基于实值离散Gabor变换的语音增强算法研究（可编辑）

基于实值离散Gabor变换的语音增强算法研究（可编辑） 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其 他人已经发表或撰写过的研究成果,也不包含为获得宝彳婚其他教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示谢意。 学位论文作者签名: 签字日期: 少/年多月日 弓、病 学位论文版权使用授权书 本学位论文作者完全了解雹%衣学有关保留、使用学位论文的规定, 有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和 借阅。本人授权豇彳、呵以将学位论文的全部或部分内容编入有关数据库进行 检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 保密的学位论文在解密后适用本授权书 学位论文作者签名:务乙娲 导师签名:笺% 月峰日 签字日期: 签字日期:少年 如位年月牛日 毛 工作单位:、中心玄亏瓠岿秘尧坟 电话:妇?譬 弓,口? 邮编: 通讯地址:弘拓锻启嘶厶?啦;。伤摘 要 现实世界中,语音信号很难避免受到各种噪声源的污染,语音增强的一个主 要目的就是从带噪信号中尽可能的恢复出纯净语音信号。语音增强技术在语 音 信号处理的各个领域比如语音的识别、编码以及声控交互等方面发挥着重要 的 作用。本文主要研究基于实值离散变换为分析工具的语音增强方法。 论文首先介绍了实值离散变换和语音增强的相关理论,并推导出在语 音信号的分析和重建时通过实值离散变换和相应的逆变换至联 合时频域的表达式,介绍在将语音信号将语音从时域变换到其他变换域时, 不 采用常见的短时加窗傅罩叶变换而采用实值离散变换 的优点。 论文提出了一种新的基于实值离散变换的谱减法语音增强算法,此算 法在联合时频域进行谱减增强,噪声谱估计采用在联合时频域的改进的基于 最 小统汁和最优平滑的算法,增强后的结果采用实值离散逆变换重 建语音信号,实验结果证明,主观测试和客观测试指标均优于传统谱减法和 谱减法,且残余音乐噪声更小。 论文研究和提出了在过抽样条件下实值离散变换在最小均方误差 最优对数潜幅度 的估计原则下纯净语占时频 谱的最优估计,噪声采用改进的最小受控递归平均法进行噪声谱估计, 实验结果与基于短时傅罩叶变换的等算法的结果进行比较,表明该算法 的有效性。 论文提出了一种新的基于拉普拉斯模型的联合时频域的语音增强算法,该算 法利用语音信号服从分布、噪声服从分布的假设,结合最小 均方误差理论,得到了纯净语音分量的估计,实验结果表明该算法在与传统 算法 假设语音和信号噪声均服从分布相比,语音增强效果更佳。 关键词: 实值离散变换,语音增强,联合时频域,谱减法,最小均方误差, .混合分布,, . , , . ?姗 . . ,。 . ?? . ...,.。 , ,. .. . : , . , ,,?目 录 第一章绪 论 .语音增强简介? ..弓言?.. ..语音增强算法简介..噪声的特点研究 ..语音增强算法的性能测评 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 . .实值离散变换理论概述??.. ..短时变换 ..二次时频联合分析.. 变换研究现状?. ..实值离散变换及其快速算法? .语音信号的实值离散变换的分析与处理? ..语音信号的实值离散变换?一 ..语音信号的重建??一 ..语音信号的实值离散变换语音联合时频谱分析?一 .论文研究背景与意义 .论文研究工作与结构安排? 第二章基于实值离散变换的谱减语音增强算法? .基于短时傅罩叶变换的谱减语音增强..传统谱减法介绍??. ..谱减法的改进形式?.. .基于实值离散变换的功率谱减法? ..实值离散变换的功率谱减法.. ..噪声估计 ..算法流程??. .实验仿真以及语音增强结果分析? 第三章基于实值离散变换的最优对数谱估计的语音增强算法? .引言?. 基于实值离散变换的语音增强算法研究 .基于幅度谱的最小均方误差估计算法...? .基于对数谱的最小均方误差估计算法. .基于最优改进对数谱幅度估计算法? .基于实值离散变换的最优改进对数谱幅度估计的语音增强算法 .实验仿真和结果分析 .小结?. 第四章基于拉普拉斯模型的联合时频域语音增强算法? .引言? .基于拉普拉斯模型一高斯混合模型的联合时频域语音增强算法? .实验仿真和结果分析 .结?.. 第五章 总结 初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf 与展望? .总结? .展望? 参考文献??一 致谢攻读学位期间发表的学术论文目录. 攻读学位期参加的科研项目??. 第一章绪论 第一章 绪 论 .语音增强简介 ..引言 语音是人类进行传播信息和表达感情的主要工具,也是现代信息通信的最基 本的手段。语音处理技术在当今数字时代成为一种重要支撑技术,语音处理 领域 一般可以根据处理目的不同,分为语音编码、语音感知、语音识别和说话人 识别 以及语音增强等方向【。