语音信号处理第十四章.ppt

14.1概述 14.2语音特性、人耳感知特性及噪声特性 14.3滤波法语音增强技术 14.4利用相关特性的语音增强技术 14.5非线性处理法语音增强技术 14.6减谱法语音增强技术 14.7利用Weiner滤波法的语音增强技术 ;14.1 概述;国内外语音信号处理研究成果;3）第三类方法是基于模型参数适应化的噪声补偿算法，如针对加法性噪声的HMM合成法，和针对乘法性噪声的Stochastic Matching法等。通常只考虑到噪声环境是平稳的，在低信噪比语音以及非平稳噪声环境中的效果并不理想。 ;14.2语音特性、人耳感知特性及噪声特性;14.2.2 人耳感知特性 对于声波频率高低的感觉与实际频率的高低不呈线性关系，而近似为对数关系；对频率的分辨能力受声强的影响；对语音信号的幅度谱较为敏感，对相位不敏感。 人耳掩蔽效应：产生一个声音由于另外一个声音的出现而导致该声音能被感知的阀值提高的现象。 语音增强的最终效果度量是人耳的主观感觉，所以在语音增强中可以利用人耳感知特性来减少运算代价。;14.2.3 噪声特性 噪声可分为： 平稳和非平稳噪声 加法性噪声：冲激噪声、周期噪声、宽带噪声、语音干扰 乘法性噪声：残响及传输网络的电路噪声（非加性噪声往往可以通过某种变换，如同态滤波，转为加性噪声） ;（1）冲激噪声：例如放电，打火，爆炸都会引起冲激噪声，它的时域波形是类似于冲激函数的窄脉冲。消除冲激噪声影响的方法通常有两种：对带噪语音信号的幅度求均值，将该均值做为判断阈，凡是超过该阈值的均判为冲激噪声，在时域中将其滤除；当冲激脉冲不太密集时，也可以通过某些点内插的方法避开或者平滑掉冲激点，从而能在重建语音信号去掉冲激噪声。 （2）周期噪声：最常见的有电动机，风扇之类周期运转的机械所发出的周期噪声，50Hz交流电源哼哼声也是周期噪声。在频谱图上它们表现为离散的窄谱，通常可以采用陷波器方法予以滤除。 ;3）宽带噪声：说话时同时伴随着呼吸引起的噪声，随机噪声源产生的噪声，以及量化噪声等都可以视为宽带噪声，应用中常近似为Gauss噪声或白噪声。其显著特点是噪声频谱遍布于语音信号频谱之中，导致消除噪声较为困难。一般需要采取非线性处理方法。 （4）语音干扰：干扰语音信号和待传语音信号同时在一个信道中传输所造成语音干扰称为语音干扰。区别有用语音和干扰语音的基本方法是利用它们的基音差别。考虑到一般情况下两种语音的基音不同，也不成整数倍，这样可以用梳状滤波器提取基音和各次谐波，再恢复出有用语音信号。 （5）传输噪声：这是传输系统的电路噪声。与背景噪声不同，它在时间域里是语音和噪声的卷积。处理这种噪声可以采用同态处理的方法，把非加性噪声变换为加性噪声来处理。;通过语音增强技术来改善语音质量的过程如图14-1所示;14.3滤波法语音增强技术;简单的数字陷波器的传递函数如下： 由 可以看出 的频率将被滤除掉。根据数字信号处理的基本知识可以知道，数字滤波器的极零点接近时，信号频谱变化较为缓慢，而在陷波频率处急剧衰减，故引入反馈： 当 越接近1时，分母在零点附近处由抵消作用，梳齿带宽变得越窄，通带较为平坦，陷波效果越好。其模拟框图如图14-3所示;14.3.2 自适应滤波器 1.基本型 自适应滤波器最重要的特性是能有效地在未知环境中跟踪时变的输入信号，使输出信号达到最优，因此可以用来构成自适应的噪声消除器，其基本原理框图如图14-4所示。 ;图中s(t)为语音信号，n(t)为未知噪声信号，y(t)带噪语音信号，r(t)为参考噪声输入， r(t)与s(t)无关,而与n(t)相关。 图14-4中将 看作是r(t) 估计y(t)而得到的误差，据最小均方准则，当 为最小时的误差 也就是降噪后的 。这里采用LMS递推算法简要说明横向滤波器系数的求法。;设横向滤波器的加权向量记为 ，误差信号 ，则有： 为噪声 的输入向量。设代价函数为： 对上式求导，可以得到最小均方意义下的最佳系数向量为： 下面不加证明的给出Widrow-Hoff的LMS算法加权系数递推公式：;2对称自适应去相关的改进型 实际应用中，参考输入 r(t)除包含与噪声相关的参考噪声外，还可能含有低电平的信号分量。图14-5给出了原始语音信号 s(t)通过一个传输函数为 J(t)的信道泄露到参考输入中的情景。;为了解决信号分量的泄露导致系统性能恶化的问题，D.Van Compernolle 提出了