这两方面的因素。
3.2小波语音去噪法的原理(一)
语音信号的5层小波分解 S cA5 cD1 cD2 cD3 cD4 cD5
能量元定义:设某数据序列为{xi}i1,2, ,N 则该序列的能量元为
N
N
E
Ei
xi2
i 1

wˆ j,k

wj,k sgn(wj,k )(1 ),
0,

w
j
,k

1
2
exp(2w j ,k
/
)
,
| wj,k | | wj,k |
其它
其中 0 0 a 1 图是在λ = 1，
γ=λ/3情况下的新阈值函数。
2.5新阈值函数的分析
0．1385
SNR=8
0．1096
SNR=16
0．0895
新算法去噪后MSE 0．0532 0．0467 0．0423 0．0397
女声语音“大家好”在不同信噪比下的SNR和MSE实验结果表
4.结论和展望
结论和创新之处：
提出了一种新阈值函数。仿真实验表明，相对于传统方法，新阈值函数法不仅能较好地反映原始信号的概貌，而且有良好的去噪效果。

小波变换在声音增强中的应用

小波变换在声音增强中的应用声音是我们日常生活中不可或缺的一部分，它能够传递信息、表达情感，让我们与世界产生联系。

然而，由于各种原因，我们常常会遇到声音不清晰、噪音干扰等问题。

为了解决这些问题，科学家们研究出了许多声音增强的方法，其中一种重要的方法是小波变换。

小波变换是一种数学工具，可以将一个信号分解成不同频率的成分。

它的原理是将信号与一组特定的基函数进行卷积运算，从而得到信号在不同频率下的能量分布。

通过分析这些能量分布，我们可以了解信号的频率特性，进而对信号进行处理。

在声音增强中，小波变换可以帮助我们识别和去除噪音。

噪音是声音增强中最常见的问题之一，它可以来自环境、设备或信号本身的干扰。

通过对声音信号进行小波变换，我们可以将噪音和有用信号分离开来。

在小波域中，噪音通常表现为能量分布较为集中的高频成分，而有用信号则表现为能量分布较为集中的低频成分。

通过滤除高频成分，我们可以有效地去除噪音，从而提高声音的清晰度。

除了去噪外，小波变换还可以帮助我们改善声音的音质。

音质是指声音的音色和音调，它决定了声音的特点和魅力。

然而，在录制或传输过程中，声音常常会受到各种因素的影响，导致音质下降。

通过小波变换，我们可以分析声音的频率分布，并对其进行调整。

例如，如果声音过于尖锐或沉闷，我们可以通过增强或减弱相应的频率成分来调整声音的音质。

这种方法在音乐制作、语音识别等领域有着广泛的应用。

此外，小波变换还可以帮助我们提取声音中的有用信息。

声音中包含着丰富的信息，如语音、音乐、环境声等。

通过对声音信号进行小波变换，我们可以将不同频率的成分分离开来，从而更好地理解和利用这些信息。

例如，在语音识别中，我们可以通过分析声音信号的频率特性，识别出不同的语音单元，如音素、音节等。

这对于语音识别系统的性能提升具有重要意义。

小波变换在声音增强中的应用还有很多，如语音增强、语音降噪、语音合成等。

它不仅可以帮助我们改善声音的质量，还可以扩展声音的应用领域。

基于小波变换的语音信号增强方法研究的开题报告

基于小波变换的语音信号增强方法研究的开题报告一、选题背景和意义语音信号增强是语音信号处理领域中的一个重要研究方向，对提高语音通信质量、语音识别准确率和语音合成质量等方面有着广泛的应用价值。

目前，常用的语音信号增强方法主要包括基于能量域的方法、基于谱域的方法和基于时域的方法等。

虽然这些方法有一定的效果，但在实际应用中往往难以满足高要求的性能指标。

小波变换是一种时频分析工具，能够将信号的时域特性和频域特性同时描述出来。

基于小波变换的语音信号增强方法，具有灵活性、稳定性和高时频局部性等特点，已经成为当前研究的热点。

二、研究内容和目标本项目旨在研究基于小波变换的语音信号增强方法，重点探究不同小波基函数的选择、小波分解层数的影响、阈值选取的方法等关键技术，并提出一种适用于实际应用场景的优化算法。