然而,在实际的应用中,语音处理设备及系统获得和 处 理语音的过程中各种背景噪声的污染,这些噪声最终使语音处理系统接收到 的语 音不再是纯净原始语音而是含有噪声的语音,许多语音处理系统如语音识别系统 在纯净语音的环境下识别率很高,但是在背景噪声存在的情况下,会急剧下降其 识别率,因此,严重的背景噪声一方面会引起听觉疲劳,还会影响语音处理的效 果【】 语音增强技术就是消除噪声干扰的一种最重要手段,它的一个主要目标就是 从带有噪声的语音信号中提取出尽可能的原始纯净语音,语音增强是解决噪声污 染的一种有效方法,由于干扰的发生一般都具有随机性,并无直观规律可言,导 致语音去噪后得到原始纯净语音信号是非常困难的。在这种客观条件的限定下, 语音增强的主要能够实现的目标一般来说,就是通过对含噪语音的去噪处理,以 尽可能达到消除背景噪声和增加语音质量之问的一种最佳平衡,从而最大幅度的 提升语音处理系统的性能【嵋】。 ..语音增强算法简介 作为语音信号处理的一个关键环节,语音增强这个研究课题早在上个世纪的 年代就受到了人们的关注,此后许多人对这一课题进行了研究。最早是实 验室研究人员对电话系统的音节清晰度进行了系统的实验。从于年提 出谱减法语音增强算法不始,和提出的卡尔曼滤波算法【】,基于信 号子空间算法【丹】,将人类听觉特性引入出现的听觉掩蔽效用的语音增强算法 基于实值离散变换的语音增强算法研究 【 ,利用人工神经网络实现语音增强算法【】,盲源分离的语音增强算法等‘】。 语音增强算法从本质上来看,可以看作是一个预测问题,也就是从含有噪声的语 音信号中预测出纯净语音信号。不同的分类标准下,语音增强算法有不同的种类, 语音信号和噪声信号在一个通道时对应的是单通道的语音增强算法,与之相对应 的是多通道语音增强算法,手机就是典型的单声道语音处理系统。多通道语音增 强算法一般是针对多通道的语音系统而言的,多通道语音系统是指由麦克风阵列 对语音进行采集,使用阵列处理技术进行处理,代表性算法有自适应波形形成算 法等。需要说明的是,单通道语音增强是语音增强的基础,故本文主要针对单通 道语音增强进行研究。 在语音增强算法中有一类算法取得了突破性进展即基于语音谱幅度的统计 模型的语音增强算法,代表算法有语音谱幅度的最小均方误差和对数谱幅度的最 小均方误差的语音去噪算法,这两种算法最先由和,最先于 年和年提出,之后许多学者进行了改进,如提出的基于最优改 进对数谱幅度估计算法【 。后来学者又根据不同的概率分布函数来 模拟语音谱幅度分布,于年首先提出使用分布作为纯净语音 谱幅度分布的算澍】,后来和等人使用了语音谱幅度符合拉普拉 斯分布进行语音增强处理【。】,可以预计这类算法还将在未来一段时间受到学者 们的重点关注。 另外,根据对语音信号的处理的域不同可以把语音增强算法分为变换域语音 增强算法以及时域语音增强算法。时域语音增强算法不需要对语音信号先进行变 换和逆变换运算,而是在传统的时域直接对含噪语音进行处理,恢复出纯净语音 信号的增强算法,代表性算法有参数和模型的方法【、子空间处理算法【】等。变 换域语音增强算法是将语音先变换到其他变换域,然后在变换域对语音进行增强 和分析处理的方法,处理完成后再通过相应的反变换恢复出估计的纯净语音 分 量。根据语音变换的方法不同可以分成不同的变换域处理算法,常用的变换方法 有离散傅里叶变换 、.变换、离散 余弦变换 以及小波变换等,相应的算法有短 时谱幅度的语音增强算法【, 、基于.变换的语音增强算法【】、基 于离散余弦变换‘,的语音增强算法和小波变换语音增强算法五等,变换域增强 算法中一般来说语音和噪声较之在时域相关性更小且特征更明显,因此一直是学 第一章绪论 者的研究重点。本文研究和提出的新的语音增强算法也是变换域算法,相对于传统的常见语音变换手段,本文引入实值离散变换 将语音变换到联合时频域进行处理分析,分别提出了第二章的联合时 频域的谱减语音增强算法、第三章的联合时频域的最小均方误差语音增强算法和 第四章的联合时频域下基于语音和噪声分布模型的语音增强算法。 .噪声的特点研究 噪声的特点是语音增强算法中必须考虑的决定性因素,设计一个好的噪声模 型对语音增强算法是非常重要的。噪声广泛地存在于人们的现实生活中,如办公 和生活区的电器噪声,工厂中的机器声及街道、广场等环境中嘈杂的噪音等等【。 这些噪声由于来源于实际语音处理的环境,可以说具有偶然性和无规律性,不易 被人们掌握其原理。在语音处理的实践中,一般可以认为,噪声可以分为两类, 一类是加性噪声,一类是乘性噪声。由于乘性噪声可以通过同态变换变为加性噪 声,故本文中主要讨论的是加性噪声干扰下语音信号的增强问题。加性噪声又可 以根据噪声源的不同分为不同的种类,如我们经常处理的周期性噪声和宽带噪声 等。 周期性噪声周期性运行的机械设备是周期性噪声的主要来源,典型引起 来源有发动机、交流电和扇等。 冲击噪声时域波形中瞬时出现的窄脉冲是脉冲噪声的主要判断依据’】。 宽带噪声宽带噪声是噪声类型中比较难以去除的一种噪声,因为它具有 和语音信号无论在频域还是时域都一致重叠的特性,有许多噪声可以化为宽带噪 声,如风和人的呼吸和热噪声等。 语音干扰语音干扰就是在单一信道中,其他语音信号和纯净语音同时传 输时的情况引起的噪声,典型案例就是在语音处理环境中多个人说话引起的 干 扰。 噪声分类和特性的研究在语音增强领域是一个重要突破方向,值得重点关注, 因为不同的噪声显然需要不同的噪声处理方法,噪声一方面破坏了语音的一些本 质特征,改变了语音的原有模型参数,使得语音质量失真增大,另一方面还会引 起现象的发生,现象就是人们在安静环境和噪声环境下的发音 基于实值离散变换的语音增强算法研究 方式会发生改变,这回从根本上影响如语音识别系统的性能。