搜索
指导老师：夏凌学生：强策日常生活中，我们在获取和传输语音信号时，都会不可避免的受到噪声信号的干扰，这导致语音系统地处理性能变差。语音增强就是要找到一种有效的去除噪声的方法，它的目的就是尽可能的从带噪语音中提取出较为纯净的原始语音，也就是去掉语音信号中的干扰和噪声，从而最终获取高质量的纯净的语音信号。噪声具有很多来源，而且根据环境和应用场合的不同，噪声所具有的特性也不尽相同，所以想要找到一种通用的、适用于各种噪声环境的语音增强方法是非常困难的。语音增强的目的主要有两个：一是改善语音质量；二是提高语音可懂度。但往往要同时实现这两个目的是不可能的。目前为止，人们针对加性噪声已经研究了各种语音增强方法，并适用不同的场合。1978年，Lim和Oppenheim提出了维纳滤波法1979年，Boll提出了谱相减法80年代，Maulay和Malpass提出了软判决噪声抑制方法1984年，Ephraim和Malah提出了基于MMSE短时谱估计的语音增强方法1987年，Paliwal提出了卡尔曼滤波法90年代，Ephraim等人提出隐马尔可夫模型框架的语音增强算法2001年RajnerManin提出了基于最优平滑和最小统计的噪声功率谱密度估计。近年，随着对语音增强技术的不断研究，一些新的语音增强方法如小波变换语音增强方法、卡亨南．洛维变换方法、离散余弦变换方法、人工神经网络方法、隐含马尔可夫模型方法等被相继提出。一般滤波法梳状滤波法维纳滤波法自适应滤波法一般滤波法就是输入信号中有用的频率成分和希望滤除的频率成分各占不同的频带，通过一个合适的选频滤波器达到滤波的目的。例如，输入信号中含有干扰，如果信号和干扰的频带互不重叠，可滤除干扰得到纯信号。但对于一般滤波器如果信号和干扰的频带互相重叠，则不能完成干扰的有效滤除，这时就需要另外的滤波方法。语音中的浊音部分能量很大，往往占据一段语音的大部分能量，同时它具有明显的周期性。利用语音浊音的周期性，可进行梳状滤波。就频域而言，是保留基频及其整数倍的各谐波量，抑制非谐波分量。各谐波之间的间隙基本上是噪声成分。只要知道基频就可以把谐波之间的噪声成分完全滤掉。这种方法不仅用到了噪声的统计知识，还用到了部分语音知识，但显然这些知识都是一种近似的代替。当噪声不是白噪声时，按照语音的产生模型就很难准确预测语音参数。因此对有色噪声维纳滤波法就很难应付。由此可以看出采用这种方法来提高语音信噪比和可懂度效果十分有限。特别是在噪声比较强的情况下估计的全极点模型参数误差明显增大，而如果使用迭代方法，计算结果能够有所改进，但仍然存在较大误差，且计算量比较大。这种方法是从带噪声语音中减去噪声，用两个话筒的采集系统，一个采集带噪语音，另一个采集噪声，通过双话筒采集系统的自适应噪声抵消法的原理，经自适应滤波器处理后与带噪语音相减。自适应噪声抵消法可以用于平稳噪声相消，也可以用于准平稳噪声。采用噪声抵消法时为保证系统的性能，两个话筒之间必须要有相当的隔离度，应避免语音信号混入噪音通道，如实在无法隔离，则自适应滤波器的系数只能在语音间隙期间进行刷新。基于小波变换的语音增强方法的基本思想是：带噪语音信号经小波变换后分解为具有时频特性的小波系数，然后选择合适的阈值，经过阈值处理后消除背景噪声，最后再经过小波逆变换对得到的新小波系数进行重构来得到去噪的语音信号。这种语音增强方法可以很好地去除带噪语音中的加性噪声。原理图如下：预处理用小波变换做尺度分解分尺度去噪逆小波变换去噪信号含噪信号选取不同的阈值函数，目的是对小波系数做不同的处理。阈值函数的一般思想是：去除小波系数中的小的系数，按照一定的规则保留或者收缩大的系数。阈值函数主要分为：硬阈值函数、软阈值函数和半软阈值函数。小波阈值去噪原理图小波阈值去噪的基本步骤是：(1)对带噪语音信号进行小波分解。首先选择合适的小波基和最佳分解层数，然后进行小波分解，得到小波系数。(2)对小波系数进行阈值化处理。重要的是阈值函数确定和阈值的估计。(3)将处理后的小波系数进行小波重构，得到增强的信号。小波分解阈值处理小波重构f（t）谢谢！