改進(jìn)的參數(shù)自適應(yīng)的維納濾波語音增強(qiáng)算法.pdf

1、近年來，隨著信息技術(shù)的發(fā)展，助聽器的技術(shù)已日漸成熟，使用智能手機(jī)進(jìn)行語音通信已經(jīng)成為了人們生活中的必需品，人機(jī)交互也逐漸進(jìn)入了人們的視野，語音已經(jīng)成為了日常生活中不可或缺的一部分，所以，對語音進(jìn)行處理成為了迫在眉睫的事情。然而現(xiàn)實(shí)生活中，在進(jìn)行語音處理時(shí)，噪聲卻無處不在，紛繁復(fù)雜的噪聲成為了處理語音過程中最大的障礙。過去幾十年，如何將純凈語音從含噪語音中分離出來一直是各個(gè)研究者研究的重點(diǎn)，直至今日，語音增強(qiáng)依然是一個(gè)十分活躍的領(lǐng)域。傳統(tǒng)

2、的語音增強(qiáng)算法包括譜減法，維納濾波算法，子空間法，最小均方誤差法等。當(dāng)進(jìn)行語音增強(qiáng)時(shí)，這些傳統(tǒng)的算法都沒有考慮到不同的噪聲對語音信號產(chǎn)生的不同影響。實(shí)際上，語音增強(qiáng)過程中包括語音估計(jì)和噪聲估計(jì)兩個(gè)重要的階段，在進(jìn)行噪聲估計(jì)時(shí)，不同的噪聲頻譜特征不盡相同。本文在此理論基礎(chǔ)上提出了根據(jù)不同噪聲進(jìn)行參數(shù)自適應(yīng)的語音增強(qiáng)算法。
　　本研究主要內(nèi)容包括：⑴介紹了語音和噪聲的相關(guān)理論，包括語音和噪聲的主要特征，含噪語音的信號模型及噪聲評估算法

3、。對近年來的語音增強(qiáng)算法進(jìn)行歸納總結(jié)與比較分析，并對經(jīng)典的語言增強(qiáng)算法進(jìn)行仿真實(shí)驗(yàn)，分析得出經(jīng)典算法普遍存在的問題----同一種語音增強(qiáng)算法不能對所有的噪聲類型都起到作用。⑵在對經(jīng)典的分類算法進(jìn)行了歸納總結(jié)后，闡述了這些分類算法在大數(shù)據(jù)的處理方面存在的問題，進(jìn)而提出了本文所使用的分類算法----基于深度置信網(wǎng)絡(luò)的噪聲分類算法（Deep belief networks），并對此算法的分類過程進(jìn)行了詳細(xì)的介紹，對其分類的準(zhǔn)確性進(jìn)行了仿真實(shí)驗(yàn)

4、并將其與人工神經(jīng)網(wǎng)絡(luò)算法的分類準(zhǔn)確性進(jìn)行了對比，結(jié)果表明：本文提出的分類算法具有較高的分類準(zhǔn)確性。⑶由于基于先驗(yàn)信噪比的維納濾波語音增強(qiáng)算法能夠較大程度的提高語言的質(zhì)量并且含有較少的音樂噪聲，所以本文對基于先驗(yàn)信噪比的維納濾波語音增強(qiáng)算法進(jìn)行了詳細(xì)的推導(dǎo)與分析，并對其進(jìn)行了相應(yīng)的仿真實(shí)驗(yàn)，得出此算法不能提高所有噪聲類型干擾下的語音質(zhì)量，即而提出了本文的算法----基于噪聲分類的參數(shù)自適應(yīng)維納濾波語音增強(qiáng)算法。選用聲音活動檢測（VAD）法

5、對噪聲功率譜進(jìn)行估計(jì)，并將其與維納濾波算法結(jié)合得到不同噪聲條件下的最優(yōu)的參數(shù)組合。將此最優(yōu)參數(shù)組合應(yīng)用到之前使用深度置信網(wǎng)絡(luò)算法進(jìn)行分類后得到的噪聲種類中去，并對先驗(yàn)信噪比的高估部分進(jìn)行修正，最終得到本文提出的語音增強(qiáng)算法。⑷對提出的算法進(jìn)行實(shí)驗(yàn)仿真，將其與經(jīng)典的基于先驗(yàn)信噪比的維納濾波算法進(jìn)行比較，評估算法包括質(zhì)量評估和可懂度評估，質(zhì)量評估選用語音質(zhì)量感知評估（PESQ），可懂度評估選用標(biāo)準(zhǔn)化協(xié)方差法（NCM）。在實(shí)驗(yàn)的最后對未知的噪