总而言之,噪声会 对语音信号带来非常大的影响。 由于噪声种类来源众多,不同的噪声性质不同导致处理方式不同,所以也难 以找到一种通用的能适用于各种噪声环境的语音增强算法,这就要求语音处理领 域的研究学者面对不同的背景噪声情况时区别对待。 ..语音增强算法的性能测评标准 语音增强的质量和性能是衡量一个语音增强算法或语音增强系统优劣的关键 标准之一,语音质量的评价不但与语音学、语言学、信号处理等学科有关,而且 还与心理学、生理学等学科有密切的关系,语音增强算法的性能测评标准的设计 也就成为语音增强处理领域中~个重要的复杂的课题。一般来说,按照评价的主 体为标准进行分类,可以分为两类,分别为客观评价和主观评价。 ...主观评价 ..主观评价方法是符合人类听觉对语音质量的感觉,目前得到广发应用,缺点 是组织主观试听需要消耗一定的人力物力和时。常用的方法有平均意见得分 和判 , 、判断韵字测试 等,其中最常用的是方 断满意度测量, 法。 得分采用五级评分标准,如表.所示,即将增强后的语音质量按照优 到坏分为个不同的分数对应的等级。本文在后述章节的实验性能评判中采用此 种方法作为主观评判方法。 表.语音质量主观测评标准 一判分 质量等级 语音失真级别 优 无察觉 良 偶尔有察觉 中 有察觉 差 明显察觉但可以忍受 第~章绪论 ...客观评价 语音增强效果的客观评价是通过输入信号与输出结果之间的比较得到的,按 照某种能反映语音的参数来进行客观比较,依次衡量语音增强前后的失真程 度和 去噪效果。与主观评价相比,它能定量的衡量出语音增强效果的优劣且容易 实现, 但不能全面反应语音的整体质量,一般与主观评价标准搭配使用。客观评价 指标 有很多,许多学者并在此领域进行了深入研究,如.和【矧等人提出了 , 许多新的客观测评指标,从衡量效果来看,常见的如信噪?? 衡量效果比较优秀,分段 年对数谱失真测度,? 信噪比是信噪比的评价效果的改进。 信噪?. , 语音增强算法衡量指标中最常用和常见的方法之一是信噪比,它是对宽带噪 声的失真衡量的比较,其定义为,设表示为含噪语音,分别纯净语音信 号,表示语音增强处理后输出的增强语音,则可表示为 ?疗 ?刀一衲 式中,定义为时域采样点数的总数,由于与语音质量的主观属性并不一 定有确定的联系,因而信噪比往往并不能充分反映信号的时变特征。 分段信噪 ? , 由于语音处理过程中一般是分帧考虑的,信噪比给出的是整个时域段的一个 输入和输出的平均,显然有不合理的因素,帧问信噪比就是针对这个缺点进 行的 改进,对每一帧进行考虑,计算每一帧的信噪比,再取平均即可得到, 可表示为 三, 删专舡小萌丽:, 式 为语音分帧考虑的帧总数,和,依次为帧的长度和帧的次序。帧间信噪基于实 值离散变换的语音增强算法研究 比对语音评价进行了分帧考虑,计算不同帧中得信噪比均值,是针对对常规 信噪 比的无音和有音阶段不加辨别的对待所有波形的缺点的一种有效改进,从式 .可以看出,分段信噪比值越大标志着语音增强效果越好。 对数谱失真测度, 是一种常用的频域客观失真测量标准,频域失真 . 测度与时域测度相比,一般来说性能更可靠,信号的对数谱失真测度计算式如下 七, 肋专薯彘鬟似,文州,砰 式中.,为语音分帧考虑的帧总数,?帧长度,从式.可以看出,如果 值越小,那么语音增强后的频谱效果更加与原始语音频谱一致,从而效果更好。此外感知语音质量评价标准 、 .失真测度距离等也是研究者们经常使用的客观评价标准,本文根 据实验所用噪声环境,在算法评价时一般采用两种以上客观测评方法结合评价算 法的性能。 .实值离散变换理论概述 法国著名 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 师于年在提出了变换理论,在这之后,通 过变换将时域信号变换到频域变成可能,而频谱分析作为信号处理和分 析新的方法不始得到非常广泛的应用,变换是一种典型的可逆变换, 逆变换实现信号从频域变换回到时域。 但是,变换是在信号整体上将信号分解为不同的频率分量【,显然不 具备时问和频率的定位功能,因而它仅仅适合处理平稳信号,现实世界中许多非 平稳信号变换只能给出一个总的平均效果,这也导致了变换的局 限性。为解决这种局限性,为了克服上述问题,学者们不始研究联合时频分析 方 法即将信号从时域变换到时频联合域的方法,这些方法可以分为三大类:线 性变 换, ,变换、非线性变换?分布, 分布和参数化时频分析。时频联合分析方法的出现解决了变换处 理非平稳信号的缺陷,英国物理学家 于年提出了变换 【】,紧接着年等人【】为处理语音信号接着提出了短时傅里叶变换 第一章绪论 。年,将在年提出的分布引入到信号 处理领域,开启另一类不同类型的非平稳信号的时频表示法,此后许多学者 还提 出了许多新的时频分析方法。 ..短时变换 设工是连续时间信号,若用一个以为中心的窗函数‖?去截取 并做傅里叶变换,定义为工的印,即 .. ,:彳矿一,伽 此式称为的短时傅里叶变换,也可以称为加窗的傅里叶变换。其中, 通常称为分析窗函数。从公式.中可以看出,在时刻,.万瓦是信号 乘以平移的窗函数‖?后在做变换,因此可以有效的抑制窗函 数以外的信号,反映其在该特定时刻的局部频谱特征伫。 ..