搜索
基于MATLAB语音增强的研究摘要：目前的语音识别系统大都是在安静环境中工作的，但实际工作中在噪声环境中尤其是强噪声环境下，语音识别系统的识别率将受到严重影响。谱减法语音增强是一种对数字语音识别系统的预处理和线性预测编码的预处理，能有效抑制背景噪声，提高语音质量。基于此文中提出并研究语音数字信号增强处理方法及其Matlab实现，旨在通过理论探讨和实例分析，获知适用的增强语音数字信号的方法和技术。关键词:谱减法、语音增强。1.引言研究语音增强技术在实际中有重要价值。目前，语音增强己在很多方面得到广泛的应用例如语音处理系统、通信、多媒体技术、数字化家电等领域。语音增强的一个主要目标，就是从带噪语音信号中提取尽可能纯净的原始语音。根据与输入语音信号的关系，噪声可分为加性噪声和非加性噪声两类。对某些非加性噪声而言，可以通过一定的变换转换成加性噪声。非加性噪声主要是残响和传送网络的电路噪声等。加性噪声通常分为宽带噪声、冲激噪声、语音干扰噪声、周期噪声等。2.MATLAB简介MATLAB是MATrixLABORATORY的缩写，是一款由美国THEMathWorks公司出品的商业数学软件。MATLAB是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互环境。除了矩阵运算、绘制函数/数据图像等常用功能外，MATLAB还可以用来创建用户界面及与调用其它语言编写的程序。3.语音特性语音具有被称为声学特征的物理性质。语音既然是人的发音器官发出来的一种声波，它就和其他各种声音一样，也具有声音的物理属性。它具有以下一些特性：1音质。它是一种声音区别于其他声音的基本特征。2音调。就是声音的高低。音调取决于声波的频率：频率快则音调高，频率慢则音调低。3声音的强弱。音调即音量，又称响度。它是由声波振动幅度决定的。4声音的长短。也称为音长，它取决于发音持续的长短。语音处理具有上述的声音的物理属性外，它还具有另外一个重要性质，这是语音总是和一定的意义相联系着，一定的语音要表达一定的意义和思想内容，而且还能表达出一定的语气、情感，甚至是许多”言外之意“。因此，语音所包含的信息也是十分丰富和多种多样的。语音是一时变的、非平稳的随机过程，但由于一段时间内（10~30ms）人的声带和声道形状的相对稳定性，可认为其特征是不变的，因而语音的短时谱具有相对稳定性。在语音分析中可利用短时谱的这种平稳性。语音大体上可以分为清音和浊音两大类，浊音在时域上呈现出明显的共振峰结构，而且能量大部分集中在较低频段内；浊音则没有明显的时域和频域特征，类似于白噪声。语音感知对语音增强研究具有重要作用，语音增强效果的最终度量是人的主观感受。人耳对背景噪声具有惊人的抑制作用，了解其中机理将大大有助于语音增强技术的发展。（1）人耳对语音的感知是通过语音信号中各频谱分量幅度获得的，对各分量的相位则不敏感（2）人耳对频谱分量强度的感受是频率和能谱的二元函数，响度与频谱幅度的对数成正比（3）人耳有掩蔽效应，掩蔽的程度是语音强度与频率的二元函数，对频率临近分量的掩蔽要比频差大的分量有效的多（4）短时谱中的共振峰对语音的感知十分重要，特别是第二共振峰比第一共振峰更重要。因此对语音信号进行一定程度的低通滤波不会对可懂度造成影响4.噪声特性噪声可以分为加性噪声和噪声。对于乘性噪声，有些可以通过变换而转变为加性噪声。加性噪声大致有：周期性噪声、脉冲噪声、宽带噪声和同声道其它语音的干扰等。1周期性噪声：具有许多的离散的线谱，主要来源于发动机等周期性运转的机械，可以用梳状滤波器予以抑制。然而，实际中产生的周期性噪声是由许多窄谱带组成，并且往往是时变的，且与语音信号频谱重叠，所以必须采用自适应滤波的方法才有可能自动识别和区分噪声分量。2脉冲噪声：表现为时域波形中突然出现的窄脉冲，来源于爆炸、撞击和放电等。可根据带噪语音信号幅度的平均值确定阈值，当信号幅度超出阈值时，判别为脉冲噪声，然后对它进行适当的衰减；也可以根据相邻信号样值通过内插的方法，在时域上进行平滑。3宽带噪声:宽带噪声来源很多，热噪声、气流噪声及各种随机噪声源，量化噪声也可是视为宽带噪声。由于它与语音信号在时域和频域上完全重叠，因而消除最为困难。这种噪声只有在语音间歇期才单独存在。对于平稳的宽带噪声，通常可以认为是白色高斯噪声。