三、研究方法和思路1. 收集语音信号增强相关的文献资料，并对现有方法进行分析和总结；2. 分析小波变换的基本原理和特点，以及小波变换在语音信号处理中的应用；3. 设计实验方案，采集语音数据并运用小波变换进行分析和处理；4. 基于实验结果，对小波基函数、小波分解层数和阈值选择等关键技术进行优化和改进；5. 验证优化算法在实际应用场景中的效果，并与已有方法进行对比分析。

四、预期成果和应用价值本项目的预期成果包括：1. 基于小波变换的语音信号增强优化算法；2. 在实际应用中验证优化算法的效果，并与已有方法进行对比分析；3. 针对不同场景下的语音信号增强问题，提出相应的解决方案；4. 发表学术论文和申请相关专利。

本项目的研究成果可应用于语音通信、语音识别、语音合成等领域，能够提高语音信号的清晰度、稳定性和鲁棒性，并具有较好的推广和应用前景。

基于MMSE和小波变换的语音增强算法

基于MMSE和小波变换的语音增强算法潘小龙;张卫强;郦元宏【摘要】提出一种最小均方误差与小波变换相结合的改进算法来提高语音识别系统的性能。

首先通过小波变换对带噪语音进行多尺度分解，然后对不同尺度的小波系数采用MMSE 算法，最后对MMSE 处理过的小波系数进行重构得到增强语音。

实验结果表明：与传统算法相比较，提出的新算法去噪效果显著，有效地提高了语音的质量。

%Anew algorithm combining MMSE with wavelet transformation is put forward to improve the performance of speech recognition. Firstly, the noisy speech is processed with wavelet transformation by multi-scale decomposition, then the multi-scale wavelet coefficient is determined with MMSE algorithm. Finally the wavelet coefficient is reconstructed to enhance the speech quality. By comparing the presented algorithm with the traditional ones, as indicated by the result of MATLAB experiment, the developed algorithm is found to be of better performance in terms of speech enhancement.【期刊名称】《宁波大学学报（理工版）》【年(卷),期】2016(029)003【总页数】4页(P68-71)【关键词】最小均方误差;小波变换;语音增强【作者】潘小龙;张卫强;郦元宏【作者单位】宁波大学信息科学与工程学院，浙江宁波 315211;宁波大学信息科学与工程学院，浙江宁波 315211;宁波大学信息科学与工程学院，浙江宁波315211【正文语种】中文【中图分类】TN912.35语音识别在安静的环境中可以有较好的性能，但现实环境中不可避免地夹杂着噪声，对语音识别产生了较大影响，因此对带噪语音的处理就显得特别重要. 目前，语音增强方法主要有基于语音短时谱幅度估计法（Short Time Spectral Amplitude，STSA）、基音周期法、语音参数模型法、听觉场景分析法等.在基于语音短时谱幅度估计法（STSA）中，最小均方误差（Minimum Mean-Square Error， MMSE）比谱减法等传统方法能更多地利用语音和噪声统计特性的先验知识［1］，对语音系数的先验概率进行估计，并在此基础上按照最小均方误差的准则对语音系数进行估计. MMSE准则中，下信号短时间可以看成是平稳信号，但当信号为非平衡时，其去噪效果大大降低，而且在低信噪比情况下，由语音增强失真引起的包括语音频谱变形和增强后的剩余噪声对信号有较大的干扰，从而降低语音识别系统的精度. 为解决上述问题，人们提出了基于小波变换的语音增强算法. 鉴于小波变换在低信噪比情况下去噪效果好和处理非平稳信号的优势，可以改善MMSE在低信噪比下信号的失真，因此，将MMSE与小波变换结合在一起处理语音信号可以有效提高语音识别系统的性能.对于传统去噪算法如谱减法［2］等进行语音增强后所产生的“音乐噪声”，MMSE算法可以较好地解决该缺陷，这是由于MMSE方法能更多地利用语音和噪声统计特性的先验知识. 以下基于MMSE的短时频谱分析来介绍MMSE原理.语音短时频谱可用指数形式作如下表示［3］：上述公式将信号分为若干帧信号，其中，i代表信号为第i帧，X（k，i）和Y（k，i）分别为纯净语音和带噪语音的频谱函数，A（k，i）和N（k，i）分别为纯净语音和带噪语音的语音短时谱幅度. 对于带噪语音信号目的是使纯净语音的短时谱幅度估计值与纯净语音短时谱幅度最接近，亦即使信号失真度最小.假设各频谱分量之间相互独立，则可以推导出语音短时谱的MMSE估计值为：其中，a（k）为A（k）的一帧信号所对应的谱幅度.假设噪声谱服从零均值高斯分布，则：假设语音谱服从高斯分布，则其幅值和相位的联合分布为：其中， D（k）为噪声的谱幅度；λX（k）为纯净语音能量期望植；λD（k）为噪声能量期望值，可由语音间歇时静音帧估计得到，代入式（3）可得公式如下：其中，为超几何函数［4］，则：其中，和分别为先验信噪比和后验信噪比. 