论文部分内容阅读
语音是人与人或人与机器之间最方便、最快捷的一种交流方式,随着信息技术的高速发展,利用数字化的方法对语音信号进行处理,是构成整体数字化通信系统中最基础、最重要的组成成分之一。人们在获取语音信号时,不可避免地会受到各种来自周围环境或设备内部等的噪声干扰,这些干扰会使得接收端接收到的语音性能下降。语音增强的目的是从含有噪声的语音信号中尽可能提取原始的干净语音信号,从而提高语音信号的质量和可懂度。语音增强在降低噪声干扰、改善语音质量与提高语音可懂度等方面有着举足轻重的地位,是数字语音信号处理在实际应用中急需解决的问题之一。本文是在单通道语音条件下进行的语音增强算法研究。从两个方面对语音增强算法进行了研究与总结,一方面是传统经典的语音增强算法,另一方面为新兴的语音增强算法。在已有的语音增强算法基础上,针对稀疏表示算法中重构出干净语音的关键技术问题,结合语音信号的基本特征,提出了两种改进的基于稀疏理论的语音增强算法,并对这两种改进算法进行了仿真实验。论文的主要研究工作如下:首先,系统地介绍了语音的相关知识,研究了语音增强算法,将其进行分类研究,并详细地介绍了一些经典语音增强算法的理论。其次,详细介绍了语音信号的稀疏表示模型,系统地研究了稀疏重构和字典学习算法,重点研究了传统的贪婪稀疏重构算法,如正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法。针对OMP算法对语音信号的重构能力问题,提出一种改进的OMP算法。首先,在OMP算法中增加一个阈值,利用稀疏阈值去自适应的选择重构的语音帧,即从含噪语音中选择适当的干净语音帧,从而得到最佳的语音信号重构性能,即称为OMP算法的语音增强性能改进。同时针对OMP算法的运算速度较慢的问题,通过运算过程的矩阵变换,减少相应的计算步数跟维度,从而达到提高运算速度的目的,即称为OMP算法运算速度的改进。基于上述改进的OMP算法,提出了一种基于K-SVD与改进OMP算法的语音增强方法,实验证明所提出的算法在提高语音增强性能的同时提高算法运算速度。最后,利用语音信号的特性,在已有的语音清浊音分类的基础上,将过零率与平均能量两种参数相结进行本文的清浊音分类,再将本文清浊音分类方法与稀疏表示相结合,提出一种基于清浊音分类的稀疏自适应语音增强算法。首先将需要训练的语音经过清浊音分类,然后利用K-SVD字典训练算法得到相应的清浊音子字典,再将清浊音子字典组合成一个字典,利用上述改进的OMP算法进行稀疏分解重构达到去噪的目的。将其与上述基于改进的OMP算法的语音增强算法相比较,也取得了较好实验的结果。