基于倒谱门限法的语音增强算法的研究.pdfVIP

中国科学院声学研究所第三届青年学术交流会论文集 基于倒谱门限法的语音增强算法研究 郑成诗胡笑浒李晓东 中国科学院噪声与振动重点实验室(声学研究所)，北京100190 摘要本文通过研究语音倒谱系数的特性，首次提出了基于倒谱门限法的语音增强算法。该 算法在倒谱域减小周期图估计的方差，从而从根本上解决了“音乐噪声”问题。实验结果表明， 很好的抑制非平稳噪声。 关键词谱减法音乐噪声DD算法倒谱门限 1．引 言 语音增强的目的是抑制各种干扰噪声提高语音质量。基于幅度谱估计的谱减 法是一种简单而有效的语音增强算法，受到广泛的关注和研究¨’2|。谱减法通常都 采用周期图估计，由于周期图估计不是一致估计，方差大，这是谱减法出现“音乐噪 声”的根本原因…o 的语音增强算法H3得到了最为广泛的研究和应用，二者都解决了平稳噪声环境下 的“音乐噪声”问题。然而，对于非平稳噪声，在纯噪声段，由于后验信噪比常常被 高估，因此DD算法也经常高估先验信噪比，从而导致更多的噪声残余；另外，DD 算法还在语音起始段有严重的语音失真。基于心理声学的方法不考虑语音失真 量，往往具有更大的语音失真。近年，Hu和Loizou等人提出了基于小波门限的算 法∞】，极大的减小了语音增强的“音乐噪声”问题。然而，从频率域向小波域的变 化，运算量大，而且该方法也没有利用语音倒谱系数的特性。 本文通过研究语音倒谱系数的特性，提出了基于倒谱门限法的语音增强方法。 实验结果表明，该方法解决了“音乐噪声”问题，而且减小了语音失真，同时，该方法 能有效的抑制非平稳噪声o 2．信号模型和语音倒谱系数特性 2．1信号模型 假设纯净语音s(n)，噪声d(n)，带噪语音Y(乃)。语音增强的目的就是从带 噪语音y(n)中估计纯净语音，标记为；(n)。带噪语音可以表示为： Y(n)=s(n)+d(n) (1) 在频率域中，可以写成： 160 音频声学 y(k，Z)=S(k，Z)+D(k，Z) (2) 定义先验信噪比孝(J|I，Z)和后验信噪比刀(k，Z)为： 孙∽=絮群舶¨销群 ㈩ 其中，AD(七，Z)={ID(矗，Z)I2}。研究结果表明，先验信噪比亭(k，Z)是单通道语 2都是未知参数， 音增强的关键参数，在实际情况下，AD(_J}，Z)和语音谱I．s(七，Z)I 因此，先验信噪比的估计值定义为： t(k’2)=絮掰 (4) 其中，IS(k，Z)I2是ls(k，Z)I 2的估计值，盖D(k，Z)是AD(后，Z)的估计值。 语音谱估计IS(k，Z)I2的偏差以及噪声功率谱估计爻D(k，Z)存在的偏差，都 会导致先验信噪比估计垂(|i}，z)存在偏差。一种增强的拿(k，z)估计方法为： (5) 孑(Jj}，z)=E{孝(J|}，z)}≈墨lJ胖 式(5)中采用了近似关系，这是由于产生“音乐噪声”的主要原因是语音谱的 估计方差，而噪声功率谱由于有强平滑系数，其方差一般可以忽略。 假定语音信号为高斯随机过程，那么E{IS(蠡，Z)J2}可以写成： (6) E{IS(k，Z)I2}=exp(，cI+，’Fr(E{Cs(q，Z)})) 中N是数据帧长。从式(6)可知求语音谱的均值可以转化为求语音倒谱系数的均 值。 2．2语音倒谱系数特性 研究结果表明，当假定语音为高斯随机过程时，语音倒谱系数是均值未知，方 差已知的高斯