低信噪比環(huán)境下語音增強與激活檢測算法研究.pdf

1、語音信號作為一種典型的非平穩(wěn)信號，是人類傳遞信息最方便、最有效和最重要的方式，具有便捷性、高效性、隨機性、交互性等顯著特點，在人類文明和社會進步中起著重要的作用。隨著計算機技術(shù)和信息處理技術(shù)的迅速發(fā)展，數(shù)字化的語音的傳輸、儲存、識別、合成和增強等是數(shù)字化通信網(wǎng)中最重要組成部分之一，并在工業(yè)、軍事、交通、醫(yī)學(xué)等領(lǐng)域有著廣泛的應(yīng)用。所以對語音信號的研究具有極大的市場需求和應(yīng)用前景。日常生活中語音處理技術(shù)都要受到噪聲的干擾，噪聲的存在破壞了聽

2、覺特性，弱化了語音特征之間的區(qū)分性，在低信噪比環(huán)境下，系統(tǒng)性能顯著下降。作為語音信號處理系統(tǒng)中兩種典型的前端處理技術(shù)，語音增強和激活檢測(Voice ActivityDetection，VAD)在提升系統(tǒng)性能發(fā)揮重要的作用。好的語音增強方法和激活檢測方法在語音編碼中能降低噪聲的比特率;在語音識別中能提高識別精度，達到減少識別時間的目的。所以對低信噪比環(huán)境下語音增強和激活檢測的研究越來越受到人們的關(guān)注。
　　 本文主要分為兩個部分

3、：語音增強技術(shù)和語音激活檢測技術(shù)。在現(xiàn)有的方法基礎(chǔ)上結(jié)合了聽覺掩蔽效應(yīng)、多窗譜分析、奇異值分解等相關(guān)理論，主要工作包含以下幾個方面：⑴介紹了一些語音信號處理的相關(guān)知識，從語音信號產(chǎn)生的數(shù)字模型入手，對語音信號數(shù)字模型進行介紹。為了體現(xiàn)語音信號的固有特征，還分別列舉出語音信號的噪聲信號的特性。還介紹了語音信號預(yù)處理技術(shù)，為后續(xù)的語音信號處理提供了保障。最后分別從時域、頻域和倒譜域分別介紹了常用的語音信號處理分析方法。⑵針對傳統(tǒng)譜減法去除背

4、景噪聲和抑制殘余噪聲能力有限的問題，研究了一種將多頻帶譜減和聽覺掩蔽效應(yīng)相結(jié)合的語音增強方法，首先用加權(quán)遞歸平滑的方法估計噪聲的功率譜，對帶噪的語音信號進行多頻帶譜減;然后計算聽覺掩蔽閾值;再根據(jù)掩蔽閾值動態(tài)地調(diào)節(jié)譜減因子;最后通過增益函數(shù)得到增強后語音信號的頻譜。通過實驗仿真表明，與傳統(tǒng)的譜減法相比，該算法在信噪比較低情況下，背景噪聲和殘余噪聲得到了有效的抑制，語音信號的清晰度和可懂度也有了明顯提升。⑶針對語音激活檢測在低信噪比環(huán)境中

5、的檢測效果差的問題，并結(jié)合多窗譜具有更小的偏差和方差，適用于短時時間序列的特點，研究了一種基于奇異譜的語音激活檢測方法。首先用用離散扁橢圓序列(discrete prolate spheroidal sequences，DPSS)構(gòu)造每一幀語音信號的相關(guān)矩陣;然后對相關(guān)矩陣進行奇異值分解;利用奇異值可以區(qū)分有用信號和噪聲分布情況的特性，將每一幀語音信號經(jīng)過加權(quán)處理后的最大奇異值與自適應(yīng)閾值進行比較來實現(xiàn)語音激活檢測。該方法原理簡單，通過