自训练过完备字典和稀疏表示的语音增强.docVIP

自训练过完备字典和稀疏表示的语音增强 　　摘 要： 提出的算法利用带噪信号进行训练以获得过完备字典，通过设定较大的字典训练阈值，训练过程只对语音信号进行，使得自训练字典与语音信号之间相关性较强。利用该字典和较小的阈值对语音信号进行稀疏表示，进而实现语音增强。仿真实验表明，增强后的信号表示系数稀疏度更强，增强效果在信噪比（SNR）和感知语音质量评估（PESQ）得分方面均有较大改进。 　　关键词： 正交匹配追踪； 迭代阈值； 字典训练； 语音增强 　　中图分类号： TN912.3?34 文献标识码： A 文章编号： 1004?373X（2015）13?0056?03 　　Abstract： In the proposed algorithm， the dictionary is trained by the signal with noise to obtain over?complete dictionary. By setting the bigger dictionary training threshold， the correlation between self?training dictionary and speech signal stronger is enhanced. The training process aims to speech signal only. The dictionary and the smaller threshold are used to conduct sparse representation of speech signal， and then speech enhancement is realized. Simulation experiment results show that the expression coefficient sparsity of the enhanced signal is stronger， the enhancement effects are greatly improved in scoring aspect of signal?to?noise ratio （SNR） and perceptual evaluation of speech quality （PESQ）. 　　Keywords： orthogonal matching tracking； iterative threshold； dictionary training； speech enhancement 　　0 引 言 　　语音信号是人类交流过程中最自然、最常用的方式，语音增强能降低噪声提高信噪比，是语音信号预处理的一个重要过程。在稀疏表示中，利用过完备字典中少数原子的线性组合来表示样本信号，其优势是有更大的灵活性和噪声情况下更强的稳定性，因而成为目前研究较多的算法，在语音压缩[1]、识别[2]以及语音增强[3?4]方面均得到较为广泛的应用。在基于稀疏表示的语音增强中，过完备字典的构成起着一个非常关键的作用[5]，良好的字典能够使纯净语音信号的表示更加稀疏，从而与噪声的区分度更为显著。在这个过程中，为了得到更为稀疏的系数，所采用的字典从过完备离散余弦变换、过完备小波变换等固定字典到参数化字典设计，进而采用自适应字典学习算法训练字典，使字典与被处理信号之间的相关性增强[6?7]。文献[8]利用纯净信号训练字典，将语音激活检测估计的噪声作为重构阈值，对含噪语音进行稀疏分解，将系数与字典重构得到无噪的语音信号。然而，在语音增强处理的过程中目标语音是受到噪声污染的，纯净语音只能是其他语音信号。本文算法利用阈值正交匹配追踪（OMP）和K奇异值分解算法（K?svd）直接对含噪语音进行字典训练，得到的字典与语音信号有更强的相关度，因而得到的表示系数更为稀疏，在语音增强时取得更好的效果。 　　1 带噪语音信号的稀疏重构 　　设观测到的带噪语音信号为： 　　[y（n）=x（n）+z（n）] 　　式中：[z（n）]是方差为[σ2]的高斯白噪声；[x（n）]表示纯净语音信号；[n]表示各样值所在时刻（为表达方便，以下省去[n]）。 　　在无噪情况下，分帧后的纯净语音信号[x∈RM×N]是帧长为[M，]帧数为[N]的信号。对于一个过完备字典[D∈RM×L，][LM]表示字典的冗余性。[x]可以在该字典下表示为： 　　[x=D*A] （1） 　　式中：[A]是系数，它是一个[L×N]的矩阵，各列矢量[A（：，n）0?M，]其中[1≤n≤N；][0]代表0?范数。在稀疏表示中，每帧语音信号的非0系数个数远小于信号长度。 　　对于一个适合的过完备字典[