基于子帶分解的分?jǐn)?shù)傅里葉變換語(yǔ)音增強(qiáng)算法研究.pdf

1、語(yǔ)音信號(hào)在日常生活和工作的各個(gè)方面都起著非常重要的作用。而語(yǔ)音信號(hào)又經(jīng)常會(huì)受到各種各樣噪聲的干擾,嚴(yán)重影響信息的獲取,甚至?xí)斐烧Z(yǔ)音處理系統(tǒng)的失效。因此,需要對(duì)含噪的語(yǔ)音信號(hào)進(jìn)行去噪處理,抑制噪聲,提高通信質(zhì)量。本文主要對(duì)基于子帶分解的分?jǐn)?shù)階傅里葉變換的語(yǔ)音增強(qiáng)算法進(jìn)行了研究,在子帶分解的系統(tǒng)中應(yīng)用分?jǐn)?shù)階譜減法估計(jì)語(yǔ)音模型參數(shù),再應(yīng)用卡爾曼濾波進(jìn)行進(jìn)一步的音樂(lè)噪聲的消除。分?jǐn)?shù)階域的語(yǔ)音增強(qiáng)主要包括譜減模型改進(jìn)、最佳變換階次的選取等內(nèi)容。

2、
　　 本文首先介紹語(yǔ)音特性及噪聲特性,然后分別從基于語(yǔ)音生成模型方法,非參數(shù)方法,基于統(tǒng)計(jì)模型方法以及其他方法簡(jiǎn)單闡述了語(yǔ)音增強(qiáng)的基本算法。
　　 接下來(lái),研究分?jǐn)?shù)傅里葉變換的基本定義,并簡(jiǎn)單介紹分?jǐn)?shù)傅里葉變換的基本性質(zhì)和分?jǐn)?shù)傅里葉變換離散算法的四種途徑。在此基礎(chǔ)上研究分?jǐn)?shù)階域的最優(yōu)濾波算子原理和最佳變換階次的確定。相對(duì)于傳統(tǒng)譜減模型進(jìn)行的改進(jìn),分?jǐn)?shù)階譜減法首先要確定最佳變換階次,同時(shí)在最佳變換階次下進(jìn)行分?jǐn)?shù)階域帶噪語(yǔ)

3、音信號(hào)處理,最后插入相位系數(shù),實(shí)現(xiàn)語(yǔ)音和噪聲在分?jǐn)?shù)階域上的最佳分離。但是鑒于噪聲估計(jì)的經(jīng)驗(yàn)性模態(tài)假設(shè),雖然在自相關(guān)基礎(chǔ)上提高了檢測(cè)效率,但不夠穩(wěn)定。所得功率譜估計(jì)值將會(huì)丟失一定的原始語(yǔ)音信息,并且會(huì)產(chǎn)生音樂(lè)噪聲,對(duì)聽(tīng)覺(jué)效果產(chǎn)生影響。
　　 卡爾曼濾波采用參數(shù)方法,依賴(lài)于使用的語(yǔ)音生成模型,能夠?qū)σ魳?lè)噪聲進(jìn)行良好的抑制,但是由于使用迭代方法,算法復(fù)雜度較高。
　　 本文采用子帶分解技術(shù),將帶噪語(yǔ)音信號(hào)分解成 M個(gè)子帶,在確

4、定最佳變換階次的前提下,利用分?jǐn)?shù)階的譜減法對(duì)卡爾曼濾波前的語(yǔ)音參數(shù)模型的功率譜估計(jì)加以改進(jìn),提取該變換階次下的含噪信號(hào)幅值特性,作為子帶分解的卡爾曼濾波器的輸入,從而在分?jǐn)?shù)階譜減的基礎(chǔ)上進(jìn)一步實(shí)現(xiàn)對(duì)音樂(lè)噪聲的抑制。
　　 最后在理論分析的基礎(chǔ)上,應(yīng)用分段信噪比和PESQ兩種語(yǔ)音評(píng)價(jià)測(cè)度,針對(duì)不同信噪比下的加性高斯白噪聲、粉紅噪聲、工廠噪聲環(huán)境,對(duì)本論文方法進(jìn)行仿真實(shí)驗(yàn)分析,并比較純凈語(yǔ)音信號(hào)和增強(qiáng)后語(yǔ)音信號(hào)的時(shí)域波形相似度。分析