基于稀疏编码语音增强方法.pdfVIP

第22卷第1期 青岛大学学报(自然科学版) V01．22No．1 2o09年3月 JOURNALOF Science Mar．2009 QINGDAOUNIVERSITY(NaturalEdition) 文章编号：1006—1037(2009)29—0031—06 基于稀疏编码的语音增强方法 杜 军1’2 (1．山东大学信息科学与工程学院，山东济南250100； 2．山东师范大学传播学院，山东济南250014) 摘要：利用带噪语音经特征基函数矩阵转换后所具有的稀疏特性，用最大似然估计方法 对转换后得到的稀疏分量进行非线性压缩去噪，然后再经过反变换和重构恢复出原始语 音信号的估计。特征基函数矩阵反映了语音数据本身的统计特性。仿真结果表明，与小 波消噪法相比利用稀疏编码方法能极大程度地抑制背景噪声。 关键词：语音增强；稀疏编码；独立分量分析；小波消噪 中图分类号：TN912．3 文献标识码：A 语音通信过程中不可避免会受到周围环境噪声的干扰，这些干扰使接收到的语音为被噪声污染的带噪 信号。语音增强的目的就是从带噪信号中提取出尽可能纯净的原始语音。由于噪声的随机特性，完全消噪 是不可能的，语音增强的作用就是要改善语音质量，消除背景噪声，提高可懂度。目前已有的语音增强算法 大多是建立在语音生成模型及感知模型的基础上，主要有噪声对消法、谱相减法、维纳滤波法等n1；近年来基 Corn— 于小波变换的语音增强方法也取得了广泛的应用。稀疏编码最初起源于独立分量分析(Independent ponent 要利用了语音数据本身的统计特性。利用ICA对语音数据找到一种特征基函数转换矩阵，也即一种神经元 网络表征，在这个神经元网络里，只有少数的一些神经元权值起主要作用，这样带噪语音经过该特征矩阵转 换后得到的分量具有稀疏特性，然后采用最大似然估计方法对各稀疏分量进行非线性去噪，最后对去噪后的 各分量进行逆变换和重构恢复出去噪后的信号，从而达到语音增强的目的。 稀疏编码去噪原理 设一维带噪观测变量Y是由零均值平稳随机变量X和加性噪声V构成， Y=X+V (1) ． 式中，X为具有稀疏分布的待估计原始信号，V为方差为d2的高斯白噪声。零均值随机变量X之所以称为 “稀疏”是指其概率密度函数在原点处有尖锋，两旁有较重的拖尾，实际上，稀疏分布就等同于超高斯分布[2]。 图1所示的Laplace双指数分布是一种典型的超高斯分布，图中虚线为高斯分布情形。 定义为p(·)为X的概率密度函数，g(·)=一logp(·)为其负的log概率密度，根据文献[2]，利用最 大似然估计法(MLE)可以得到X的估计式： 1 艾一口rg (2) rain者(Y—u)2+g(u) U 厶。 也称作最大后验概率估计(MAP)。这样，若概率密度函数p(·)确定，则可由此式估计原始信号。 x1)厢，由文献[2，3]中对最大似 当X具有Laplace稀疏分布时，其概率密度函数为p(x)=exp(一厄l 然估计算法的推导可知文为： Yl一√2d2) (3)