可将式（8）写成如下形式：其中，为增益函数. 因此由以上公式可得到纯净语音谱幅度估计值，对其添加含噪信号的相位及反傅里叶变换后就可得到增强后的语音.作为时频域分析方法，傅里叶变换能将信号不同时刻的相同频率成分都映射到同一频率点上，因此无法对信号某个时间点的某个频率的特征进行分析，相当于不能表述信号的时频局部性质，这正是非平稳信号的关键. 小波变换是空间和频率的局部变换，因而能有效地从信号中提取信息，克服上述缺点. 小波去噪首先进行多尺度小波变换，然后对小波系数进行处理，去除噪声中的小波系数，保留原始信号的小波系数，对小波系数进行小波逆变换（小波重构），最后得到去噪后的近似真实信号［5-6］. 假设函数（）xφ为平方可积函数，即且满足以下容许性条件：则称（）xφ为小波基函数. 对于任意实数为小波变换的尺度因子，b为平移因子，对其进行离散小波变换，此时通常定义其中，，jkZ∈. 由小波基（）xφ生成的依赖于（a，b）的离散小波函数如下所示［7-8］：则信号f（t）以x（φ）为基的小波变换为：在实际应用中，通常取02a=，01b=. 由此可见，离散小波变换的提出，使得小波变换在计算机的分析成为可能.带噪声语音通过小波变换划分得到不同尺度的小波系数，小波变换的有用信号能量主要集中在大的小波系数和特定的频率范围内，而噪声分布于整个小波域内，因此小波分解后有用的信号系数幅值会大于噪声的系数幅度，可采取阈值方法来得到有用信号. 然后对各个尺度的小波系数进行MMSE处理，最后对处理过的小波系数进行小波重构，得到增强后的语音信号. 新算法的整体框架如图1所示.首先对带噪声语音进行Mallat小波分解，得到不同尺度的分解系数，在频域中对应不同频率的子带信号. 假定0～P频率空间为F0，经过一级分解后被分为0/2P-的低频子空间F1和/2PP-的高频空间W1，然后将低频空间一直分解下去，得到Fn、Wn、…、W2、W1，它们之间的空间互不相交，它们所对应的小波系数为cd1、cd2、cd3、cd4、cd5、ca5（其中cdn为高频系数， ca5为第五层的低频系数）. 然后对不同频率范围、尺度的小波系数进行MMSE估计，得到改进的小波系数. 最后对处理过的小波系数利用Mallat算法进行重构，得到增强语音. 运用小波变换进行去噪处理，可选择不同小波基函数. 仿真选Daubechies为正交小波基，阶次为4，分解层数为5层；语音为在噪声环境下的“宁波”两个字的发音信号， 16kHz的采样率， PCM， 16位，单声道； MMSE对小波系数进行最小均方误差估计.图2为带噪信号经过小波去噪处理和新算法处理过的信号对比. 由图可见，新算法中的信号幅度比小波去噪算法处理过信号幅度有所减小，噪声部分幅度变得更为平滑，对噪声有较好的抑制作用.图3～图5为去噪前语音信号小波系数、小波去噪后小波系数和新算法去噪后小波系数的图形. cd1～cd5分别对应滤波前第1层高频系数到第5层高系数，其频率范围对应8000～16000Hz， 4000～8000Hz， 2000～4000Hz， 1000～2000Hz， 500～1000 Hz， ca5为第5层低频系数，频率范围为0～500Hz. cd1～cd5分别对应滤波后第1层高频系数到第5层高系数. 对比不同方法滤波的图形，可见利用新算法滤波后的小波系数噪声明显减少，这使得小波重构的信号对噪声有较好的抑制作用.文中语音采集通过Cooledit处理软件完成，采集1～10这10个数字的英语发音作为实验对象. 采用16000Hz的采样频率，单声道录音，精度为16位，通过对24个人录音，得到240个语音数据，其中120个数据用来训练语音识别模型，另外120个数据用来进行语音识别测试. 提取每帧信号的24阶MFCC作为语音特征参数，噪声为高斯白噪声.通过语音识别可以得到加噪语音、MMSE去噪、小波变换去噪以及新方法去噪后的语音识别率，从表1数据中可以得出改进方法的去噪效果较其他2种方法有一定的提高.5 结论MMSE相比于谱减法等传统方法更多地利用了语音和噪声统计特性的先验知识，但前提是信号短时平稳，这大大局限了该方法的应用. 而小波变换在非平稳和低信噪比的情况下具有较好的语音增强能力. 提出的新方法结合了MMSE方法和小波变换的各自优点，实验结果表明新方法处理后得到的信号损害较小，而且去噪效果较好，从而提高了语音识别系统的性能，相比于传统的去噪方法有一定的提高. 但其算法复杂度较高，并且对波形会造成一些损害，有待于今后继续深入研究.【相关文献】［1］宁更新. 抗噪声语音识别新技术的研究［D］. 广州：华南理工大学， 2006.［2］熊燕. 抗噪声语音识别技术研究［J］. 信息科技及现代服务， 2006（7）：204-205.［3］方瑜. 语音增强相关问题研究［D］. 北京：北京邮电大学， 2011.［4］丁沛. 语音识别中的抗噪声技术［D］. 北京：清华大学，2003.［5］王苏敏，谢小云，邓茜. 基于小波去噪的语音识别系统［J］. 数字技术与应用， 2012（5）：232.［6］毛艳辉. 小波去噪在语音识别预处理中的应用［D］. 上海：上海交通大学， 2010.［7］胡惠英，吴善培. 小波去噪在语音识别中的应用［J］.北京邮电大学学报，1999， 22（3）：31-34.［8］崔晓，张松炜. 基于小波和先验信器噪比维纳滤波的语音增强［J］. 河南师范大学学报（自然科学版）， 2013，41（1）：43-46.。

