噪声估计的算法及MATLAB实现

I太原理工大学毕业设计（论文）任务书毕业设计（论文）题目；噪声估计的算法及MATLAB实现毕业设计（论文）要求及原始数据（资料）：论文要求：(1)1-3周查找噪声估计算法的一些相关文献(2)4-6周找出的几种噪声估计算法的特点(3)7-8周确定2-3种噪声估计的算法(4)9-11周确定大纲,完成开题报告(5)12-13对确定的噪声估计算法进行仿真,对比找出算法的不足及今后的研究方向(6)14周定出初稿,最后在老师的指导下最终完稿,准备答辩论文原始数据：有关抗噪声技术的研究，在国内外作为非常重要的研究课题，已经作了大量的研究工作，取得了丰富的研究成果。而噪声估计是语音增强中一个非常重要的部分，在这方面的研究，国外比较多一些。传统的噪声估计方法是使用语音活动性监测(VAD:VoiceActiveDetection)判别语音是否出现，并分离出无声段,此时无声段主要表现为噪声特性,然后在无声区通过某种统计方法,获得背景噪声特性的近似估计,对噪声谱进行更新。尽管该方法在噪声为平稳的情况下是可行的，但是在实际的噪声环境中噪声谱的特性变化很大,在低信噪比下,VAD的误检率会增大,在不能正确判断无声段的情况下很难保证估计出来的噪声的准确性。因此，为了实现精确的噪声估计，就要对噪声谱进行实时的估计。1994年Martin提出了一种基于最小值统计的方法来估计噪声，它是基于带噪语音信号的功率水平滞后于噪声的功率水平，因此可以通过跟踪带噪语音信号功率谱的最小值来获得噪声功率谱的估计值。在大约1.5s的滑动窗口内寻找每一频率带内的频谱最小值，经过补偿后和带噪语音的功率谱进行比较。不论带噪语音的功率谱是否小于局部最小值，局部最小值都需要更新。同时，为了能更快的跟踪并更新局部最小值和频谱最小值，把滑动窗口分为子窗口，在每个子窗口内更新噪声的估计谱，提高了精确度。此算法的基本思路是先用一个最优平滑滤波对带噪语音的功率谱滤波，得到一个噪声的粗略估计。然后找出粗略噪声中的在一定时间窗内的最小值，对这个最小值进行一些偏差修正，即得到所要估计的噪声的方差。1995年Doblinger通过比较前帧带噪语音子带平滑功率谱最小值和后帧带噪语音子带平滑功率谱之间大小，对带噪语音子带平滑功率谱最小值每帧进行跟踪和II更新，并将其作为估计的噪声谱，该噪声谱估计方法计算效率高，能快速适应背景噪声的变化，但是它直接把带噪语音子带平滑功率谱最小值作为估计的噪声谱，使得噪声谱过估计。2002年Cohen和Berdugo提出了一种基于最小值控制递归平均法的噪声估计算法,把最小追踪法的鲁莽性与递归平均方法的简单性结合到一起，该算法能够快速地追踪突变的噪声功率谱。与最小统计相比，对最小值的跟踪不是关键性的，在进行递归平均时不需要对语音出现与缺失进行区分，因此即使在弱语音段也同样可以进行连续噪声估计更新。具有能够快速跟踪噪声谱的突变的能力。Cohen的噪声估计算法依赖于最小值的跟踪算法，虽然比起Martin的最小值统计跟踪算法效果要好的多，但无法完全避免在噪声上升区域的噪声欠估计及持续强语音后面区域出现的噪声过估计的缺陷。2004年Rangachari和Loizou提出了一种快速估计方法，不仅使得带噪语音子带中语音出现概率计算更准确，而且噪声谱的更新在连续时间内不依赖固定时间的窗长，但是在语音或噪声能量过高时噪声的估计就会慢下来，而且如果时间大于0.5s时，就会削弱一些语音能量。因此，噪声估计算法有待更进一步的改进。2009年余力,陈颖琪提出了一种基于DCT变换的自适应噪声估计算法，采用DCT系数作为块均匀度的度量，较好地适应了高低噪声的情况,算法复杂度不大，能适用于各种实时图像视频处理系统。理论分析及实验结果表明本算法不仅在低噪声的图片中表现出良好的性能，而且在高噪声的图片中依旧有效。此外,还能适应不同质量的图像。通过对基于最小统计量的噪声估计方法和改进的最小统计量控制递归平均噪声估计算法研究发现这些噪声估计方法可以在语音存在段进行噪声估计，能够有效地跟踪非平稳噪声。