基于维纳滤波的改进语音增强算法研究

图1 维纳滤波算法原理图

3 维纳滤波增强系统的改进

3.1 子带分割

在实际环境中噪声干扰除了通常的高斯白噪声外还存在其他很多具有频率特性的干扰，例如机械振动带来的低频干扰和一些高频电磁干扰。这些噪声干扰往往会因为其能量集中在某一频段内而在噪声检测中未被检测出来，导致噪声估计的结果与实际偏差较大。所以在进行噪声估计之前应先对带噪语音信号进行子带分割，在各个频段内分别进行噪声检测与估计。

3.2 维纳滤波算法改进

图2 改进后的维纳滤波算法原理图

4 实验仿真及结果讨论

4.1 实验仿真准备

实验中采用的数据均是在8000Hz采样率、16bit、单声道的PCM格式条件下所录制的。纯净语音为实验室安静环境下录制的一段女声话音，噪声源采用一大型设备旁较复杂环境下采集的背景噪声。带噪语音由二者叠加所得。

仿真中每语音帧长度为20ms，160个Sample，选取子帧长度为10个Sample进行处理。窗函数采用汉宁窗（Hanning窗）。进行子带分割时，运用一组分解滤波器组将300~4000Hz的语音频谱分为8个子频带，除0频带只占300~500Hz频段的200Hz频带以外，其它1至7频带各占500Hz频带。

4.2 噪声估计偏小情况下的仿真

首先采用一种噪声估计方法：对带噪语音前无语音部分，即寂默段，进行采样，将其作为纯噪声帧，计算噪

声功率谱ˆ()

n

k

λ。将此种噪声估计方法分别代入图1、图

2所示的传统及改进后的维纳滤波算法流程，并运用

图3 传统维纳滤波算法

图4 改进后的维纳滤波算法

由图3可明确地看出带噪语音在经算法处理之后噪声

没有得到有效抑制，信噪比较处理之前无明显提高。主观

感觉上增强后的语音同样存在较大的背景噪声，与增强之

前的语音差异不大。经分析该情况为噪声估计值

ˆ(

n

k

λ

于实际噪声功率谱，导致维纳滤波未起到有效滤除噪声频

谱的作用。另外由图4可知，由于采用α对ˆ()

n

k

λ进行了

修改使其更接近于实际噪声功率谱，增强后的语音其噪声

2011.12.广东通信技术

图5 传统维纳滤波算法

图6 改进后的维纳滤波算法

从图5中可看出，信号经处理之后，虽然噪声部分得到了很好的抑制，但同时有效信号的幅度被衰减得太多，