二次时频联合分析 年 于研究量子力学时候提出了分布的思想,在 把分布应用于信号处理领域才得到人们的重视‘,且被认为 分布也是时频联合分布中最重要的一个分布,并有许多新的进展,故本文对 此作 简要介绍。 信号的分布定义为四: ,., ,厂, 工三’一三一,万厂, 的互分布定义为: ., ,厂, ‘三工;,一主一,万厂, 若,则 . ,力,力口恐,口.,,力】 从上式.可见分布虽然时频聚集性高,但是交叉项干扰严重, ~.,。彳‖一,口州基于实值离散变换的语音增强算法研究 影响其分辨率。此后,.】又给出了一种广义的双线性时频分布的定义, 即分布,公式如下: 鼬?去肚和“妒“一手伽弘伊荆捌善. 其中咖,是处于善,平面的核函数,它决定了,厂的特性。 .. 变换研究现状 在年, 就提出了变换的概念,并给出定义 . ??, / 这就是连续时问信号的展开,式中的,胛是信号工的展开系数【】。 变换一经提出,就被普遍认为是信号处理中信号的表示与分析的最好的方 法之一。但是,变换展开式中的窗函数厅?并不构成『交基,导致计算 变换的系数,变得比较复杂,这也一直限制了变换理论的应用。 本人在文献也只是提出了~种近似计算,刀的迭代求解方 法。近十几年来,许多学者在变换方面取得了许多进展,主要有以 ,、和.等人研究的双正交分析法,为代 表的框架‘理论,等人提出的利用神经网络计算变 换系数的方法。最早给出了临界抽样条件下计算变换的解析 方法, 本文作者导师.陶亮等人【在的辅助双正交分析方 法基础之上,将系数求解的复值计算推广到了实值计算,即实值离散变换 方法【,从而有效降低了双交分析法计算的复杂度,又在此基础 上,研究出了多抽样率的并行格型结构实现块时问递归的实值离散变换快 速算法【,具体内容可参考文献【】,在下一节中本文会对实值离散变 换单独叙述。 ..实值离散变换及其快速算法 根据语音信号的特点,本节讨论有限长时『白序列的实值离敞展不和变 换以及以学者陶亮为代表的提出的快速算法,作为实值离散变换的基础知第 ~章绪论 识部分复值变换的基本理论以及双正交函数分析法,可参考相应书籍如文 献,此不再赘述。 设是周期为三的有限长时间序列,则的实值离散展开定义为 ?,一 . 后??口聊,玎露,。七对应的实值离散变换的定义为 ,,?尼死,。七 式.和式.称为变换对,其中 . .。七?/ . 无。足夕尼一/ 定义 为周期,且满足而廊,上式中我们使用了下整数、、露和 ,其中为抽样角频率,离散周 霄,依次定义为矿/。?/ 廊,离散变换的 期函数抽样后,//?厕厨瓦 临界抽样条件相对应为或者厨、?,即 个系 数米表示一个离敞时问周期信号,当?厨上时为欠抽样的条件,这时,刀的 个数少于工后的样点数,臣口×个系数来表示一个离散时间周期信 号,明显对石表示是不完备的,这种状况下容易导致重建过程信息的丢失。 石七是综合窗函数厅尼的周期拓展, 少尼是分析窗函数足的周期拓展, 依次可定义为 . 石七?五尼让石足 . 少后?厂七让尹尼 一般石尼需要满足约束条件,即满足单位能量的约束并可表示为下式 七四 驴忌 这种情况下,盯是周期实数函数,如下: . ,, ,,?,?,?,? 厅七与少足满足写成如下式的双证交条件】基于实值离散变换的语音增强算 法研究 工一 . ’』 九删/:击烈呐烈功 正 ??丙一 ?,雅?露一, 对上式写成矩阵形式如下 . . 其中: . /,,,..., ’ . 尹,尹,?,’,,?,一 上两式中长度是厩的长度是 ,是阶矩阵向量,可写为 . ,尼/ 当厨和?或厕条件下,式.中的解是唯一,日是 一分块『矩阵,如果能选择合适的下整数和下整数,就可以完全保证 矩阵是可逆的。此时,由式.可得: . :~. 当在廊过抽样条件时式.中/的解显然是不唯一的。这时,我们 ’‰’时,可以对式.取广义逆解 规定约束条件最小范数 . 。 只要求出了双正交对偶分析窗之后,结合式.和式. ,,?七夕尼一朋?删万,七/? . 九一 ??.。/ 其中尺。,足?,/。式.可后一求和项中具备点快 ×次实数相 速的的结构,从而计算复杂性为 点. 乘厨一××个实数加,分析可知,与文献【】中提出的求系数 方法相比,此种计算复杂性代价要小。 同理,?点快速的运算同样可以用在信号的重建里,将式.代入 式.得 第一章绪论 . 七?石七一村?口优,刀厂 』’ 窆砸一村萎咖警 令尼叫‰,,,...,露一,,,...,,则上式改写为 一 . ‘ 口,, ? /咖孕 篓 ×次实数相乘一×个 上式的计算复杂性为×点 实数加,与文献相比,计算复杂性更小。 .语音信号的实信离散变换的分析与处理 在.节中介绍的实值离散变换的基础上,本节主要研究如何使用 来处理语音信号,以及如何有系数来计算语谱图和时频分析以及信号重建 等问题。 ..语音信号的实值离散变换 语音信号石经过抽样离散后的序列为工七,一般来说,的序列长度比 较长,根据.节中所述,语音信号比较适合使用长序列的实值离散变换 米处埋利分移。 对尼及综合窗矗七长度分别为和,则进行周期延拓化个周期序列 . ;尼和五七, ., ;七,;七圮。,言主:兰手三三 . 礅;”训髅氅三 匕式中.:.?.?.?,?。则;尼的实值离散展不由前文知可扩展为 ?,一 . ;尼??口,,露,。七同样,相应;七的实值离散变换公式也同样扩展为如下式 所示 . 口肌,咒:/?;七死,。尼:篁尼冗,。七 一脚 .基于实值离散变换的语音增强算法研究 其中: . %.。七?/ . 死.。尼?/ 其中少后是综合窗五相对应的分析窗,也定义为周期的序列,有 . ?”