不具有白色频谱的噪声，可以先进行预白化处理。4同声道语音干扰：人耳可以在两人以上讲话环境中分辨出所需的声音，这种分辨能力是人体内部语音理解机理所具有的感知能力，来源于人耳的双耳输入效应，称之为“鸡尾酒会效应”。但当多个语音叠合在一起，在单信道传输时，双耳信号合并而消失。5背景噪声对发声的影响：强噪声不仅会使人疲劳，而且还会对讲话人产生影响，使讲话人改变了在安静环境或低噪声环境中的发音方式，从而改变了语音的特性参数，这称为“Lombard”效应，它对语音识别系统有很大影响。5.谱减法基本原理谱减法的基本思想是在假定加性噪声与短时平稳的语言信号相互独立的情况下，从带噪语音的功率谱中减去噪声功率谱，从而得到较为纯净的语音频谱圈。如果设s(t)为纯净语音，n(t)为噪声信号，y(t)为带噪语音信号，则有:y(t)=s(t)+n(t).用y(w),s(w),n(w)分别表示三者的傅里叶变换，则可得要y(w)=s(w)+n(w),由于假定语音信号与加性噪声是相互独立的，可以得到:|y(w)^2|=|s(w)^2|+|n(w)^2|,如果用Py(w),Ps(w),Pn(w)分别表示三者所示y(t),s(t),n(t)的功率谱，则有：Py(w)=Ps(w)+Pn(w)。而由于平稳噪声的功率谱在发声前和发生期间可以认为基本没有发生任何变化，这样可以通过发声前的所谓”寂静段”来估计噪声的功率Pn(w),从而有Ps(w)=Py(w)-Pn(w)这样减出来的功率谱密度可以认为是较为纯净的语音功率谱，然后可以从这个功率谱回复降噪后的语音时域信号，在具体运算时，为防止出现负功率谱的情况，减谱时Py(w)Ps(w)时,令Ps(w)=0,即完整的减谱公式运算如下：Ps(w)=Py(w)-Pn(w),Py(w)=Pn(w),Ps(w)=0,Py(w)Pn(w),为了用傅里叶逆变换再现语音，还需要Ps(w)的相位，由于人耳对语音的不敏感，因而可以借用带噪音相位，即Py(w)的相位来近似。即:Ps(w)=|Ps(w)|exp(j{P[y(w)])。谱减法语音增强技术的基本原理如图所示。谱减法作为处理宽带噪声的传统方法，对于整个语音段采用减去相同噪声功率谱的方法，这样，使得在实际中不能达到很理想的效果。因为：1、语音的能量往往集中在某些频段内，在这些频段内的幅度相对较高，尤其是共振峰处的幅度一般远大于噪声，因此，不应该在整个语音段内减去相同噪声功率谱；2、由于在谱减法处理过程中，是以无声期间统计平均的噪声方差代替当前分析帧各频率点的噪声频率分量。而宽带噪声服从高斯分布，即幅度随机变化的范围很宽，其最大值、最小值之比往往达到几个数量级，而最大值与平均值之比也可达6~8倍，只有对它做长期平均才能得到较为平坦的谱。因此相减时，若该帧某频率点噪声分量较大，谱减后就会有很大的残余噪声保留。6.谱减法的实现与仿真基于MATLAB实现谱减法的仿真，其程序流程图如图所示:谱减法是利用噪声的统计平稳性以及加性噪声与语音不相关的特点而提出的一种语音增强方法。这种方法没有使用参考噪声源，但它假设噪声是统计平稳的，即有语音期间噪声幅度的期望值与无语音间隙噪声的幅度谱的期望值相等。用无语音间隙测量计算得到的噪声频谱的估计值取代有语音期间噪声的频谱，与含噪声频谱相减，得到语音频谱的估计值。当上述差值得到负的幅度时，将其置零。由于人耳对语音的感知主要是通过语音信号中各频谱分量幅度获得的，对各分量的相位不敏感。因此，此类语音增强方法将估计的对象放在短时谱幅度上。下图是在MATLAB环境下谱减法的仿真效果。7.总结由以上过程，现将谱减法总结如下：1、谱减法在静音帧时估计噪声幅值谱，并且假设在其后的语音帧里噪声谱基本稳定，从带噪信号谱中扣除噪声谱，并利用人耳“相盲”这一特点，将得到的幅值和带噪信号的相位结合形成语音估计谱。2、谱减法的优点在于方法简单（只需要进行傅里叶正、反变换），而且得到的增强结果和其它更复杂方法的结果相当甚至更好。3、该方法会造成“音乐噪声”，这是因为实际噪音谱相对于估计谱的随机变化造成的。可以用多种方法减轻这种噪声，但无法完全消除。参考文献：[1]胡航.语音信号处理.哈尔滨工业大学出版社2009年7月第4版[2]郑阿奇，曹弋.MATLAB实用教程.电子工业出版社2016年7月第4版