資源描述：
《基于先驗(yàn)知識(shí)的語(yǔ)音增強(qiáng)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、博士學(xué)位論文基于先驗(yàn)知識(shí)的語(yǔ)音增強(qiáng)方法研究現(xiàn)實(shí)環(huán)境中語(yǔ)音信號(hào)往往被各種環(huán)境噪聲污染。語(yǔ)音增強(qiáng)作為消除噪聲和提高語(yǔ)音質(zhì)量的一種有效手段，盡管近年來(lái)取得了長(zhǎng)足的進(jìn)步，但仍不能完全滿足實(shí)用的要求。本文從先驗(yàn)知識(shí)的角度審視語(yǔ)音增強(qiáng)算法，對(duì)多種單通道/多通道方法進(jìn)行了分析總結(jié)，并且針對(duì)算法應(yīng)用中存在的缺陷和問(wèn)題，充分利用語(yǔ)音、噪聲和麥克風(fēng)陣列的先驗(yàn)知識(shí)的進(jìn)行了研究和改進(jìn)。主要工作和創(chuàng)新點(diǎn)如下：l針對(duì)傳統(tǒng)的譜減法中交叉項(xiàng)被忽略的假設(shè)在低信噪比（Signal-to-NoiseRatio,SNR）環(huán)境中會(huì)造成嚴(yán)重誤差的問(wèn)題，我們提出了一種基于相位調(diào)整和幅值補(bǔ)償?shù)亩嘧訋?/p>
2、譜減法。首先，利用噪聲與語(yǔ)音信號(hào)相位短時(shí)變化差異性的先驗(yàn)知識(shí)，我們提出了基于微距最大值搜索的相位調(diào)整算法。其次，考慮到噪聲對(duì)語(yǔ)音的干擾在各子頻帶上不一致的先驗(yàn)知識(shí)，我們采用了多子帶獨(dú)立的譜減策略。最后，針對(duì)不同SNR條件下過(guò)減規(guī)則對(duì)語(yǔ)音譜幅值的差異性衰減的先驗(yàn)知識(shí)，我們提出了幅值補(bǔ)償算法。l多通道信號(hào)子空間方法的關(guān)鍵在于運(yùn)用了語(yǔ)音信號(hào)的低秩模型，算法的核心是信號(hào)子空間維度的估計(jì)。針對(duì)傳統(tǒng)的維度估計(jì)方法過(guò)分依賴噪聲功率估計(jì)的問(wèn)題，我們提出了一種基于F范數(shù)的信號(hào)子空間維度估計(jì)方法。首先，通過(guò)訓(xùn)練獲得了語(yǔ)音幅值譜的超高斯先驗(yàn)分布模型。其次，利用麥克風(fēng)之間的相
3、關(guān)性和正交變換不改變矩陣F范數(shù)的性質(zhì)，獲得了語(yǔ)音互相關(guān)矩陣F范數(shù)的高斯先驗(yàn)分布模型。最后，利用一種基于最大化原則的估計(jì)策略，在接受原假設(shè)的前提下最大化信號(hào)子空間維度。l針對(duì)現(xiàn)有的后驗(yàn)語(yǔ)音存在概率（SpeechPresenceProbability,SPP）估計(jì)方法在非平穩(wěn)噪聲環(huán)境下高漏報(bào)率和高誤警率的問(wèn)題，我們提出了一種基于倒譜平滑和時(shí)頻相關(guān)性的后驗(yàn)SPP估計(jì)算法。首先，根據(jù)語(yǔ)音的倒譜系數(shù)具有區(qū)域分布特性的先驗(yàn)知識(shí)，我們提出了倒譜系數(shù)的選擇性平滑策略來(lái)估計(jì)先驗(yàn)SNR。然后，針對(duì)相鄰時(shí)頻點(diǎn)之間的緊密相關(guān)性，我們提出了頻域多層平均與時(shí)域迭代平滑相結(jié)合的先驗(yàn)
4、SPP的更新算法。l針對(duì)現(xiàn)有噪聲估計(jì)方法在面對(duì)變化劇烈（例如具有窄帶能量階躍）的非平穩(wěn)噪聲時(shí)跟蹤延遲和有偏估計(jì)的問(wèn)題，我們提出了一種基于SPP和頻譜稀疏性的時(shí)噪聲估計(jì)算法。首先，利用倒譜平滑策略和時(shí)頻相關(guān)性的先驗(yàn)知識(shí)來(lái)估計(jì)后驗(yàn)SPP。然后，對(duì)語(yǔ)音譜的稀疏性進(jìn)行了描述，通過(guò)訓(xùn)練獲得稀疏測(cè)度的高斯分布模型作為先驗(yàn)知識(shí)，通過(guò)判斷語(yǔ)音SPP估計(jì)譜的稀疏性來(lái)調(diào)整后驗(yàn)SPP估計(jì)，從而更快速的跟蹤噪聲變化。所提算法中先驗(yàn)知識(shí)的運(yùn)用是本文工作的重點(diǎn)和亮點(diǎn)，先驗(yàn)知識(shí)主要通過(guò)機(jī)器學(xué)習(xí)、理論分析和實(shí)驗(yàn)調(diào)試獲取，以算法規(guī)則、分布模型和參數(shù)設(shè)置的形式表示。對(duì)比實(shí)驗(yàn)表明，與傳統(tǒng)的
5、算法相比所提各算法獲得了更優(yōu)異的性能，達(dá)到了預(yù)期的研究目的。關(guān)鍵詞：語(yǔ)音增強(qiáng)，先驗(yàn)知識(shí)，譜減法，信號(hào)子空間方法，語(yǔ)音存在概率，噪聲估計(jì)AbstractThespeechsignalsaregenerallyimmersedinacousticambientnoise.Althoughnumerousspeechenhancementtechniqueshavebeenproposedtoextractthedesiredspeechsignalfromitscorruptedobservations,theycannotcompletelymeetth
6、erequirementsinrealapplication.Inthisthesis,weinvestigateavarietyofsingle-multi-channelspeechenhancementalgorithmsintermsofaprioriknowledge.Moreover,inordertoovercometheproblemanddeficiencyoftheexistingalgorithms,weresearchonmoregeneralizedaprioriknowledgeofspeech,noiseandmicro
7、phonearray,basedonwhichweproposeavarietyofalgorithmstoimprovethespeechquality.Themaincontributionsandnoveltiesinclude:lThetraditionalspectralsubtractionmethodisbasedonaprioriknowledge:thecrosstermscanbeneglected,whichisnotnecessarilytruewhenSNRislow.Inordertoovercomethisshortcom
8、ing,weproposeanovelmulti-bandspectralsubtractio
