论文部分内容阅读
语音信号是非平稳、时变信号。通过语音传递信息是人类最重要、最常用的信息交换形式之一。语音信号处理应用极为广泛,主要的语音信号处理技术包括语音编码、语音合成、语音识别和语音增强等。通常,研究者们是在语音信号相对纯净的条件下,对信号进行各种处理。但现实生活中的语音不可避免地要受到周围环境的影响,存在各种各样的噪声。这些噪声会严重影响语音信号的质量与可懂度。本文研究了常用的语音增强算法,重点研究了经典的谱减算法和基于子空间的语音增强算法,概述了算法原理,讨论了其优缺点。在此基础上,提出了一种基于压缩感知(Compressed Sensing,CS)理论的语音增强方法。论文的主要工作与创新如下:1.提出了一种基于能零商的端点检测方法。该方法通过计算语音信号的短时能量与短时过零率的商,进行噪声检测。论文以初始语音段为噪声段,计算得到的能零商作为阈值,低于此阈值的语音帧被认为是非语音段,高于此阈值的语音帧为带噪语音段。通过去除非语音段,对信号进行端点检测。论文分别对纯净语音和信噪比(Signal-to-NoiseRate,SNR)SNR为0dB时受到火车噪声干扰的语音信号进行端点检测实验,计算两种条件下的语音信号的短时能量、短时过零率、能零积、短时谱熵和能零商,并对各参量进行归一化处理,实验结果表明,能零商在带噪环境下具有较好的鲁棒性。2.提出了一种基于压缩感知理论的语音增强算法,利用语音信号与干扰噪声信号在离散余弦变换下稀疏性的不同实现语音增强。该算法对带噪语音信号利用离散余弦变换(Discrete Cosine Transform,DCT)进行压缩,利用Hadamard矩阵对DCT系数进行测量,并利用改进的CS重构算法---双阈值正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法重构语音信号,实现对重构语音信号的增强。当噪声中存在与语音特性类似的分量的时候,由于噪声分量和语音分量的相似度高,传统的OMP算法收敛速度慢。论文提出的算法主要根据残余信号与传感矩阵列向量之间的相似度,通过引入能量阈值对算法的迭代过程加以限制,以提高算法的效率和语音增强的效果。论文在不同信噪比条件下,对比了经典谱减法、子空间语音增强算法及本文提出的基于CS理论的语音增强算法对带噪语音信号进行增强的结果,采用主观语音质量评价方法ABX测试和平均意见得分MOS以及客观语音质量感知评价方法(Perceptual Evaluation of SpeechQuality,PESQ)对三种增强算法处理后的实验结果进行语音质量评价分析,结果表明,论文提出的语音增强算法优于其他两种语音增强算法。