小波包分解下的多窗谱估计语音增强算法

小波包分解下的多窗谱估计语音增强算法查诚;杨平;潘平【期刊名称】《计算机工程》【年(卷),期】2012(038)005【摘要】传统谱减法是基于短时傅里叶变换的单一分辨率算法,具有较大方差.为此,提出一种基于小波包分解下的多窗谱估计语音增强算法.将含噪语音在小波包下分解成不同频段,在不同频段下进行多窗谱谱减运算,并逐一进行小波包重构,以得到去噪后的语音信号.仿真结果表明,该算法能提高含噪语音的信噪比,降低语言失真度.%Traditional spectral subtraction based on Short Time Fourier Transform(STFT) is a kind method of single resolution, and has large variance. In order to solve this problem, this paper proposes a speech enhancement algorithm of multiple window spectrum estimation under wavelet packet decomposition. It decomposes the noisy speech signal into different frequency band under wavelet packet, does take the spectral subtraction operation of multiple window under different frequency, and does, the wavelet packet reconstruction to get denoising speech signal. Simulation result shows that this algorithm can improve the speech Signal Noise Ratio(SNR) with noise, and improve the speech distortion degree.【总页数】3页(P291-293)【作者】查诚;杨平;潘平【作者单位】贵州大学计算机科学与信息学院,贵阳550025;贵州大学计算机科学与信息学院,贵阳550025;贵州大学计算机科学与信息学院,贵阳550025【正文语种】中文【中图分类】TN912【相关文献】1.失真控制下的短时谱估计语音增强算法 [J], 刘晓明;班超帆;冯晓荣2.基于多窗谱估计的改进的维纳滤波语音增强算法 [J], 崔旭3.基于多窗谱估计的改进维纳滤波语音增强 [J], 张青;吴进4.基于多窗谱估计的维纳滤波语音增强算法 [J], 张正文;周航麒5.基于多窗谱估计和几何谱减的低信噪比语音增强方法 [J], 李湑;胡俊;刘新;黄石磊因版权原因，仅展示原文概要，查看原文内容请购买。

