毕业设计_基于短时谱的噪声估计和语音增强研究word文档（定稿）

为此，将上述估计式进行推广，得到频域分布约束下短时对数谱估计，。

在传统谱减法基础上增加了调节噪声谱大小过减系数增强后语音谱最小值限制系数和增益函数谱阶数调节系数，提高了谱减法性能，成为谱减法最灵活种形式，但修正系数都是经验值，适应性较差。

研究得出，算法和能有良好去除噪声和削弱音乐噪声效果，关键是采用了先验信噪比，并提出采用直接判决人类各种社会活动和行为也给语音信号研究增加了许多新问题，同时，语音处理技术发展时刻改变着人类日常生活。

例如语音编码技术出现使人们可以在有限通信带宽资源中聆听到远处声音，近来，宽带语音编码发展令我们通信中话音更加自然，更加容易理解，降低了沟通中产生误解可能性。

对大词汇量连续语音识别难题突破导致了人们有着新语音输入方式和人机交互模式。

人们可以解放双手直接口述，指示机器进行工作或者理解我们话语，极大地提高了工作效率。

在日常生活中使用语音处理技术如语音编码和语音识别等技术都不可避免地要面对各种背景噪声干扰。

噪声存在大大降低了这些技术使用性能或直接导致使用者不可忍受而放弃使用。

环境噪声如现场存在背景谈话声汽车驾驶仓机器振动噪音高速行驶中汽车引擎声，室内墙壁反响噪声等，都会对原始语音信号造成污染。

背景噪声存在及其特性对考虑人类语音特性参数语音处理技术影响尤其严重，破坏了预先假定参数模型和听觉特性。

现有语音识别系统在无噪声环境下都可以很好地使用，但在嘈杂环境场所中使用，其实别性能急剧下降。

显然，在噪声干扰下，识别系统中使用语音特征之间区分性被减弱，导致系统识别增加。

随着移动通信普及变成现实，移动通信技术带给人们无约束和便利语音沟通同时，更是把语音通信带到了个充满复杂噪声应用环境。

而在吵杂环境中手提电话语音编码不可避免会增大编码误差。

这是由于语音编码如编码都是基于人类发声模型提出，完全没有考虑环境噪声存在。

如何消除加性噪声带来不便语音增强出现可以降低或解决噪声不利影响。

语音增强通常用作前端处理模块出现在各种实际应用语音处理系统中。

它通过对含噪语音进行滤波，近似还原纯净语音信号，使得语音处理不直接面对含噪语音信号，增强了语音系统鲁棒性，而高鲁棒性语音增强技术可有效地扩大语音处理系统应用场所。

语音通话中往往是方说话方听话，在整个通话过程中，两个人同时说话时段不多，而且在方说话中亦包含大量停顿。

以上因素造成实际传输有效语音信号持续时间比通话时间少得多。

有统计表明，以通话方来讲，有约左右通话时间段是静音或背景噪声。

为了降低通信带宽占用节省通信设备存储量和电源消耗提高运算效率增强编码质量和减少背景噪声等目，往往对要编码传输语音信号进行检测，以确定语音信号有音时段和静音时段部分。

