基于Chirp模型的語音增強方法的研究.pdf

1、噪聲的存在將導致語音處理系統(tǒng)的性能急劇下降，因此有必要研究語音增強方法以抑制噪聲。傳統(tǒng)的語音增強方法一般需要對噪聲做出一定的條件假設，這使其實際應用受到限制。人類聽覺系統(tǒng)對噪聲有很強的抑制能力，語音感知分析對人類聽覺系統(tǒng)如何辨識來自同一音源的語音信號做了系統(tǒng)的闡述。由語音感知分析理論可知，人耳將混合的聲音信號分解成一系列子成分的組合，這些子成分具有獨立的聲學感知意義，聽覺系統(tǒng)根據(jù)重組規(guī)則將那些可能來自同一音源的子成分進行重組。受語音感知

2、分析理論啟發(fā)，本文研究了基于Chirp模型的語音增強方法。 語音信號是非平穩(wěn)的，Chirp原子是Gabor原子的擴展，其具有高時頻聚集性，且具有刻畫非平穩(wěn)信號時頻結構的能力，本文提出使用Chirp模型對語音信號建模，并介紹了如何使用匹配追逐算法提取Chirp模型的參數(shù)。為了克服傳統(tǒng)的語譜圖分析受測不準原理限制，本文使用Chirp原子的時頻分布來對語音信號進行時頻分析。該分布繼承了魏格納－維爾時頻分布(WVD)高時頻聚集性的優(yōu)點，

3、同時避免了WVD分布中存在交叉項的弱點。通過在時域和時頻面上的分析，本文驗證了使用Chirp模型對語音信號進行建模的可行性和有效性。 本文所研究的語音增強方法需要對語音信號的基本單元進行處理，為此本文研究了語音端點檢測算法。基于跟蹤譜包絡動態(tài)特性的語音端點檢測算法無需噪聲的先驗信息，對低信噪比的各種噪聲環(huán)境下的語音都有比較好的檢測性能。由于在漢語的過渡成分中譜包絡會急劇下降，使得其對漢語的過渡成分進行檢測時會出現(xiàn)誤差，本文提出在

4、譜包絡邊界的更新濾波器中加入補償因子對譜包絡的邊界進行補償，使得算法的檢測準確率得到提高。 根據(jù)語音感知分析理論的成果，在用Chirp模型對含噪語音信號進行建模的基礎上，本文根據(jù)語音和噪聲的Chirp原子的參數(shù)之間的差異，提出了對模型中的原子進行重組的規(guī)則。通過對含噪語音的Chirp原子進行重組，噪聲原子被去除，從而達到語音增強的目的。本文所研究的基于Chirp模型的語音增強方法無需知道噪聲的先驗信息，仿真結果顯示其對低信噪比下