语音增强算法

计算量大，小波基选择凭经验，自适应性有限，闸值难确定。
离散余弦变换（DCT）
计算量大，闸值选择是关键。
人工神经网络
适合语音识别。
计算量大Hale Waihona Puke Baidu
子空间
有效消除音乐噪声
噪声基本是加性白噪声，对噪声与语音的相关关系要求较高。仅能消去平稳噪声
分形理论
适用信噪比较广
计算量大
听觉掩蔽效应
有效消除音乐噪声，保留语音清晰度。
掩蔽闸值选择是关键。
隐马尔科夫
分离和估计噪声有一定的误差。
高阶统计量
其他方法
卡亨南—洛维（KLT）
对噪声要求不高，可以会是加性白噪声，有色噪声，音乐噪声。
计算量大，闸值选择是关键。
小波变换
可以很好的与其他算法结合在一起。具有多分辨特性。
语音增强算法
优点
缺点
参数方法
梳状滤波法
维纳滤波法
基本无音乐噪声，残留噪声是白噪声。
只能在平稳环境下。没考虑语音频谱分量幅度对人的听觉的重要性。
卡尔曼滤波法
非参数方法
谱减法
计算量小，实现简单，只需对噪声进行估计。
产生“音乐噪声”。
自适应滤波法
对噪声估计精度要求高，有明显的音乐噪声
统计方法
最小均方误差（MMSE）