多窗谱估计的语音增强减法研究

ｅｔｏｏｅｔａｅＴｈｉａｒｐｏｅｈａｉｌｉｓｃｒｌｅｔｏｙｔｓｉｔｓｔｄｎａｅｏｅｅｓｅ — ｎｒｐｙｔｓｉｔ．ｍｓｐｐｅｒｖｓｔｔｕｓｎｇｍｕｔ－ｐｅｔａｎｐｏｅｔｍａｅｈａｈｅａｖａｔｇｖｒｔｐｃｒｈ
摘
要：多带谱熵不仅能体现和谱熵一样的频率特性，还能体现能量的分布情况，因此在进语音检测时更趋向
于采用多带谱熵估计。通过仿真，明多带谱熵估计在非平稳信号检测中相比于谱熵估计的优越性，证确定适合坦克环境的多带谱熵噪声估计算法。结合多带谱熵估计、关加权、相分帧相减等理论，出一种以多窗谱估提计为基础的改进的语音增强算法。仿真结果表明，出的算法不仅能更好地抑制背景噪声和音乐噪声，提而且还较好地保持了语音的可懂度和自然度。关键词：语音增强；多带谱熵估计；多窗谱估计；相关加权；分帧相减文章编号：０２８３（０２１—１４０文献标识码：中图分类号：Ｎ９２３１０ —３１２１）９０１—５ＡＴ１．５
ＣｍｕｒｎｉｅｉｄｐｌａｉｓｏｐｔｇｎｒｇｎＡｐｉｔｎ计算机工程与应用ｅＥｅｎａｃｏ
◎数据库、号与信息处理◎ 信
多窗谱估计的语音增强减法研究
彭雨晨，王忠
ＰＥＮＧＹｕｃｅＷＡＮＧｏｇｈｎ，Ｚｈｎ
ＰＥＮＧｕｈｎＷＡＮＧｏｇＳｕｙｏｐｅｈｅｈｎｅｎｌｏｉｈｂｓｄｏｕｔｌｙｒｓｅｔａｓｉａＹｅｅ，Ｚｈｎ．ｔｄｆｓｅｃｎａｃｍｅｔａｇｒｔｍａｅｎｍｌｉｅｐｃｒｌｔａｅｍ —

