低信噪比條件下的語音端點檢測與增強(qiáng)

《低信噪比條件下的語音端點檢測與增強(qiáng)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、低信噪比條件下的語音端點檢測與增強(qiáng)1引言語音作為語言的聲學(xué)表現(xiàn)，是聽覺器官對外界聲音傳播介質(zhì)機(jī)械振動的感知，是人類信息傳遞和情感交流的重要載體。目前，語音處理技術(shù)要求語音輸入在安靜的環(huán)境下進(jìn)行，當(dāng)周圍環(huán)境有噪聲時，系統(tǒng)性能會急劇下降。然而，語音通信過程不可避免地受到來自周圍環(huán)境、傳播介質(zhì)等噪聲的影響。語音增強(qiáng)是解決噪聲污染的一種有效方法，是語音處理領(lǐng)域的重要組成部分，廣泛應(yīng)用于語音識別和語音編碼等數(shù)字語音系統(tǒng)中。由于幾乎不可能從帶噪語音信號中提取純凈語音，語音增強(qiáng)主要是改善語音質(zhì)量，消除背景噪聲，提高清晰度和可懂度，使人樂于接受［1］。針對加性寬帶噪聲研究，當(dāng)

2、前國內(nèi)外語音增強(qiáng)的主要算法有頻譜相減法、自相關(guān)法、諧波增強(qiáng)法、自適應(yīng)噪聲對消法、小波變換法、聽覺掩蔽法、基于語音生成模型增強(qiáng)算法以及基于短時譜幅度估計算法，其中廣泛使用的主要是譜減法及其變體。譜減法簡單，運算量小，實時性強(qiáng)，增強(qiáng)效果較好；缺點為僅從信噪比角度改善語音質(zhì)量，另外引入了音樂噪聲［2］。小波分解法和聽覺掩蔽法是人們研究的熱點，聽覺掩蔽法尚處于研究的初級階段。人耳能掩蔽語音信號中能量較小的噪聲，使得部分噪聲不為人們感知［3］。結(jié)合人耳聽覺掩蔽效應(yīng)，筆者提出了改進(jìn)型的譜減法，對語音增強(qiáng)算法中相關(guān)參數(shù)進(jìn)行動態(tài)調(diào)整，有效抑制了音樂噪聲，提高了語音質(zhì)量。語音端

3、點檢測將采集的語音信號分為純噪聲段和帶噪語音段，判斷各語音片段的起止點，是語音增強(qiáng)算法和語音編碼的重要組成部分之一。在語音識別過程中，正確確定語音段的起止端點，可減少計算量和語音識別誤判率。目前，普遍采用的語音端點檢測方法，如利用頻域短時能量檢測方法，在低信噪比條件下，結(jié)果令人難以接受。筆者提出的采用混沌振子模型有效解決了低信噪比環(huán)境下語音端點檢測問題。2預(yù)備知識2．1混沌理論1963年，美國氣象學(xué)家E．Lorenz在《大氣科學(xué)》雜志上發(fā)文指出，在氣候不能精確重演與長期天氣預(yù)報無能為力之間存在一種必然聯(lián)系，還認(rèn)為一連串事件可能有一個臨界點，在這一點上，小的變化

4、可產(chǎn)生大的變化。因此，天氣預(yù)報和氣象學(xué)的研究開辟了混沌科學(xué)。隨后，T．S．Kuhn，李天巖，J．Yorke，R．May等對混沌進(jìn)行了大量研究與開發(fā)。混沌是確定性系統(tǒng)的內(nèi)在隨機(jī)性，其本質(zhì)是對初始條件的敏感依賴性。20世紀(jì)90年代后，混沌科學(xué)廣泛應(yīng)用于信息科學(xué)、數(shù)學(xué)、物理、生物、經(jīng)濟(jì)、氣象等領(lǐng)域［4］。物理學(xué)中Holmes型Duffing振子其中，c為阻尼系數(shù)；Fcosωt為圓頻率ω周期激勵(參考信號)，其狀態(tài)方程為研究發(fā)現(xiàn)，當(dāng)不斷改變周期幅度F時，Duffing系統(tǒng)的相圖在周期和混沌問進(jìn)行轉(zhuǎn)換。經(jīng)分析可知，系統(tǒng)變化的決定性因素是F/c的大小。當(dāng)F／c逐漸增大時，

5、系統(tǒng)變化過程為：規(guī)則運動一混沌運動一規(guī)則運動。故可推斷規(guī)則和混沌之間必存在2個臨界狀態(tài)。因此，取F略小于臨界值，將待測信號作為周期激勵Fcosωt的微小攝動，利用周期激勵和待測信號的矢量和與臨界值的關(guān)系，通過相軌跡的變化來檢測待測信號?；贒uffing系統(tǒng)的檢測方法有2種：(1)利用Duffing系統(tǒng)的基本混沌特性，把待測信號的頻率取為周期策動力的頻率，利用二者幅度和來實現(xiàn)周期運動與混沌運動的轉(zhuǎn)變，缺點為測量頻率單一；(2)利用Duffing系統(tǒng)的間歇混沌特性檢測待測信號，優(yōu)點為測量頻率范圍較寬。筆者采用后者檢測語音端點。2．2漢語語音的特點語音主要由清音和

6、濁音組成。濁音在頻域有共振峰，能量大部分集中在低頻階段，在時域呈現(xiàn)周期性；清音沒有明顯的時域和頻域特性。語音是非遍歷、非平穩(wěn)的隨機(jī)過程，但人的發(fā)音系統(tǒng)的生理結(jié)構(gòu)在一段時間(10～30ms)變化有一定限度，故語音的短時譜具有相對穩(wěn)定性。語音短時譜幅度統(tǒng)計是時變的，只有當(dāng)分析幀長趨于無窮大時，近似認(rèn)為高斯分布。2．3人耳的感知特點語音增強(qiáng)效果取決于人耳的主觀感受，人耳對背景噪聲有很強(qiáng)的抑制作用。感知機(jī)理涉及生理學(xué)、心理學(xué)、語音學(xué)和聲學(xué)等領(lǐng)域，有待進(jìn)一步研究。不過，目前已有些研究結(jié)論：人耳對語音的感知是通過語音信號頻譜幅度獲得的，對相位不敏感；具有聽覺掩蔽效應(yīng)，即強(qiáng)

7、信號對弱信號有抑制作用，掩蔽程度是聲音強(qiáng)度和頻率的二元函數(shù)，對頻率臨近分量的掩蔽程度比頻差較大分量嚴(yán)重得多，高頻對低頻的掩蔽弱于低頻對高頻的掩蔽；短時譜共振峰對語音感知很重要，第三個共振峰后，波峰能量迅速減少，故對語音信號進(jìn)行適度高通濾波影響不大。2．4噪聲特點噪聲分為加性和非加性噪聲。加性噪聲通常分為沖擊噪聲、周期性噪聲和寬帶噪聲等。有些非加性噪聲可通過適當(dāng)?shù)奶幚磙D(zhuǎn)換成加性噪聲，比如，乘性噪聲可通過同態(tài)變換轉(zhuǎn)換為加性噪聲；有些與信號相關(guān)的量化噪聲可通過偽隨機(jī)噪聲擾動變成信號獨立的加性噪聲。噪聲改變了語音信號原有的聲學(xué)特征和模型。寬帶噪聲來源廣泛，包括一般隨機(jī)

8、噪聲源，因其與語音在時域和頻域完全重疊