单通道语音增强算法的分析-通信与信息系统专业论文.docx

华 中 科 技 大 学 硕 士 学 位 论 文 PAGE 10 PAGE 10 1．绪论 1.1 研究背景及意义 21 世纪是一个信息化的时代，伴随着科技的不断发展进步，人类的生活已经日 新月异。语音是人类最原始的沟通交流的工具之一，在人类社会物质文明与精神文 明的发展中扮演者不可或缺的角色。即使在越来越呈现出信息化的时代，语音在传 送信息方面仍旧举足轻重。 因此，关于语音信号的处理研究是很有必要的，这门学科也逐渐发展成为信息 处理领域的重中之重，受到国内外研究学者的广泛关注。近些年来，由于语音信号 学科其涉及面之广，学术价值之高，其应用领域也不断拓展，在越来越多的系统中 得以实际应用，推动了信息化社会的进程的同时，也极大地丰富和方便了人们的生 活。 但是在实际语音信号的采集处理系统中，我们得到的并不是最初我们想要传递 的信息，而是被形形色色的噪声污染过的语音信号，比如，自然环境的噪声，信道 媒介在传输过程中引入的噪声，机械设备工作过程中带来的噪声，甚至同一系统下 的其他有用信息本身等等，这违背了我们希望通过采集语音信息进行有效的传达的 目的。但是采集到干净的语音信号也是不现实的，毕竟噪声是未知的，不可避免的。 如何不影响后续语音信号系统的有效工作，如何对采集到的染噪语音信号进行恢复 得以期望信号成为语音信号处理领域的关键也是难点。 语音增强就是解决对采集到的染噪语音信号进行恢复以得到期望语音信号的方 法，它的目标可以概括为两个：一是尽量提高人耳听觉系统的可接受度；二是提高 语音的辨认度 [1]。语音增强与语音去噪还是有差别的，共同点在于都是解决同一个 问题，但是追求的效果不一样，语音增强更强调听觉的主观感受，重点使语音信号 得以增强，噪声得以消弱，但是语音去噪更强调背景噪声的有无，是要在语音失真 度可以忍受的范围内，对噪声进行抑制。 语音增强技术的应用可以总结为两大类，军用和民用。在军用领域，传达指令， 通报战情，甚至助听窃听都需要语音增强技术的支持，而且通常的战场环境都是十 分恶劣的，对语音增强技术往往有着更高的要求；在民用领域，人们日常生活的联 络，录音记录的灵感创作者，说话人识别等等，都要用到这项技术。 总而言之，语音增强技术作为语音信号处理领域的前端处理系统，对搭建一个 个具有抗噪声实力的语音通信设备和系统提供了有力的保障。 1.2 国内外研究现状 基于理论研究和实际应用的需要，各专家学者，各实验室对于语音增强这个课 题的讨论不断开展。随着几十年的积累，一些经典的算法慢慢成形。包括二十世纪 七十年代末期的维纳滤波法[2,3]，稍晚一些的谱减法 [4]，以及八十年代出现的软判决 法[5]，基于最小均方误差估计的短时谱幅度 (MMSE-STSA)法[6]，基于人耳听觉掩蔽特 性的方法[7](MMSE-LOG-STSA)，还有卡尔曼滤波法[8]，到了九十年代出现了基于最小 统计[9]和最优平滑进行噪声谱估计[10]的方法，基于子空间的方法[11]等。 进入二十一世纪后，除了针对以上经典算法的改进型方法以外，出现了很多本 来应用于其他领域的方法，为语音增强领域带来了新的思路。它们分别是小波变换 法[12]、K-L 变换法[13]、DCT 变换法[14]、人工智能法[15]、Markov 模型法[16]等等。 经过几十年的研究，语音增强技术已经取得一定的成果，在中信噪比，甚至低 信噪比下都有很好的表现，但是在极低信噪比下，有些算法就失去了效力，而有的 算法的实际应用总会受到这样那样的限制，找到一个普遍适用，甚至解决极低信噪 比难题的算法还是存在极大的挑战性。近些年随着一些经典算法的改进形式不断被 提出，随着相关领域算法的成熟，寻找新的算法，借鉴新的思路找到突破口成为语 音增强领域研究的新方向。 1.3 研究内容和论文结构 本文在了解语音增强的相关背景，目前的研究算法分支和现有的增强效果之后， 以两种语音增强领域颇有名气和应用广泛的算法，谱减法和维纳滤波法为代表，较 为详细的研究了具体的算法原理，进行了算法分析，然后对盲信号处理领域的 fastICA 算法进行了详细的介绍，旨在将这种算法运用于语音增强，为语音增强算法 领域注入新鲜的血液，在介绍了 fastICA 算法的原理之后，对于将其移植到语音增 强领域遇到的问题进行了分析解决，提出了两种方法，之后在 matlab 仿真平台上对 之前介绍过的两种经典算法以及本文提出的两种 fastICA 解决方法进行了实验仿真， 对比了各种算法对语音增强的处理能力，最后是文章的总结和展望。 研究内容和论文结构如下： 第一章绪论，本章概要介绍了语音增强技术在学术和实际应用领域的背景，目 的和意义，以及这项技术在国内外的研究情况，接着是本论文的主要内容和章