基于小波变换的多尺度多阈值的语音增强算法

算法 2. 1 算法步骤 ( 1 计算被噪声污染的信号的正交小波变 )
换。选择合适的小波和小波分解层数，采用下式对被噪声污染的信号进行小波分解至层 :
目就是从带有噪声的语音的信号中提取尽可
能纯净的原始语音，提高信噪比，改善语音质
量。
传统的滤波去噪方法是将被噪声污染的
信号通过一个滤波器，滤掉噪声频率成分。但对于瞬间信号、宽带噪声信号、非平稳信号等，这种方法有时会给信号本身带来较大的畸形，而且，线性滤波方法存在着保护信号局部特征和抑制噪声之间的矛盾，小波变换理论由于具有时一频局部化分析特点及小波函数选择的灵活性，为解决这一矛盾提供了有力的工具。因此，本文就以小波变换为工具，寻求一种合适的语音增强算法。
( 1 绩效计划。即管理人员与员 ) 工合作，计划经济体制下的管理模式和观念依然 }分与员工就应该履行的工作职责、各项任务的明显，无论是在管理理念还是方法上都滞后于重耍性等级和授权水平、绩效的衡量、上级提市场化的要求，存在诸多的薄弱环节，其中缺供的帮助、可能遇到的障碍及解决的方法等乏对战略关注的绩效考核已经成为企业管理一系列问题进行探讨井达成共识。 “ 水桶”中的短板。以战略为导向加强企业绩定部门计划。部门计划支撑企业整体计划的 (2 绩效实施与管理。即在整个绩效周期效管理是提高企业管理水平、增强市场竞争 ) 实现。内，管理人员通过持续不断的沟通对员工的工力的有效对策。战略性绩效管理系统是一个 (1 )部门计划中的各项活动可以细分到岗作进行支持， 6 并修正工作任务与目标之间的偏循环的动态系统，它所包含的各个环节紧密联位职责中; 岗位职责的履行保证部门计划的差; 纪录工作过程中的关键事件或绩效数系、环环相扣，任何一环脱节都将导致战略绩完成。据，为评价绩效提供信白、。效管理的失败。所以，建立适合实际的战略绩归纳起来，整个模型有 “ 两条主线” 一 : (3 绩效评价。即考评者对照工作目 ) 标和效管理体系，井不断地加以完善和改进，以此是根据企业战略分解 “ 企业一部门一个人” 年初的绩效标准，采用科学的考评办法与衡量全面提升供电企业的管理水平，为供电企业打的目标体系。另一条主线是战略分解的 “ 企技术评定员工工作任务完成情况、工作职责造高品质的管理模式与运作机制，使企业在全业一部门一个人”的指标体系。而在分解的履行程度和个人发展情况的过程。面提升核心竞争力的基础上获得超强的竞争过程中，又体现了分层管理的思想，用平衡计 (4)绩效反馈。绩效反馈就是使员工了解优势和发展能力，这具有深远的意义。分卡分解企业级指标体系给部门，而用 “ 流自身绩效水平的各种绩效管理手段。就评估程分解法”再将部门指标分解给个人。目标结果与员工讨论，对员工绩效不佳进行分析，体系与指标体系相互协调、相互印证，构建找出原因，井对下一步如何做好工作拟定意见

