论文部分内容阅读
短波语音通信由于其传播距离远、便携性好、技术成熟,在军事和日常生活等多方面得到了广泛应用。但短波信道极易受到自然和人为干扰,严重影响了通信质量。因此如何有效降低背景噪声,精确检测各种干扰信号的频率,并对其进行抑制或滤除一直是人们研究的热点。本文在深入研究短波语音信号特点的基础上,建立背景噪声和窄带干扰混合模型,运用现代信号处理的相关方法,给出了一种短波语音去噪增强模型。仿真证实此模型对实际采集的短波语音信号去噪处理是有效的。主要研究内容和成果如下:1、针对短波语音信号背景噪声的特点,提出一种基于小波能量熵的语音端点检测算法。将含噪语音信号进行小波分解,根据语音帧和噪声帧小波能量熵的差值,应用门限判决,对其进行区分。从而有效提高了较低信噪比下语音信号端点检测的正确率,仿真表明算法在短波信道类背景噪声下是有效的。2、研究了经典的统计模型语音增强算法,针对幅度谱最小均方误差估计算法和对数域最小均方误差估计算法在较低信噪比下的残留音乐噪声问题,提出了一种基于能量谱熵的对数域最小均方误差估计算法,改善了传统算法残留的音乐噪声,提高了舒适度。3、针对短波语音信号中的窄带干扰问题,将改进的最小量控制递归平均噪声估计算法(improved minima controlled recursive averaging algorithm)与窄带干扰检测相结合,给出了一种精确度较高的子带语音干扰检测算法。仿真表明与传统的干扰检测算法相比,本算法可有效保护语音帧的高能量谐波分量,较好解决了浊音段能量谱容易被误判为窄带干扰而造成的语音损伤的问题。4、当窄带干扰和语音信号频谱重叠时,若采用传统的陷波算法处理会对语音信号造成一定的损伤。本文根据人耳听觉掩蔽效应自适应调整陷波因子,提出一种谱减算法和传统陷波算法相结合的抑制窄带干扰的陷波算法,仿真证实与传统陷波算法相比,该算法不但有效提高了信噪比,而且减小了短波语音信号的失真,取得了较好的听觉效果。5、针对短波语音信号中背景噪声和窄带干扰混杂而难以滤除的特点,将背景噪声过滤和自适应陷波算法结合,采用递归迭代的方法估计噪声,克服了窄带干扰对语音端点检测的影响,给出了一种短波语音去噪模型。仿真证实此方法可有效降低背景噪声并滤除窄带干扰,达到了短波语音增强的目标。