但是，这些算法在各个频带进行噪声估计，算法复杂度高，噪声估计方差大。于是在考虑各频带间的相关性上提出了在巴克域进行噪声估计，减小了噪声估计方差，提高了噪声估计的准确性，并极大地减小算法运算量和存储量。而且，在巴克域进行噪声估计更符合人耳听觉特性，增强语音具有更好的质量。其他类似的方法还有低能量包络跟踪和基于分位数的估计方法，后者噪声的估计是基于带噪语音未平滑功率谱的分位数，而不是提取平滑功率谱的最小值，但是此方法计算复杂度很高，且需要很大的内存来存储过去的功率谱值。III毕业设计（论文）主要内容：本文分为五章,具体章节内容如下:第一章绪论。噪声估计算法研究的目的和意义及国内外研究的现状。第二章几种经典的噪声估计的算法。Martin的最小统计量的估计算法,Cohen和Berdugo提出的基于最小统计量控制递归平均算法,通过比较最终提出改进的最小统计量控制递归平均算法，仿真结果表明，这种方法在非平稳噪声条件下，也具有较好的噪声跟踪能力和较小的噪声估计误差，可以有效地提高语音增强系统的性能。第三章基于语音活动性检测的噪声估计算法及MATLAB仿真。通过基于语音活动性检测的噪声估计算法，对能量和最小过零率的语音端点进行检测，仿真结果得出，我们需要鲁棒性更强的算法，即使在有语音存在的情况下，也能够实现噪声的连续估计和不断更新。第四章最小统计递归平均的噪声估计算法及MATLAB仿真。首先研究了最小值统计跟踪法通过仿真得出此算法不能快速跟踪真实噪声的变化，并研究了基于统计信息的非平稳噪声自适应算法，但它的计算很复杂。其次是Cohen和Berdugo提出的最小值控制递归平均算法，为了进一步提高算法性能，本文研究了一种改进的最小值控制递归平均算法，此算法在保证噪声估计准确性的同时减小了算法的复杂度。第五章总结全文,在以后的噪声估计算法的研究中要进一步完善噪声功率谱的估计算法，进一步将噪声估计方法和其他方法相结合，争取得到更加精确的噪声估计。学生应交出的设计文件（论文）：毕业设计论文一份电子文档一份IV主要参考文献：参考文献[1]张雄伟，陈亮，杨吉斌．现代语音处理技术及应用[M]．北京：机械工业出版社，2003：4-12．[2]赵立．语音信号处理[M]．北京：机械工业出版社，2003：5-10．[3]R.Martin.Spectralsubtractionbasedonminimumstatistics[C],SeventhEuropeanSignalProcessingConference,1994,9(5):1182-1185.[4]张雪英，张刚，马建芬，语音处理与编码[M]，北京，兵器工业出版社，2000.[5]I.Cohen,B.Berdugo.Noiseestimationbyminimacontrolledrecursiveaveragingforrobustspeechenhancement[J],IEEESignalProc.Letters,2002,9(1):12-15.[6]王华奎，张立毅，数字信号处理理论及应用[M]，太原，太原理工大学出版社，2005，pp.182-203[7]姜琳峰，石鸿凌，孙洪，基于最优平滑和统计最小的语音增强[J]，武汉大学学报（理学版），2004,50(1)，pp.113-117[8]陈照平，马建芬，张雪英，一种基于快速噪声估计的MMSE语音增强算法[J]，计算机工程与应用，2007，(22)，pp.113-114[9]张波，曹志刚，低信噪比条件下的一种自适应有声/无声判决算法[J]，信号处理，1996，12(3)，pp.239-246[10]杨行峻，迟惠生等．语音信号数字处理[M]．北京：电子工业出版社，1995：16-22．[11]焦人杰，侯丽敏．一种快速自适应噪声谱估计方法[J]．声学技术，2007，26(4)：735-740．[12]胡航．语音信号处理[M]．哈尔滨：哈尔滨工业大学出版社，2002：20-29．