这往往需要用到语音活动检测，简称算法。

很多语音识别系统对语音进行特征提取时，都要选择有音发声时段进行提取，可以辅助特征提取进行。

对于多数语音增强算法，工作时都要求获得噪声统计信息才能有效地进行增强处理。

语音活动检测算法正是在提高通信系统中提高传输效率在语音增强系统中获取噪声统计信息和在语音识别系统中确定有音区域进行特征提取有效方法。

综上所述，语音增强技术是其他语音处理技术实际应用前提和性能保证而语音活动检测算法则是语音编码和识别等语音处理技术中必不可少功能模块之。

语音活动检测算法亦为语音增强中获得噪声统计信息提供了个可行有效解决方案。

对语音增强技术和语音活动检测进行研究具有重要实用意义和符合国内外语音信息技术发展趋势。

与本课题有关国内外研究开发情况语音增强在国内外作为语音信号处理非常重要研究课题，已经作了大量研究工作，取得了丰富研究成果。

目前提出各种语音增强算法，总来说可分为下面几类基于短时谱估计增强算法，基于语音生成模型增强算法，基于信号子空间语音增强技术，基于人耳掩蔽阈值增强算法等。

在假设噪声是平稳或变化缓慢加性噪声，并且语音信号与噪声信号不相关情况下，提出了谱减法，。

它优点是比较简单，只需要进行正反傅立叶变换，而且实时实现较容易。

但是谱减法是种最大似然估计，它放弃了对语音频谱分布分析假设，适用信噪比范围较窄，在信噪比较低时对语音可懂度损伤较大，而且会产生固有噪声残留，称为音乐噪声。

由语音特性可知，语音短时幅度谱分布可以通过两个途径获得是假设个合理概率分布模型另个是通过实际统计方法获得。

对于语音增强来说，听觉意义上失真准则与给定噪声情况下语音频谱后验分布是无法知道，因此，对于特定失真准则和后验概率不敏感估计方法是很有用处。

最小均方误差，估计正是种对特定失真准则和后验概率不敏感估计方法。

它是利用已知噪声功率谱信息，从带噪语音频谱分量中估计出纯净语音频谱分量，借助带噪语音相位得到增强语音信号。

等将最小均方误差估计引入到减谱法中后，得到了幅度谱估计部分解决了音乐噪声问题，但是在信噪比较低时候，没有能解决音乐噪声语音畸变度以及原有噪声残留度问题。

考虑到大部分语音变化比较缓慢，帧与帧之间频谱有着定相似性，其相应频谱分量之间存在种相关性。

这种相关性可以反映在前帧频谱值对后帧频谱分布产生种约束影响。

由此，产生了基于帧间频谱分布约束估计方法。

入耳对声音强度感受是与谱幅度对数成正比，而且，语音处理实践也表明，采用对数失真准则更为适合些。

为此，将上述估计式进行推广，得到频域分布约束下短时对数谱估计，。

在传统谱减法基础上增加了调节噪声谱大小过减系数增强后语音谱最小值限制系数和增益函数谱阶数调节系数，提高了谱减法性能，成为谱减法最灵活种形式，但修正系数都是经验值，适应性较差。

研究得出，算法和能有良好去除噪声和削弱音乐噪声效果，关键是采用了先验信噪比，并提出采用直接判决和方法有所掌握。

导师严谨治学态度渊博知识无私奉献精神使我深受启迪。

从尊敬导师身上，我不仅学到了扎实宽广专业知识。

也学到了做人道理。

在此我要向我导师致以最衷心感谢和最崇高敬意。

参考文献张雄伟陈亮杨吉斌现代语音处理技术及应用北京机械工业出版社，赵晓群数字语音编码北京机械工业出版社，离散时间语音信号处理原理与应用北京电子工业出版社，附录仿真实验代码函数代码，代码幅度归化到，常数设置帧长为点帧移为点初始短时能量高门限初始短时能量低门限初始短时过零率高门限初始短时过零率低门限语音段中允许最大静音长度，如果语音段中静音帧数未超过此值，则认为语音还没结束如果超过了该值，则对语音段长度进行判断，若，则认为语音段结束语音段最短长度，若语音段长度小于此值，则认为其为段噪音初始状态为静音状态初始语音段长度为初始静音段长度为计算过零率计算短时能量调整能量门限开始端点检测，静音，可能开始确信进入语音段，可能处于语音段静音状态，语音段保持在语音段语音将结束静音还不够长，尚未结束语音长度太短，认为是噪声语音结束，表示将图排成行列，最后个表示下面要画第幅图函数中四个参数分别表示即轴范围这里作用为用直线画出语音段起点和终点，看起来更直观。

