基于頻域BSS的語音增強(qiáng)方法研究.pdf

1、現(xiàn)實(shí)生活中，語音信號經(jīng)常會受到噪聲和房間混響的干擾，這不僅影響人們的聽覺質(zhì)量，而且對語音處理的其它環(huán)節(jié)也會產(chǎn)生影響。因此，必須采用信號處理技術(shù)對帶噪語音信號進(jìn)行增強(qiáng)處理。實(shí)際上，除了語音增強(qiáng)之外，語音分離也可以用來減小噪聲和混響的影響。信號盲源分離(Blind Source Separation,BSS)是一項(xiàng)具有挑戰(zhàn)性的研究課題，也是信號處理領(lǐng)域近年來的研究熱點(diǎn)之一。目前，對該問題的研究已經(jīng)取得了很大的進(jìn)展。但是，還遠(yuǎn)未達(dá)到成熟的地步

2、，其中，對于實(shí)際環(huán)境下的卷積語音信號分離問題的研究可以說還處于起步階段。本論文在前人工作的基礎(chǔ)上，主要從以下三個方面對頻域盲源分離語音增強(qiáng)方法進(jìn)行了研究。 獨(dú)立分量分析(Independent Component Analysis，ICA)的BSS算法是一種分離信號的有效方法，但是該方法在進(jìn)行非線性優(yōu)化時收斂速度較慢。針對這一問題，本文介紹一種新的BSS算法，即基于ICA和波束形成的混合算法，該算法比通用的基于ICA的BSS算法

3、具有更好的分離性能，并且由于在ICA中利用了零波束形成，因而有效地改善了算法的分離性能和收斂性能。實(shí)驗(yàn)結(jié)果表明，該算法適用于混響情況。 對語音信號和音樂信號進(jìn)行盲解卷是一個具有挑戰(zhàn)性的問題。在實(shí)際環(huán)境中的卷積混合情況下，ICA算法的分離效果不太理想，分離出的信號中有串?dāng)_成分存在。為了解決這一問題，本文介紹了一種基于小波域ICA和收縮函數(shù)后處理的BSS方法。該方法首先將麥克風(fēng)陣列接收信號分別進(jìn)行小波變換，然后將得到的小波系數(shù)進(jìn)行I

4、CA分離，再將分離出的系數(shù)進(jìn)行收縮函數(shù)后處理，最后將處理后的系數(shù)分別進(jìn)行小波反變換，得到分離出的語音信號和音樂信號。用計(jì)算機(jī)模擬的帶噪語音信號對本文方法進(jìn)行了測試，實(shí)驗(yàn)結(jié)果表明，該方法能較好地分離語音信號和音樂信號。 針對噪聲和混響情況下的語音增強(qiáng)問題，本文提出一種基于子帶帶參考信號的獨(dú)立分量分析(Independent Component Analysis with Reference，ICA-R)算法和收縮函數(shù)后處理的語音增