一种基于听觉掩蔽的语音增强方法 .pdfVIP

维普资讯

第２２卷第２期成都信息工程学院学报Ｖｏ１．２２Ｎｏ．２

２００７年４月ＪＯＵＲＮＡＬＯＦＣＨＥＮＧＤＵＵＮＩＶＥＲＳＩＴＹＯＦ１ＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＡｐｒ．２００７

文章编号：１６７１．１７４２（２００７）０２．０２０５．０４

种基于听觉掩蔽的语音增强方法

一

申艳红，罗代升，龙建忠

（四川大学电子信息学院图像信息研究所，四川成都６１００６４）

摘要：提出了一种基于谱减法的语音增强算法。算法利用人耳的听觉掩蔽效应动态确定每一帧的权值，有选

择地增强。实验结果表明，方法有效抑制了背景噪声和音乐噪声并提高了语音质量。

关键词：听觉掩蔽；谱减法；语音增强

中图分类号：ＴＮ９１２．３５文献标识码：Ａ

１引言

目前，许多语音识别系统在实验室环境下的性能已经达到了实用的地步，但是，在噪音环境下，特别是在低信

噪比下性能急剧地下降。因此，作为语音识别系统的前端预处理模块，语音增强成为语音信号处理领域里的热点

研究之一，具有现实意义。语音增强的目的是从含噪语音中尽可能地提取出原始数据。语音增强主要有基于语

音幅度谱估计和基于发声模型两种算法。基于语音幅度谱估计的主要有谱减法，维纳滤波法，最小均方误差

ＭＭＳＥ）（估计法【ｌ；基于发声模型主要有：隐马尔柯夫模型ＨＭＭ）（等。其中前者一直是研究的热点。

谱减法［２，３］是目前最常用的语音增强技术，其原理简单，易于实现，且计算量小，但是会引入令人讨厌的“音

乐噪声”【。为此，提出了一种基于听觉掩蔽效应进行加权来改进谱减法。实验结果表明，该方法有效增强了语

音并消除了背景噪音和音乐噪声。

２基本谱减算法

首先，假设加性噪声与短时平稳的语音信号是相互独立的。设（ｔ）表示纯净的语音信号，（ｔ）表示噪音信

号，（ｔ）表示含噪语音信号。则有下式：

Ｙ（ｔ）＝（ｔ）＋（ｔ）

经傅立叶变换后得到：

ｙ）（＝Ｓ（）＋Ｎ（）

式中，Ｙ（）、Ｓ（∞）和Ｎ（）分别表示Ｙ（ｔ），（ｔ）和（ｔ）的傅立叶变换。

由上式可得：

ｌｙ）（ｌ＝ｌＳ（）ｌ２＋ｌＮ（）ｌ＋２Ｒｅ［Ｓ（）Ｎ（）］

因而有：

Ｅ（１ｙ）（ｌ）＝Ｅ（１Ｓ（）ｌ）＋Ｅ（１Ｎ（）ｌ）＋２Ｅ｛尺［Ｓ（）Ｎ（∞）］｝

因为（ｔ）和（ｔ）相互独立，则可得Ｓ（）和Ｎ（）相互独立。由Ｎ（）是零均值高斯分布，则可知Ｅ｛［Ｓ（∞）

Ｎ（）］｝为零。于是有下式：

Ｅ（１ｙ）（）ｌ＝Ｅ（１Ｓ（）Ｉ）＋Ｅ（１Ｎ（））ｌ

由于语音是短时平稳的，因此在一帧之内有：

ｌｙ）（ｌ＝ＩＳ（）ｌ＋ｌＮ（）ｌ

因而，估计的纯净语音值为：

ｌＳ（）ｌ＝（１ｙ）（ｌ一ｌＮ（））ｌ／２

由于人耳对语音的相位感觉不太敏感，可以用带噪语音的相位代替纯净语音的相位来进行傅立叶反变换，从

收稿日期：２００６—０９—１９；修订日期：２００６．１０．２５