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)。

［ｙｗｒｓｐｃｒｌｕｔｃｉｎｍｕｔｌｗｎｏｐｃｒｍ；ｖｌｔａｋｔｅｏｏｉｏ；ｏｓ；ｉｎｌｉａｏＳ）Ｋｅｏｄｓｅｔｂｒｔ；ｌｐｅｉｄｗｓｅｔＩａｓａｏｉｕｗａｅｅｃｅｃｍｐｓｉｎｎｉＳｇａＮｏｓＲｔ（ＮＲｐｄｔｅｅｉ
［ｓｒｃ］ＴａｉｏａｐｃｒｌｕｔｃｏａｅｎＳｏｔｉｏｒｒＴａｓｏｍ（ＴＴ）ｓａｋｎｔｏｆｉｇｅｒｓｌｔｎａｄｈｓｌｇＡｂｔａｔｒｄｔｎｌｅｔｂｒｔｎｂｓｄｏｈｒＴｍｅＦｕｅｒｎｆｒＳＦｉｉｄｍｅｈｄｏｎｌｅｏｕｉ，ｎａａｅｉｓａｓａｉｉｓｏｒ
ｓｏａｉａｇｒｈｃｎｉｒｖｅｓｅｃｉｎｌｉｔ（ＮＲ）ｔｏｓ，ｎｒｖｅｓｅｃｉｔｒｏｅｒｅｈｗｓｈｔｈｓｌｏｔｍａｏｅｔｅｈＳｇａｓＲａｏＳｔｔｉｍｐｈｐＮｏｅｉｗｉｎｉａｄｉｏｅｔｐｅｈｄｓｔｎｄｇｅ：ｈｅｍｐｈｏｉ
第３８卷第５期
Ｖ＿１８ｏ．３Ｎｏ．５
计
算
机
工
程
２１０２年３月
Ｍａｃ２２ｒｈ０１
ＣｏｐｅｇｎｅｉｇｍｕｔｒＥｎｉｅｒｎ
・开发研究与设ｏ９＿０文０－３８０２５一２１．３０－４２ｏ献标识Ａ码：
ＳｅｔｕｍｔｍａｉｎＵｎｅａｅｅｃｅｃｍｐｓｔｏｐｃｒＥｓｉｔｏｄｒＷｖｌｔＰａｋｔＤｅｏｏｉｎｉ
ＺＨＡｅｇＹＡＮＧｉｇＰＣｈｎ，Ｐｎ，ＡＮｉｇＰｎ（ｏｌｇｆｍｐｔｒｃｅｃｎｆｒｔｎＧｕｚｏｉｅｓｙＧｕｙｎ５０５ＣｉａＣｌｅｏｅＣｏｕｅｉｅａｄＩｏｍａｉ，ｉｕＳｎｎｏｈＵｎｖｒｉ，ｉａｇ５０２，ｈｎ）ｔ
中圈分类号：Ｔ９２Ｎ１
小波包分解下的多窗谱估计语音增强算法
查诚，杨平，潘平
（贵州大学计算机科学与信息学院，贵阳５０２）５０５
摘
要：传统谱减法是基于短时傅里叶变换的单一分辨率算法，具有较大方差。为此，提出一种基于小波包分解下的多窗谱估计语音增强
ｖａｉｎｅＩｒｅｏｖｓｐｏｅ，ｉｐｒｒｐｓｓａｓｅｃｎｎｃｍｅｔａｇｒｔｍｆｕｔｌｎｏｓｅｔｒａｃ．ｎｏｄｒｔｓｌｅｔｒｂｌｍｔｓｏｈｉｈｐａｅｏｏｅｐｅｈｅｈａｅｎｌｏｈｏｌｐｅｗｉｄｗｐｃｒｐｉｍｉｕｍｓｉｔｎｕｄｒｗａｅｅｅｔｍａｉｎｅｖｌｔｏｐｃｅｅｏｏｓｔｎ．ｔｄｃｍｐｏｅｈｏｓｐｅｈｓｇａｎｏｄｆｅｅｔｆｅｕｎｙｂｎｎｅｖｌｔｐｃｅ，ｏｓｔｋｈｐｃｒｌｓｂｒｃｉｎａｋｔｄｃｍｐｉｏＩｅｏｉｓｓｔｅｎｉｙｓｅｃｉｎｌｉｔｉｆｒｎｒｑｅｃａｄｕｄｒｗａｅｅａｋｔｄｅａｅｔｅｓｅｔａｕｔａｔｏｏｅａｉｎｏｌｉｌｎｏｕｄｒｄｆｅｅｅｕｎｃ，ｎｏｓｔｖｌｔｃｔｅｏｓｒｃｉｎｔｅｅｏｓｎｐｅｈｓｇａ．ｉｕａｉｎｒｓｌｐｒｔｏｆｍｕｔｐｅｗｉｄｗｎｅｉｆｒｎｔｒｑｅｙａｄｄｅｗａｅｅｋｅｃｎｔｕｔｏｇｔｎｉｉｇｓｅｃｉｎ１Ｓｍｌｔｏｅｕｔｆｈｅｐａｒｏｄ
卡尔曼滤波Ｊ、维纳滤波】波去噪ｆ、小。
较大方差的周期图功率谱估计，使得谱减法在去除背景噪声的同时，随之带来的令人厌恶的音乐噪声。拟采用多窗谱估计替代周期图进行功率谱估计，能降低功率谱估计的方差，最终达到能抑制音乐噪声的产生，提高谱估计质量。谱减法是基于ＳＦ的单一分辨率算法，且功率谱估计ＴＴ的方差较大，本文针对该问题，提出一种小波包分解下的多
算法。将含噪语音在小波包下分解成不同频段，不同频段下进行多窗谱谱减运算，并逐一进行小波包重构，以得到去噪后的语音信号。在
仿真结果表明，该算法能提高含噪语音的信噪比，降低语言失真度。
关健词：谱减法；多窗谱；小波包分解；噪声；信噪比
ＳｅｃｐｅｈＥｎｈｎｅｅｔｇｒｔｍｆｕｔｐｅＷｉｄｗａｃｍｎｏｉｈ０ｌｉｌｎｏＡｌＭ
ＤＯＩ１．９９．ｓ．００３２．０２０．９：０３６／ｉｎ１０ —４８２１．５００ｊｓ
１概述
近年来，移动电话激增和语音识别技术飞速发展，对数字语音信号去噪提出更高的要求。为使语音通信系统和自动语音处理系统能更好地应用于实际环境，人们一直在努力研究有效的语音增强算法。目前，基于单通道输入的语音增强算法正被广泛的应用在这些系统中。代表性算法有谱减法…、