叫啦戮三 上式中,汪,?,?,?,?。雨一.正整数?、、厨和?的含义上一 节中已有叙述,不再重复,的临界抽样条件相对应为朋?或者厨、 ??,即 个系数来表示一个离散时间周期信号,当面订时 为欠抽样的条件,这时,的个数少于的样点数,即个 系数来表示一个离散时间周期信号,明显对工表示是不完备的,这种状况下 容 易导致语音重建过程中信息的丢失【】。根据.节理论得知, 石与少七双下 交条件‘可推导成下式形式 “. ?砸击跏刖 』’ 荟石七棚/七 ?厨一.??一一 改写成矩阵形式: . .:矿 其中: . /,,,...,‘ . 尹,夕,?,夕 一,,?,’ 是/×一丙×三实数矩阵,其结构是: . 一一,七/丙 其中,??/一,??一一,?。 下面讨论在临界抽样和过抽样条件下式.的解,在把式.看作一个 超定线性方程的情况下,在临界抽样一般不存在,而在过抽样条件下,一般具 有 多解,其中最小范数解可以表达为 . ‰///一矿第一章绪论 求出,可利用快速离散变换计算变换系数 工一 ,,夕/ . ‘一 ,一 ? ??/ 式.中七?霄,/,观察式.显然可利用?点 快速的进行计算,在注意到/尼取的范围,计算还可以进一步简化。 ..语音信号的重建 快速计算方法可以在语音信号的重建中使用,从而可以加快语音信号的 重建 后?石七一所丙?口朋,门灿等 型一厕窆咖川湖警 』’ 令七叫心,,?.,厨一,,,...,一,则上式改写为如下: . ‘ 以 。一 。? 咖警 丕 式.中第二个求和项为一点的,若注意到定义的取值范围, 在上式中??除以后余数值若是在和之间,则有 . ? 因此式.计算量可进一步减少,经过本文后续章节的多次仿真 试验验证,语音信号的原始信号的均方误差的数量级仅为?。 ..语音信号的实值离散变换语音联合时频谱分析 语音信号的时频分析现有的研究一般是基于短时变换,在本文研究范 围内,需要扩展到实值离散变换到联合时频域进行分析。其中语谱图在确 定语音基频、说话人语音特征等方面骑着重要作用。下面以语谱图为例进行 分析。 根据文献,】中复谱图和语谱图等定义,可知复谱图.。的值为 . 。,。以删一。/删一口删一。/ 这罩,:?,相对的语谱图值为 气 。删 .基于实值离散变换的语音增强算法研究 . ,。%,。一/《口一口。一/ ,,,?,;,,,?/ 根据相关实验可知,采用不同的分析窗和综合窗宽度和时域和频域抽样点数可以 影响到语谱图中时间和频率的分辨率。 .论文研究背景与意义 语音是人们进行交流的最重要手段,也是人机交互的最主要的方式。随着科 技的进步,移动电话、声控系统、车载导航等语音信号处理系统已成为人们的现 实生活中必不可少的一部分。这些语音信号处理技术如移动电话通信给人们带来 便利的同时,也给人们带来了新的问题,移动电话在使用时,由于各种噪声源的 干扰在通信过程中会伴随着各种各样的背景噪声,如交通噪声、人群噪声、机场 噪声等,这些噪声一方面影响了移动通信的质量,也会增加受听者的疲劳度,影 响语音的质量。声控系统中在纯净语音环境下性能优越,但随着噪声的增加如多 个说话人噪声的时候,语音识别控制能力急剧下降。因此,以消除背景噪声为目 标的是语音增强技术受到了越来越多的重视。 此外,在语音编码领域,语音编码一个追求目标是在低速率下得到高质量的 语音编码,但由于噪声的存在,是低速下的参数编码错误率很高,导致出现解 码 后语音不可读现象,进行语音增强作为预先处理就显得极为重要。 总之,语音增强技术是语音处理技术中范围最广泛的一个分支,对于语音增 强技术的研究具有重要的应用意义。 本文课题研究是在国家自然科学基会项目.的资助下完成的。 .论文研究工作与结构安排 本文主要针对实值离散变换的联合时频域语音增强算法进行了系统的 研究,在回顾和总结已有语音增强研究的基础上,针对联合时频域和概率分 布模 型进行了语音增强研究,提出了自己的解决方法,并相应利用进行了仿真 实验。论文的研究工作如下: 针对传统谱减法在将语音信号从时域变换到时频域时一般采用工具, 本文尝试用作为从时域到联合时频域的桥梁,提出了基于的谱减 第一章绪论 法语音增强,比与传统算法进行了比较。 系统研究和比较了各种均方误差估计的短时谱幅度语音增强算法并用 对各种算法进行了仿真实验,结果表明基于的最优改进对数谱 幅度估计的语音增强算法在各种算法中性能最优。 针对在语音增强算法中一般假设语音和噪声服从高斯分布模型的不足,提出 了基于的混合高斯模型的语音增强算法,即假设语音信号概率密度函数符 合拉普拉斯分布,而噪声符合高斯分布,算法的分布假设更加符合语音和噪 声信 号的处理,实验证明语音增强的效果的优越性。 论文的结构安排如下所示: 第一章,绪论回顾了语音增强基础知识,对本文使用的语音信号处理的工具 实值离散变换理论和利用此工具进行语音信号处理的方法进行了简要的介 绍,并给出本文的研究成果和主要内容。 第二章,详细介绍作者提出的基于的谱减法语音增强算法,对语音噪 声估计算法进行了描述,文中给出了仿真实验,分别用客观和主观测评标准 进行 评判算法性能。 第三章,系统研究和比较了各种均方误差估计的短时谱幅度语音增强算法并 用对各种算法进行了仿真实验,并给出相应的结果和评价反馈。 第四章,给出了分布模型的理论和研究状况,并指出在联合时频域语音和噪 声信号更加符合超高斯模型,在混合高斯模型下,利用结合均方误差提出 了一种新的语音增强算法,对算法原理和流程进行了描述,并给出对比实验 和结 论。 