資源描述：
《基于先驗信噪比估計的語音增強算法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、摘要摘要作為信息傳遞最主要的方式之一，語音隨著人工智能的發(fā)展，變得愈加的舉足輕重。但我們生活在一個充溢噪聲的世界中，外界噪聲在我們的日常應用中會嚴重影響我們語音拾取的質(zhì)量。為了能夠有效地解決這一問題，在系統(tǒng)前端加入合適的語音增強算法模塊可以從被噪聲污染的語音中獲取純凈語音，進而提升應用系統(tǒng)的性能。此外，語音增強在語音拾取與識別，語音編碼以及軍事通信中也都起著非常重要的作用?；诂F(xiàn)實場景的需求，本文研究工作將圍繞先驗信噪比估計的語音增強算法展開。針對現(xiàn)有先驗信噪比估計算法的不足，本文從諧波重構和人耳感知特性兩個
2、角度對原有的先驗信噪比估計算法進行了改進。并從原理和實踐仿真兩方面剖析了所提算法的可行性。本文的具體工作和創(chuàng)新性體現(xiàn)在以下三點：1）提出了一種諧波重構的先驗信噪比估計算法。在信噪比較高時經(jīng)典地先驗信噪比算法在保證一定語音質(zhì)量的前提下可以抑制大量的背景噪聲,但隨著信噪比逐漸降低，語音信號的高次諧波失真變得較為嚴重?；诖?，利用二次譜修正增強后的信號以加強語音信號的周期性,然后對語音信號進行諧波重構，從而恢復語音信號丟失的諧波分量。實驗研究表明，該算法在低信噪比時能夠有效地增強語音諧波分量，相對于傳統(tǒng)的先驗信噪比
3、估計算法有較少的語音失真。2）結合語音重分配譜圖和聽覺掩蔽效應提出了一種單通道語音增強算法。針對傳統(tǒng)先驗信噪比估計算法殘留背景噪聲的同時又引入“音樂噪聲”的情況，依據(jù)語音諧波之間的強相關性，利用重分配譜圖中語音的幀間特性和頻間特性來控制二步DD算法的遺忘因子，以更好地抑制非語音成分；然后結合人耳聽覺掩蔽特性，利用改進的語音幅度譜估計去更新感知增益函數(shù)中的噪聲掩蔽閾值。實驗研究表明，本文提出的算法相對于傳統(tǒng)的算法具有相同降噪量的同時可以提高語音信號的可懂度3）提出了一種基于先驗信噪比約束的二值掩碼估計算法。首先
4、分析了低信噪比情況下的噪聲功率譜函數(shù)與先驗信噪比估計的關系。分析表明通過最小均方誤差準則對先驗信噪比進行二次處理可以獲得較為準確的噪聲功率譜和增益函數(shù)。進而將其應用于二值掩碼算法中以保留噪聲高估的時頻單元，同時丟棄低估的時頻單元。實驗表明，在低信噪比情況下本文提出的算法具有更高的語音可懂度。I廣州大學碩士學位論文關鍵詞：語音增強、先驗信噪比、二次譜處理、諧波重構、掩蔽特性、重分配譜圖、二值掩碼IIAbstractAbstractWiththedevelopmentofartificialintelligenc
5、e,asoneofthemainmeansofinformationtransmission,speechinteractionbecomesmoreandmoreimportant.Andweliveinanoisyword,itisnotavoidthatthequalityofthepickingvoicehasseriouslyaffectedbytheexternalnoise.Inordertosolvethisproblem,wecanobtaincleanspeechfromthenoisys
6、peechbyselectingtheappropriatespeechenhancementalgorithm,whichiscarryoutinthefront-endtoimprovetheperformanceofthesystem.Speechenhancementhasbeenwidelyusedinhuman-computerinteraction,whichplaysanimportantroleinvoicepickingandrecognition,speechcodingandmilit
7、arycommunication.Basedonthedemandofrealisticscene,thisthesisfocusesonthesinglechannelspeechenhancementmethod.AccordingtothedeficiencyoftheaprioriSNRestimators,somenewmethodsfortheaprioriSNRestimatorareproposedfromtheperspectiveofharmonicreconstructionandhum
8、anearmaskingeffect.Thefeasibilityoftheproposedalgorithmisanalyzedfromboththeoreticalandexperimentalanalysis.Themainworkandinnovationofthisthesiscanbereflectedinthefollowingaspects:1)TheaprioriSNRestima
