论文部分内容阅读
为了提高对时变自回归(TVAR)模型参数的估计精度,改善语音信号增强效果,通过将TVAR模型的参数转换为格型滤波器的反射系数,给出了一种判断模型稳定性的简单方法。将TVAR模型的信号和反射系数矢量增广为状态矢量后,应用高斯粒子滤波器(GPF)估计TVAR的模型参数,构造了语音增强算法。通过蒙特卡洛仿真实验比较了扩展卡尔曼滤波器(EKF)、标准粒子滤波器(PF)和GPF的语音增强效果,结果表明本文提出的TVAR模型能较好地描述语音信号的变化特性;PF比传统的卡尔曼滤波具有更好的滤波能力,而GPF能够在一定程