第五章,对全文进行了总结,对提出的三种算法进行了分析和比较,并对下 一步的研究工作进行了展望和设想。基于实值离散变换的语音增强算法研究 第二章基于实值离散变换的谱减语 音增强算法 在第一章中本文介绍了利用实值离散变换进行语音处理的方法,同时 指出与传统的短时傅里叶变换相比,在语音处理领域采用实值离散变换这 个时频分析工具的优点。在语音处理方法中需要将语音从时域变换到频域时,均 采用短时加窗傅里叶变换,而采用其他时频分析工具如本文采用实值离散 变换的谱减法文献并不多见。正是基于此考虑,本章从短时幅度谱估 计算法中最经典和易于实现的谱减语音增强算法出发,引入实值离散变换, 提出了一个新的谱减法即基于实值离散变换的谱减语音增强算法,并给出 仿真实验,将实验结果与传统以及改进的谱减法结果进行对比分析,本文提出算 法主观试听音乐噪声更小,客观评价指标也表明本章提出算法的有效性。 .基于短时傅里叶变换的谱减语音增强 如第一章叙述,语音增强的方法主要有:基于短时谱估计的语音增强算法 】、基于人的语音感知特性的语音增强算法【 、基于信号子空’日的浯音增强算 法【?、基于语音生成模型的增强算法【等。基于短时谱估计的语音增强算法由 于充分利用了在频域中语音和噪声之间的特征区别和短时一般认为内 的语音和噪声之间较小的相关性这两点优点,使得基于短时谱估计的语音增强算 由于其计算 法在单声道语音增强算法中最常见,而谱减法 量小,易于实时处理等特性在实际语音系统中得到广泛应用。该算法首先由 于年提出【】,后来有许多学者对此进行了改进,这种方法的实现原理就是从 带噪的语音信号的谱幅度中直接减去噪声信号的谱幅度,然后利用人耳听觉 特性 也就是对声音相位信息不敏感的特点,使用含噪语音的相位结合增强语音的 谱估 计恢复出增强后的语音。谱减法一大不足容易产生“音乐噪声”。 第二章基于实值离散变换的谱减语音增强算法 ..传统谱减法介绍 阪砹嗓声为加性噪声,则笛噪声语音信号【甩叫写为 . ,刀 其中和分别代表纯净语音信号和平稳加性噪声,且统计不相关。语音信 号处理为避免截断效应,需要分帧加窗处理,然后对刀和刀进行离散 变换得到, . 】,尼:】,七/旷尼:?,一/ 』 . 跗阳袱纠萋咖‘,等 式中缈尼为纯净语音信号的相位,矽七为含噪语音信号相位。则由于语音和 噪声 信号的不相关有 . .’ 七后后七木七难七 其中七和相互独立,且满足零均值高斯分布,则有 . 砸七眦?眦’ 由于语音信号是分帧处理的,有 . 一般采用语音无声阶段的信号功率潜足作为噪声功率谱七的估计值,故可 得到增强后语音的幅度谱雪七 . 足一 尼三 对上式可以写成增益函数的形式,定义增益函数尼雪七/,定义后验信 噪比尼】,足/则式.可改写为 . 陆七.基于实值离散变换的语音增强算法研究足一妻 由于估计噪声信号谱幅度时候会存在一定的误差,导致后会取到负值,将失 去 其意义,故需要对七限定其最小值,一般要大于零。在通过式.求得雪尼 后,利用含噪语音信号的原始相位,通过离散傅里叶反变换重建增强后的语 音时 域信号。 . .,妒忌 , 总结来说,其功率谱减法框图如下图.所示 方差 图.功率谱减法算法示意图? ..谱减法的改进形式 针对上一了中介绍的谱减法,大量的研究工作围绕改善谱减法语音增强效果 展不,对谱减法进行了许多有益的改进。如使用下面的广义谱减法 . 一寿‖眦 参数的引入控制谱减程度,可以观察式.和.知道,,‖就 是普通功率谱减法,,‖就对应的是谱幅度相减法。增大‖和调节会调 节增益函数,减少噪声,但也会引起语音失真度增大,,‖具体值需要在实际 应 用中确定以取得最优的语音增强效果。 .基于实值离散变换的功率谱减法 上文介绍到,在各种经典和改进的谱减法算法中需要将语音从时域变换到频 域时,均采用短时加窗傅晕叶变换,而采用其他时频分析工具如本文采用实 值离第二章基于实值离散变换的谱减语音增强算法 散变换的谱减法文献并不多见。从本节开始,采用实值离散 变换处理语音信号基于以下考虑:第一,与短时傅里叶相比,由于采用高 斯窗函数而具有时频带宽最小的特性,相比短时傅里叶的其他窗函数如汉明 窗 对语音信号分析更加细腻,更易区分语音谱和噪声谱;其次,谱减法基于语音在 较小窗时间内是平稳信号这一假设,但语音信号本质是非平稳信号,许多文献表 明舶】与短时傅里叶相比更适合处理非平稳信号;另外,基于学者陶亮等 人的研裂】,本节可以通过在中通过对抽样率参数进行控制而确定最 优语音增强效果;最后,在增强后的信号重建时,本节利用目前最快的算 法并行格型快速算法【】可快速重构语音信号,算法复杂度与短时傅里叶相比更 小,且失真度更小。本节采用基于最小统计和最优平滑的噪声估计算法 【,,提出了基于实值离散变换的谱减法语音增强算法,为了验证本节提 出的算法的有效性,评价本节的语音增强性能,进行了仿真实验,实验表明本节 提出的算法在信噪比和语音主观试听质量上都优于其他经典算法。 ..实值离散变换的功率谱减法 如前面章节所一致,假设噪声为加性噪声,在分帧加窗处理情况下,假定语 音信号短时平稳,噪声和语音在这种情况下相互独立,则含噪声语音信号可 表示为 , . 其中和分别代表经过采样离散后的纯净语音信号和加性噪声,且统 计不相关。设足,,,品七,,和足足,,分别为,甩,刀,咒的根据. 式得到的实值离散变换系到,有下式成立: 刈?丢驰驰舻矿】 . 