基于先验知识的语音增强方法研究参考.doc

博士学位论文 基于先验知识的语音增强方法研究 现实环境中语音信号往往被各种环境噪声污染。语音增强作为消除噪声和提高语音质量的一种有效手段，尽管近年来取得了长足的进步，但仍不能完全满足实用的要求。本文从先验知识的角度审视语音增强算法，对多种单通道/多通道方法进行了分析总结，并且针对算法应用中存在的缺陷和问题，充分利用语音、噪声和麦克风阵列的先验知识的进行了研究和改进。主要工作和创新点如下： 针对传统的谱减法中交叉项被忽略的假设在低信噪比（Signal-to-Noise Ratio, SNR）环境中会造成严重误差的问题，我们提出了一种基于相位调整和幅值补偿的多子带谱减法。首先，利用噪声与语音信号相位短时变化差异性的先验知识，我们提出了基于微距最大值搜索的相位调整算法。其次，考虑到噪声对语音的干扰在各子频带上不一致的先验知识，我们采用了多子带独立的谱减策略。最后，针对不同SNR条件下过减规则对语音谱幅值的差异性衰减的先验知识，我们提出了幅值补偿算法。 多通道信号子空间方法的关键在于运用了语音信号的低秩模型，算法的核心是信号子空间维度的估计。针对传统的维度估计方法过分依赖噪声功率估计的问题，我们提出了一种基于F范数的信号子空间维度估计方法。首先，通过训练获得了语音幅值谱的超高斯先验分布模型。其次，利用麦克风之间的相关性和正交变换不改变矩阵F范数的性质，获得了语音