[13]易克初，田斌，付强．语音信号处理[M]．北京：国防工业出版社，2000：22-30．[14]韩纪庆，张磊等．语音信号处理[M]．北京：清华大学出版社，2004：30-41．[15]韩韬．基于强背景噪声下的语音端点检测算法与实现[D]．长沙：湖南大学，2007．[16]金学骥．语音增强算法的研究与实现[D]．杭州：浙江大学，2005．[18]周为，邱秀清，朱敬锋等．一种基于噪声快速跟踪的语音增强算法[J]．电声技术，2007，31(11)：55-60．[19]杨海．感知语音质量评价PESQ及其在通信系统中的应用[J]．江西通信科技，2004，2004(2)：36-47．[20]朱健华，语音增强方法的研究[D]，大连，大连理工大学，2002[21]胡航．语音信号处理[M]．哈尔滨：哈尔滨工业大学出版社，2002：20-29．[22]王永红，周德新，熊军．谱减法技术中“音乐噪声”的抑制[J]．桂林电子工业学院学报，1998，18(1)：38-42．V专业班级通信07-1班学生乔君芮要求设计（论文）工作起止日期指导教师签字日期教研室主任审查签字日期系主任批准签字日期I噪声估计算法的研究及MATLAB仿真摘要日常的通信过程中,语音会常常受到环境噪声的干扰而使通话质量下降,严重时使得语音处理系统不能正常工作。因此,必须采用信号处理方法通过语音增强来抑制背景噪声从而提高语音通信质量,而噪声估计的准确性又直接影响语音的增强效果。可见,噪声估计是语音增强的一个非常重要的部分,所以研究噪声估计算法有很好的实用价值。本文主要研究两种噪声估计算法:基于最小统计和最优平滑的噪声估计算法和最小值控制递归平均法的噪声估计算法,通过实验仿真比较最终研究了一种改进的最小值统计量控制递归平均噪声估计算法。本文的主要工作总结归纳为以下几方面：首先,本文对几种经典的噪声估计算法进行研究,了解它们的各自优缺点,在此基础上选定两种较好的算法进行具体分析。其次,了解最小统计和最优平滑和噪声功率谱统计跟踪的噪声估计算法的原理,它的基本思路是先用最优平滑滤波器对带噪语音的功率谱滤波,得到一个噪声的粗略估计，然后找出粗略估计噪声中的在一定时间窗内的最小值，对这个最小值进行一些偏差修正，即得到所要估计的噪声的方差。通过MATLAB仿真看其特征。再次,本文研究了一种改进的最小统计法。算法采用递归平均进行噪声估计，其递归平均的平滑量控制递归平均噪声估计算因子受语音存在概率控制，而语音存在概率的计算采用了两次平滑和最小统计量跟踪。与I．Cohen提出的IMCRA算法相比，本文采用了一种快速有效的最小统计量跟踪算法。仿真结果表明：在非平稳噪声条件下，该算法具有较好的噪声跟踪能力和较小的噪声估计误差，可以有效地提高语音增强系统的性能。最后,对整体论文总结,通过研究发现改进的最小统计量控制递归平均噪声算法在IMCRA算法的基础上,采用了一种简单有效地最小统计量估计算法,在保证噪声估计准确性的同时,减小了算法的复杂度。同时,基于这种噪声估计的语音增强系统能有效地提高增强语音的信噪比,并且能有效地消除增强语音中的音乐噪声。关键词:噪声估计,谱减法,语音检测,最小递归统计量IINOISEESTIMATIONALGORITHMRESEARCHANDMATLABSIMULATIONABSTRACTTheDailycommunicationprocess,speechwilloftenaffectedbyenvironmentalnoiseinterferenceandmakecallsthequalitydescend,seriouswhenmakespeechprocessingsystemdidn'tworkproperly.Therefore,mustusesignalprocessingmethodsthroughspeechenhancementtocurbbackgroundnoisesoastoimprovethequal