語音增強(qiáng)中噪聲估計(jì)的研究.pdf

1、語音增強(qiáng)的目的是增強(qiáng)目標(biāo)語音，或者說是減少噪聲，經(jīng)過多年的研究，人們已經(jīng)提出了很多語音增強(qiáng)算法。而對(duì)許多語音增強(qiáng)算法而言，對(duì)噪聲的估計(jì)都是一個(gè)非常關(guān)鍵的環(huán)節(jié)。
　　語音是一種不平穩(wěn)信號(hào)，但是具有短時(shí)平穩(wěn)性，所以噪聲估計(jì)算法普遍通過對(duì)帶噪語音信號(hào)進(jìn)行短時(shí)分析，采用隨機(jī)過程和概率統(tǒng)計(jì)等數(shù)學(xué)方法對(duì)噪聲的功率譜進(jìn)行估計(jì)。本文以單聲道語音增強(qiáng)中的噪聲估計(jì)為研究對(duì)象，對(duì)幾種具有代表性的噪聲估計(jì)算法進(jìn)行了介紹分析及仿真。并且對(duì)改進(jìn)的最小值控制遞

2、歸平均(Improved Minima Controlled Recursive Averaging，IMCRA)算法以及基于最小均方誤差（Minimum Mean Square Error，MMSE）的噪聲估計(jì)算法進(jìn)行了改進(jìn)。
　　噪聲的非平穩(wěn)性特點(diǎn)決定了噪聲在帶噪語音的有聲段也會(huì)發(fā)生變化，因而必須對(duì)噪聲的變化做出快速的跟蹤。IMCRA算法在最小值控制遞歸平均(Minima Controlled Recursive Averag

3、ing，MCRA)算法的基礎(chǔ)上采用了兩次平滑和兩次最小值搜索，該算法的最小值搜索采取的是單向搜索，在噪聲功率水平快速上升的情況下，會(huì)出現(xiàn)不能及時(shí)跟蹤噪聲功率的情況，因而會(huì)產(chǎn)生較大的延時(shí)。本文對(duì)IMCRA算法的最小值搜索方法進(jìn)行了改進(jìn)，在第一次最小值搜索時(shí)采用前后向搜索的方法得到一個(gè)語音存在的粗略判決，第二次最小值搜索時(shí)采用大小窗雙向并行搜索，結(jié)合第一次的判決給出最小值搜索結(jié)果。仿真結(jié)果表明改進(jìn)后的方法減少了噪聲估計(jì)的延時(shí)，對(duì)噪聲的估計(jì)效