其中,为含噪语音信号的联合时频谱,后为帧号时刻,,代表第,个频 率分量,?为频域抽样点数,且由于和相互独立,且变换 具有线性性质,有下式成立 ,,,,后,, . 上式中,,和,,分别表示纯净语音和噪声的第尼时刻第,频率点的联基于实值 离散变换的语音增强算法研究 合时频谱,蕙义如第一苹.节中所描述的一致。 实值离散变换的功率谱减法就是通过噪声能量谱的估计,用谱减法公 式计算增强的语音时频谱 . 尼,,,,一七,, 在式.中在中陟后,可以直接得到,但噪声能量谱七,无法精确得到; 需要噪声估计方法得到,传统方法是使用系统无语音时的统计平均尼,, 来代替,在..节中本文采用最小统计和最优平滑的噪声估计算法,则可知纯 净原始语音功率谱的估计尼,叫计算公式为 尼,后,,一尼,, . 求得雪后,,基础上可以直接得到?七,,.且由于人耳对语音信号频谱分量的 相位 感知不敏感,可利用含噪语音的相位信息,则增强后的语音信号可以通过 获得: 墨七,,,功一尼,, . ?,一 . ,??文七,/ 七 刀即为增强后的语音,综上所述,本文提出的基于实值离散变换的谱减 法语音增强的系统框图如图.所示。 图.基于实值离散变换功率谱减语音增强算法系统框图第二章基于实值离散 变换的谱减语音增强算法 ..噪声估计 在第..节中,需要估计噪声能量谱时以求得纯净语音功率谱的估计,本文 采用提出的最小统计和最优滤波噪声谱估计算法【,,首先对,,进 行一阶平滑处理,,,为平滑后的功率谱 . ,,,?,,?,,, 其中,,,是平滑滤波参数,是在希望尸后,,尺可能接近噪声功率谱密度七,, 的条件下构造最小均方误差准则下得到的【,引,然后在一定时间窗内搜索出 平滑 后的粗略噪声的最小值己;。七,: . 名。后,,,,’只。尼,, 调只。后,,在搜索中是在个,,估计中找到最小值,文献】建议为减少延 时,对进行分子窗处理,其中,和分别为子窗数和一个子窗中的值 得数目,在每个中进行一次最小值更新。最后对最小值进行偏差补偿,得到噪 声的无偏估计值盯?尼,,. . ,,。,足,,只。露,, 其中吃;。为补偿因子,具体含义可参考文献。 ..算法流程 综合上述内容,实值离散变换的谱减法语音增强的具体操作步骤为: 步骤:对语音信号进行变换,将语音从时域转换到联合时频域,得到变 换系数矩阵七,,维数木。 、 步骤:采用第节噪声估计方法,计算出噪声功率谱矛后,,维数木。 步骤:使用功率谱减法对语音信号进行增强,对坎七,,矩阵每一个点进行增 益 更新,利用%后,,的含噪语音相位信息,得到纯净语音的估计七,,。 步骤:利用式.和式.将语音信号进行逆变换,输出增强的 语音信号。基于实值离散变换的语音增强算法研究 .实验仿真以及语音增强结果分析 为验证本章提出算法的语音增强效果和性能,本文使用了进行了仿真 实验,并将基本谱减法. 【】、改进的噪声估计谱减法. 【和本文算法进行性能比较。 本章实验中纯净语音选用语音数据库样本中的男女声各段,噪声 采用数据库的高斯白噪声、汽车噪声、和噪声,噪声和纯净语 音采样率均为,混合产生 范围的含噪语音,测试结果既包括客观测 试结果,也包括主观测试结果。 客观测试结果包括分段信噪比和对数频谱距离,其定义: .?’ :了./箩,:了苎.:一尝./:三一 了善习而而网’ 包, 肋矧而?篙。纠竹 其中,表示语音帧数。在实验环境中,本文通过设置不同的过抽样率参数进行 控制,确定最优语音增强效果时为过抽样率为。表.给出了不同噪声环境下 三种算法的两种客观测试结果,分析表.可知,本文提出的算法与其他两种算 法相比,分段信噪比值大于.和.算法,表明本文算法去噪能力更 强;对数谱距离本文提出算法小于.和.算法,进一步表明了本文 算法增强后的语音与原始语音更接近,语音质量更好。 表.二种谱减法、.、的客观评价结果 《,?, 噪声类础 算法 输入信噪比 输入信噪比 . . . . . . . . . 高斯向噪声 ? . . . . . . . . . . ? . . . . . . . . 汽午噪卢 . . . . . . . . . . . 第二章基于实值离散变换的谱减语音增强算法 ? . . . 。 . . . . . . . 。 噪声 . .粥 . . . . . 客观指标不能完全体现语音听觉效果,为验证本文算法的性能,本文进一步 给出主观测试结果,主观测试结果包含两部分,一部分是对比增强语音前后 的语 谱图,直观显示噪声残留和语音失真情况;另一部分是非正式的主观测听 得分情况,实验采用三种谱减法实验结果中抽取段秒语音拼接成秒语音 文件播放给同实验室个没有语音研究背景的个体对语音文件进行打分,满分 为分,取其平均得到表。从语谱图可以看出,使用实值变换的谱减法 与.增强后的语音结果相比,保留语音信息更强,且基本不含音乐噪声, 与?算法处理的结果相比,去除噪声信息和保留语音信息更强,且主观 试听可知音乐噪声信息基本消除,得分更验证了方法的优异性。 算法增强后的实验语音信号的语谱幽 .算法增强后的实验语音信号的语谱图基于实值离散变换的语音增强算法研 究 .算法增强后的实验语音信号的语谱图 纯净语音的语谱图 图. 时含汽车噪声各种语音增强后的语谱图表?三种谱减法、.、的得分表,?, 得分 噪卢类型 算法 输入信噪比. . . . . . . . 高斯白噪声 . . . 。 . . . 汽车噪卢 ? . . . . . . . . . . . 