第十五章语音增强.ppt

☆算法流程 利用窗函数进行分帧，对含噪语音进行有声无声判决，得到无声帧，统计噪声的幅度谱平方的均值，得到纯噪声幅度谱平方的估值； 求含噪语音帧的幅度谱平方； 将含噪语音帧的幅度谱平方减去纯噪声的幅度谱平方的估值，进行判断，开方，得到语音幅度谱的估值； 借用含噪语音的相位，进行傅立叶逆变换，得到增强语音。 4.改进的谱相减算法（消除音乐噪声） 进行了谱相减后，背景噪声变成了音乐噪声。如能得到音乐噪声的估计帧，就可以消除音乐噪声。 音乐噪声是如何产生的：含噪语音帧和纯净噪声帧在进行谱相减后，残留的噪声引起的。 ☆音乐噪声帧的获得 将任意两帧纯噪声的幅度谱的平方进行相减，可作为音乐噪声幅度谱的平方的估计值。将多帧纯噪声的幅度谱的平方减去同一帧纯噪声（标准纯噪声）的幅度谱的平方，得到不同的音乐噪声幅度谱的平方的估计值。 第一次谱相减：将含噪语音的幅度谱的平方减去标准纯噪声的幅度谱的平方。 第二次谱相减： 将第一次谱相减的结果减去第一帧音乐噪声的幅度谱的平方。 第三次谱相减： 将第二次谱相减的结果减去第二帧音乐噪声的幅度谱的平方。 依次类推 沿性能曲面最陡方向向下有哪些信誉好的足球投注网站曲面的最低点。梯度方向是性能曲面函数增加最快的方向，负梯度方向就是性能曲面函数减小最快的方向。 （6）LMS算法 将参考信号 通过自适应滤波器后，得到信号 ，此信号与 基本一致。 中仍然包含部分噪声 ，要使这部分噪声小，达到完全消除噪声的目的，则 尽可能与 一致。 常常根据 的均方误差最小的准则来调节滤波器的参数，形成自适应地修改滤波器的参数。 滤波器为FIR滤波器，其直接结构为： 每一时刻刷新滤波器系数 如何更新滤波器的权系数，采用 的均方误差最小的准则 利用LMS（Least mean Square）算法。为了便于讲解，将第n个时刻的所有滤波器系数 写为 则有： 2. 自适应滤波器的权系数的求解 （1） 的两种表达形式 （2） 均方误差的求解 在主输入信号和参考信号都是平稳信号的情况下，均方误差为权矢量的二次函数。是一个N+1维空间中一个下凹的超抛物面，有唯一的最低点 2个权系数构成的3维空间中一个下凹的抛物面 超抛物面又称为均方误差性能曲面，自适应过程是自动调整权系数，使均方误差达到最小的过程，相当于沿性能曲面往下有哪些信誉好的足球投注网站到最低点。 （3）均方误差性能曲面 （4）直接求解 困难 （5）最陡下降法 用平方误差代替均方误差，简化梯度的计算公式 2.按性质分为：脉冲噪声（爆炸、撞击和放电）;周期性噪声（如交流电的干扰）; 平稳噪声（如白噪声）和非平稳噪声（如色噪声）；按噪声和信号相关的性质分为加性噪声和乘性噪声。 我们研究的噪声是声音的一种，它具有声波的一切特性，称之为声噪声。 Impulsive noise white noise pink noise brown noise White noise1 White noise2 White noise1- White noise2 aeciphone.wav asfalarm.wav asfradio.wav asfsportscar.wav rnfmusic.wav rnfwailsiren.wav §12.2 语音增强的原理和方法 一、频域语音增强技术 二、时域语音增强技术 三、时频语音增强技术 四、麦克风阵列语音降噪技术 一、频域语音增强技术(宽带噪声) 是语音信号中的一种重要技术，由于其原理简单所以被广泛使用，如手机中的降噪处理就是采用的此方法，其中谱相减法是频域语音增强技术的常用方法。 1. 谱相减法（Spectral Subtraction）的基本原理 2. 谱相减法的数学推导 3. 谱相减法的特点 4. 改进的谱相减算法 1. 谱相减法的基本原理（流程图描述） ＋ － 含噪语音 纯噪声 原始语音谱幅度的估值 DFT 插入相位 DFT IDFT 原始语音的频谱的估值 将含噪语音信号和有声/无声判别得到的纯噪声信号进行DFT变化，从含噪语音幅度谱的平方中减去纯噪声的幅度谱的平方，然后开方，得原始语音谱幅度的估值，再借用含噪语音的相位，进行IDFT变化，得到增强的语音。 谱相减法的基本原理（文字描述） 2. 谱相减法的数学推导 首先假设语音和噪声信号是线性叠加的，且语音和噪声是平稳的，噪声与语音信号不相关。 对上式两边取数学期望有： 由于噪声与语音信号不相关，且傅立叶变换不会改变信号之间的相关性，上式中，最后两项均为0。则上式简化为： 利用语音信号的短时平稳性，加之