论文部分内容阅读
通常情况下,在移动环境中使用的设备例如移动电话、车载电话等都采用的是线性预测编码方式(LPC)对语音信号进行编码的,但是LPC方法对噪声很敏感,因此,在噪声环境中,特别是在强噪声干扰下采用LPC方法编码传输的语音信号常常是不能接受的。语音增强从带噪语音中提取出纯净语音,而且处理方法对噪声也不敏感。因此,语音增强算法的研究对移动通信系统具有重要的意义。语音增强算法的前期需要对噪声进行估计,然后将其应用到合适的去噪算法中,去噪算法是整个算法的核心部分。一般的噪声估计通常假设噪声的均值是零,需要估计的参数就是噪声的方差,所估计的方差的准确性将对后续的去噪算法有重大的影响。本文首先对经典的噪声估计算法—最小值跟踪法进行了研究,通过MATLAB仿真软件进行仿真,结果发现这种噪声估计算法对平稳噪声的估计是比较准确的,但是对于非平稳噪声估计效果就不好了。针对非平稳噪声,本文研究了一种估计算法—基于统计信息的非平稳噪声自适应算法,利用帧间相关性估计纯净语音存在概率,基于语音存在概率来计算时频平滑参数,从而更新噪声参数。通过实验仿真表明这种算法对非平稳噪声的估计比较准确,及时跟踪上了噪声的突变。在去噪算法上本文重点研究了谱减法及其改进形式、STSA-MMSE去噪算法,用MATLAB工具仿真了这些算法。在此基础上本文对STSA-MMSE经典算法进行了改进,将基于统计信息的非平稳噪声自适应算法应用到STSA-MMSE去噪算法中,有效地抑制了背景噪声和原算法中残留的“音乐噪声”;将人耳的掩蔽效应引入增强算法中,从而提高语音的清晰度和舒适度。综合比较了各自的增强信噪比、坂仓距离、PESQ值和主观感受,改进的STSA-MMSE无论从客观评价标准还是从主观感受上都比原来的算法有了明显的提高。本文最终设计了一个真实的语音通信系统,包括声学回声消除(AEC)、语音增强和自动增益控制(AGC)三部分。AEC消除了近端讲话中远端讲话的回声;语音增强消除了近端讲话中的噪声干扰;AGC解决了近端耳机语音的忽大忽小问题,因为在远端讲话有可能话者的声音变化的比较快,或者话者离麦克风忽远忽近都可能造成近端耳机语音的忽大忽小。