基于子帶分解的分數(shù)傅里葉變換語音增強算法研究.pdf

1、語音信號在日常生活和工作的各個方面都起著非常重要的作用。而語音信號又經(jīng)常會受到各種各樣噪聲的干擾,嚴重影響信息的獲取,甚至會造成語音處理系統(tǒng)的失效。因此,需要對含噪的語音信號進行去噪處理,抑制噪聲,提高通信質(zhì)量。本文主要對基于子帶分解的分數(shù)階傅里葉變換的語音增強算法進行了研究,在子帶分解的系統(tǒng)中應(yīng)用分數(shù)階譜減法估計語音模型參數(shù),再應(yīng)用卡爾曼濾波進行進一步的音樂噪聲的消除。分數(shù)階域的語音增強主要包括譜減模型改進、最佳變換階次的選取等內(nèi)容。

2、
　　 本文首先介紹語音特性及噪聲特性,然后分別從基于語音生成模型方法,非參數(shù)方法,基于統(tǒng)計模型方法以及其他方法簡單闡述了語音增強的基本算法。
　　 接下來,研究分數(shù)傅里葉變換的基本定義,并簡單介紹分數(shù)傅里葉變換的基本性質(zhì)和分數(shù)傅里葉變換離散算法的四種途徑。在此基礎(chǔ)上研究分數(shù)階域的最優(yōu)濾波算子原理和最佳變換階次的確定。相對于傳統(tǒng)譜減模型進行的改進,分數(shù)階譜減法首先要確定最佳變換階次,同時在最佳變換階次下進行分數(shù)階域帶噪語

3、音信號處理,最后插入相位系數(shù),實現(xiàn)語音和噪聲在分數(shù)階域上的最佳分離。但是鑒于噪聲估計的經(jīng)驗性模態(tài)假設(shè),雖然在自相關(guān)基礎(chǔ)上提高了檢測效率,但不夠穩(wěn)定。所得功率譜估計值將會丟失一定的原始語音信息,并且會產(chǎn)生音樂噪聲,對聽覺效果產(chǎn)生影響。
　　 卡爾曼濾波采用參數(shù)方法,依賴于使用的語音生成模型,能夠?qū)σ魳吩肼曔M行良好的抑制,但是由于使用迭代方法,算法復(fù)雜度較高。
　　 本文采用子帶分解技術(shù),將帶噪語音信號分解成 M個子帶,在確

4、定最佳變換階次的前提下,利用分數(shù)階的譜減法對卡爾曼濾波前的語音參數(shù)模型的功率譜估計加以改進,提取該變換階次下的含噪信號幅值特性,作為子帶分解的卡爾曼濾波器的輸入,從而在分數(shù)階譜減的基礎(chǔ)上進一步實現(xiàn)對音樂噪聲的抑制。
　　 最后在理論分析的基礎(chǔ)上,應(yīng)用分段信噪比和PESQ兩種語音評價測度,針對不同信噪比下的加性高斯白噪聲、粉紅噪聲、工廠噪聲環(huán)境,對本論文方法進行仿真實驗分析,并比較純凈語音信號和增強后語音信號的時域波形相似度。分析