汽車噪聲下語音增強(qiáng)算法的研究與應(yīng)用.pdf

1、近年來，汽車已經(jīng)開始進(jìn)入每家每戶，使人們的生活發(fā)生了翻天覆地的變化。隨著科技的發(fā)展，汽車的基本功能已經(jīng)不能滿足消費(fèi)者。人們更傾向于對汽車智能化的追求，因此為汽車配備各種各樣的電子設(shè)備顯得日益重要。然而配備的電子設(shè)備需要駕駛者在開車之余，騰出手進(jìn)行其他的一些復(fù)雜操作，這大大增加了駕駛汽車的危險系數(shù)，所以為這些車載設(shè)備配備語音控制系統(tǒng)成為最好的解決方案之一。
　　但是，在實(shí)際環(huán)境中，語音總是會被不同來源的噪聲所干擾。噪聲過大時，語音控

2、制系統(tǒng)將不能準(zhǔn)確辨別出控制命令。為了讓語音控制系統(tǒng)即使在嘈雜的車載環(huán)境中，依然能夠保證系統(tǒng)性能頑健，研究語音增強(qiáng)算法具有實(shí)際意義。
　　本文首先闡述了研究語音增強(qiáng)算法的意義和現(xiàn)狀，以及常用的評價語音質(zhì)量的方法。其次，論文簡要介紹了語音信號處理中的基礎(chǔ)理論：語音、噪聲和人耳感知的特性。接著研究汽車噪聲，針對它對語音信號的影響，學(xué)習(xí)一些比較經(jīng)典的語音增強(qiáng)算法。最后，本文提出了兩個適用于汽車噪聲環(huán)境下的語音增強(qiáng)算法。它們是在傳統(tǒng)對數(shù)域上

3、的最小均方誤差（Minimum Mean Square Error of Log-Spectral Amplitude Estimator，MMSE-LSA）語音增強(qiáng)算法的基礎(chǔ)上做出的改進(jìn)，具體內(nèi)容如下：
　　(1)提出了一種結(jié)合雙向MCRA的MMSE-LSA算法
　　在傳統(tǒng)MMSE-LSA算法的基礎(chǔ)上，采用能夠準(zhǔn)確估計(jì)出先驗(yàn)信噪比的非因果先驗(yàn)信噪比估計(jì)方法。和傳統(tǒng)的直接判決估計(jì)相比，非因果估計(jì)能夠更好地識別語音端點(diǎn)和無規(guī)律

4、噪聲，進(jìn)一步減少音樂噪聲。噪聲估計(jì)對先驗(yàn)信噪比的影響重大，本文采用的雙向最小控制遞歸平均算法（Minima Controlled Recursive Averaging，MCRA）能有效追蹤噪聲。仿真結(jié)果表明，在處理汽車噪聲時，改進(jìn)的算法與傳統(tǒng)MMSE-LSA算法相比，性能上具有明顯優(yōu)勢。即使在低信噪比下，改進(jìn)的算法依然能夠提高信噪比，較好地恢復(fù)出純凈語音。
　　(2)提出了一種結(jié)合聽覺掩蔽效應(yīng)的MMSE-LSA語音增強(qiáng)算法