噪声 ? . . . . . 本章提出了一种基于信号变换工具新的谱减语音增强算法,在语音信 号增强过程中,可利用目前最快的算法并行格型快速算法快速分析和重构 语音信号,算法复杂度与短时傅里叶相比更小。客观测试结果表明了本文提出的 算法在分段信噪比和对数谱距离等方面都优于目前主流代表性方法,主观测试结 果表明残留“音乐噪声’’更小,进一步验证了本文算法的有效性。在这旱需要指 出的是,基于实值离散变换进行的语音增强并不限于谱减法,理论上任何需 要将语音变换到频域或者时频域的算法都可以使用作有用的尝试,这就引 出了本文第三章内容,将与最小均方误差估计结合起来,提出一种新的语 音增强算法。第三章基于实值离散变换的最优对数谱估计的语音增强算法 第三章基于实值离散变换的最优对 数谱估计的语音增强算法 .引言 在本文第一章所叙述的语音增强方法中,维纳滤波增强算法是在高斯模型假 设下的平稳条件下时域波形的最小均方误差估计,是关于谱估计的最优估计,但 并不是谱幅度的最优估计。相关文献表明【”】,由于人耳对语音信号频谱分量的 相位感知不敏感,可利用含噪语音的相位信息,从含噪语音信号中恢复出增强后 的语音信号,基于短时谱幅度估计的语音增强算法中下是利用这一特性,考虑利 用含噪语音中纯净语音谱幅度的最优估计来提高语音增强算法的性能,从谱幅度 的角度来来恢复语音信号。谱幅度的语音增强的重点有三个方面,第一要假设一 个合理的语音和噪声的分布概率模型;第二是确定参数估计的原则,一般来说有 三种,分别是最小均方误差,最大似然估计和贝叶斯估计和最大 后验概率估计:第三是噪声谱的估计和语音帧与噪声帧的区分。在文 献】提出了基于高斯模型假设的谱幅度的估计方法,文献】根掘人 耳对语音信号的强度与幅度谱的对数成『比的关系改进提出了基于对数谱的 估计算法.,并给出实验证明和.算法有 效的解决了音乐噪声问题,一般情况下,相同的实验环境和背景噪声条件下,语 音增强效果相比谱减和维纳滤波效果更好。 在本章所研究的算法中,针对目前主流的或.算法中, 语音的幅度谱或者对数谱的取得一般是通过短时傅甲叶变换,在学者周健和本文 作者的研究】,与第二章描述算法中一致的是,在将语音信号从时域信号变 换到频域的变换过程中,并不使用短时傅罩叶变换,而使用实值变换,并 将频域的对数谱幅度扩展到联合时频谱的对数谱幅度,进行语音增强,并给 出仿 真实验和结果,验证了扩展算法的有效性能,分析实验结果后,针对语音和噪 声 的分布模型的假设的缺陷传统文献认为语音和噪声符合高斯假设进行改进, 基于实值离散变换的语者增强算法研究 引出第四章内容。 .基于幅度谱的最小均方误差估计算法概述 首先给出含噪语音和噪声以及纯净语音的表达式,假设噪声为加性噪声,在 分帧加窗处理情况下,假定语音信号短时平稳,噪声和语音在这种情况下相 互独 立,则含噪声语音信号可表示为: 以,‖, . 其中和分别代表经过采样离散后的纯净语音信号和加性噪声,且统 计不相关。对,、和分别进行分帧加窗进行傅里叶变换处理,得到: . ,后,七, 其中,为含噪语音信号在第帧和第频率点的加窗傅罩叶系数, ,为纯净语音信号在第帧和第频率点的加窗傅里叶系数,而,为 噪声信号在第帧和第频率点的加窗傅罩叶系数,在算法的处理考虑分帧的情 况下,为书写方便且不影响阅读情况下,将,尼和,分别表示为【,蚓: . 尼旭 . 七见 上式中疋和点含噪语音信号和纯净语音信号在第频率点的谱幅度,鼠和 。又分别对应含噪语音信号和纯净语音信号在第频率点的谱相位,由于人耳 对 相位信息的不敏感,语音增强重点在于如何从中估计出,然后用含噪语音 的相位恢复出增强后的语音信号。根据文献【】中提出的的纯净语音谱 的估计女为【】: 确哑泓一拍?凤 ‘?’ : :呈竺堡:墨竺兰墨:量兰呈竺 . ”. 将又根据假设,噪声和纯净语音均符合高斯分布模型,将两者的概率密度函 数代入式.可得到二?【,??: 第三章基于实值离散变换的最优对数谱估计的语音增强算法 愚 置 哟 、, 口后. 。石’ 懿 .? . 哪 阼一 巫弘巫弘 叫讣 一 上式中.是伽码函数,一.;;一阼是合流超几何函数,可以利用级数求 和计算,.矛.分别表示第一类零阶和一阶修正贝塞尔函数,其函数内部的 参数值定义为: 七, 珐羔舻焉弘器 上式中萌为先验信噪比, 弘为后验信噪比。一般对式.可写成增益函 数的形式: . :.巫啪;一 弘 获得语音谱增益后,即可获得纯净语音的谱估计: . 雪尼,, 一旦获得纯净语音谱估计后,由于人耳听觉对语音谱幅度比相位敏感的特性, 可 结合原始含噪语音的相位,使用傅罩叶反变换输出增强后的语音信号。 .基于对数谱的最小均方误差估计算法? 前文提到,相关文献【证明由于人耳的听觉特性,语音处理采用对数谱比 谱更加适合一些,基于此,文献【将.节的的估计式进行推广到对数 谱,对上式.作如下变化: . 一 二足 又根据假设,噪声和纯净语音均符合高斯分布模型,将两者的概率密度函数 代入式.化简后可得到三。: 七? 孤惫唧圭:等业. 同样,一般对式. 可写成增益函数的形式:基于实值离散变换的语音增强算 法研究 四 惫唧 获得语音谱增益后,后续的处理如同.节描述一致,不在赘述。 .基于最优改进对数谱幅度估计算法 . .节中介绍的.算法结合人的听觉特性,得到较好的语音增强效 果,当多种背景噪声的条件下,.的对数谱增益估计函数也并不总是 最优的,针对此问题,文献提出了基于的对数谱幅度估计的最优