基于統(tǒng)計(jì)模型和掩蔽效應(yīng)的語(yǔ)音增強(qiáng).pdf

1、語(yǔ)音通信已經(jīng)成為現(xiàn)代社會(huì)生活的重要組成部分，然而人們?cè)谡Z(yǔ)音通信過(guò)程中不可避免地會(huì)受到來(lái)自周圍環(huán)境的、傳輸媒介引入的、通信設(shè)備內(nèi)部的噪聲、乃至其它講話者的干擾，這些干擾最終將使接收到的語(yǔ)音信號(hào)并非純凈的原始語(yǔ)音信號(hào)，而是受噪聲污染的帶噪語(yǔ)音信號(hào)。如果噪聲污染嚴(yán)重，將會(huì)影響通信質(zhì)量，造成人們聽(tīng)覺(jué)疲勞。因此，無(wú)論是人之間的通信還是人與機(jī)器之間的通信，通過(guò)語(yǔ)音增強(qiáng)算法對(duì)語(yǔ)音進(jìn)行增強(qiáng)處理的需求變得越來(lái)越重要，因此語(yǔ)音增強(qiáng)技術(shù)的研究非常重要。本文主

2、要研究單信道語(yǔ)音增強(qiáng)算法，即對(duì)帶噪語(yǔ)音進(jìn)行增強(qiáng)處理時(shí)只有帶噪語(yǔ)音可作為參考信號(hào)，沒(méi)有噪聲信號(hào)可參考。
　　 本文對(duì)Gaussian模型、Super-Gaussian模型和信號(hào)不確定性模型的基本理論進(jìn)行了簡(jiǎn)要概括分析。分析了語(yǔ)音增強(qiáng)中常用的估計(jì)方法，這些估計(jì)方法主要有最大似然估計(jì)、最小均方誤差估計(jì)和最大后驗(yàn)概率估計(jì)。研究了Gaussian模型、Laplacian模型和Gamma模型下的各種語(yǔ)音增強(qiáng)算法，這些算法主要包括Gaussi

3、an模型下的譜相減算法、MMSE(Minimum Mean Square Error)算法及其改進(jìn)算法和Laplacian、Gamma模型下的MMSE算法。在語(yǔ)音增強(qiáng)中將語(yǔ)音信號(hào)的概率密度函數(shù)建模為L(zhǎng)aplacian模型和Gamma模型的語(yǔ)音增強(qiáng)效果優(yōu)于將語(yǔ)音信號(hào)建模為高斯模型的增強(qiáng)效果，在此理論基礎(chǔ)上本文主要對(duì)這三種統(tǒng)計(jì)模型下純凈語(yǔ)音譜分量的MMSE估計(jì)算法進(jìn)行比較，通過(guò)語(yǔ)音質(zhì)量評(píng)測(cè)方法對(duì)三種模型下MMSE算法增強(qiáng)的語(yǔ)音進(jìn)行測(cè)評(píng)，實(shí)驗(yàn)

4、結(jié)果表明：Gamma模型下的MMSE算法增強(qiáng)效果較好，但其計(jì)算較復(fù)雜，實(shí)時(shí)性較差；Laplacian模型下的MMSE算法與Gamma模型下的MMSE算法有相似的特性，其對(duì)語(yǔ)音的增強(qiáng)效果優(yōu)于高斯模型下的MMSE算法，而且計(jì)算比較簡(jiǎn)單。為進(jìn)一步提高Laplacian模型下MMSE算法的效果，本文通過(guò)考慮人耳掩蔽效應(yīng)對(duì)其進(jìn)行了改進(jìn)。
　　 本文分析研究了目前常用的與掩蔽效應(yīng)相結(jié)合的語(yǔ)音增強(qiáng)算法，這些算法主要包括Gaussian模型下譜