基于統(tǒng)計模型的語音活動檢測與語音增強研究.pdf

1、近年來，日常生活中的移動電話，數(shù)字助聽器，車載語音系統(tǒng)等數(shù)字語音處理設備的大量出現(xiàn)和使用引起人們對語音增強領(lǐng)域研究重視。同時復雜噪聲環(huán)境下這些語音設備性能的急劇下降也使得人們對其抗噪聲能力提出更高的要求。目前，該領(lǐng)域仍然存在著許多有待解決的關(guān)鍵問題。此外，VoIP的普及，使得人們可以方便地、低成本地進行語音通信。本文主要從語音活動檢測、頻域語音增強和VoIP多媒體會議混音處理三方面展開研究，內(nèi)容包括以下四點： （1）依據(jù)噪聲功率

2、譜密度分布的拖尾特性，用Rayleigh模型近似噪聲功率譜密度數(shù)據(jù)的統(tǒng)計分布，導出基于Rayleigh模型的新判決閾值更新表達式，并提出一種基于該判決閾值更新準則的語音活動檢測算法。由于Rayleigh分布下虛警概率具有解析表達式，從而避免了計算逆互補誤差函數(shù)，降低了算法的復雜度。在非平穩(wěn)噪聲環(huán)境下，其正確檢測率高于Davis提出的基于Gaussian模型的算法。 （2）對上面的語音活動檢測方案，提出結(jié)合倒譜頻譜估計的語音活動檢

3、測算法。該算法針對原Davis的語音活動檢測算法中使用的Welch頻譜估計算法復雜度較大的缺點，給出一種更節(jié)省計算資源的語音活動檢測算法。 （3）提出一種基于對數(shù)Rayleigh混合模型的語音增強算法，導出了基于對數(shù)Rayleigh混合模型的最小最大MMSE估計器，該估計器比基于Gaussian混合模型的估計器有更高的輸出分段信噪比。 （4）提出一種適用于集中式多媒體音頻會議系統(tǒng)的實時同步混音轉(zhuǎn)發(fā)算法。該算法通過設置多個