第个中两个参数为线起止点横坐标，第二个中两个参数为线起止点纵坐标。

最后两个参数设置了线颜色。

运行人类各种社会活动和行为也给语音信号研究增加了许多新问题，同时，语音处理技术发展时刻改变着人类日常生活。

例如语音编码技术出现使人们可以在有限通信带宽资源中聆听到远处声音，近来，宽带语音编码发展令我们通信中话音更加自然，更加容易理解，降低了沟通中产生误解可能性。

对大词汇量连续语音识别难题突破导致了人们有着新语音输入方式和人机交互模式。

人们可以解放双手直接口述，指示机器进行工作或者理解我们话语，极大地提高了工作效率。

在日常生活中使用语音处理技术如语音编码和语音识别等技术都不可避免地要面对各种背景噪声干扰。

噪声存在大大降低了这些技术使用性能或直接导致使用者不可忍受而放弃使用。

环境噪声如现场存在背景谈话声汽车驾驶仓机器振动噪音高速行驶中汽车引擎声，室内墙壁反响噪声等，都会对原始语音信号造成污染。

背景噪声存在及其特性对考虑人类语音特性参数语音处理技术影响尤其严重，破坏了预先假定参数模型和听觉特基于短时谱噪声估计和语音增强研究摘要噪声环境下，许多语音处理系统性能急剧下降。

语音增强作为解决噪声污染种行之有效预处理技术，直都是语音信号处理领域中热门课题。

其目就是从带噪语音信号中尽可能地提取纯净原始语音信号，以提高信噪比和改善语音质量。

基于短时谱估计语音增强方法简单适用信噪比范围大并且易于实时处理，是目前应用得最为广泛方法。

这种语音增强方法通常采用精确噪声估计来采集噪声特性，再通过良好增强算法来得到期望估计语音。

对此，本文立足于应用国内外最新技术，深入系统地研究了短时谱增强方法中噪声估计和语音增强这两大技术环节，主要实现工作如下介绍语音增强和语音行为检测技术研究背景意义存在问题。

从语音活动检测和连续更新噪声谱两方面入手，深入地探讨了语音增强系统中噪声估计问题。

在此基础上研究了两种行之有效噪声估计方法基于统计模型方法与基于最小值约束快速自适应方法。

实验表明，方法计算量小，并且易于实现，但是对非平稳噪声跟踪力度不够而基于最小值约束方法能及时地跟踪噪声变化，从而获得准确噪声估计，有效改善增强效果。

在短时谱估计基础上，对谱减法进行了研究。

关键词噪声估计语音活动检测语音增强，目录第章绪论研究背景及意义与本课题有关国内外研究开发情况存在问题本文内容安排第二章噪声估计基于语音活动检测噪声估计基于统计模型方法二基于语音活动检测噪声估计基于最小值跟踪噪声估计最小值跟踪思想二基于最小值约束快速自适应方法实验仿真第三章语音增强短时谱估计谱减法第四章后记参考文献附录第章绪论语音活动检测和语音增强是语音处理领域很具有挑战性两个研究热点。

近年来，语音活动检测和语音增强得到迅速发展，同时也涌出现许多新研究方向。

本章分别介绍语音活动检测和语音增强研究背景意义存在主要问题和本文所做工作及内容安排。

研究背景及意义语音是人类沟通最基本手段。

人类各种社会活动和行为也给语音信号研究增加了许多新问题，同时，语音处理技术发展时刻改变着人类日常生活。

例如语音编码技术出现使人们可以在有限通信带宽资源中聆听到远处声音，近来，宽带语音编码发展令我们通信中话音更加自然，更加容易理解，降低了沟通中产生误解可能性。

对大词汇量连续语音识别难题突破导致了人们有着新语音输入方式和人机交互模式。

人们可以解放双手直接口述，指示机器进行工作或者理解我们话语，极大地提高了工作效率。

在日常生活中使用语音处理技术如语音编码和语音识别等技术都不可避免地要面对各种背景噪声干扰。

噪声存在大大降低了这些技术使用性能或直接导致使用者不可忍受而放弃使用。

环境噪声如现场存在背景谈话声汽车驾驶仓机器振动噪音高速行驶中汽车引擎声，室内墙壁反响噪声等，都会对原始语音信号造成污染。

背景噪声存在及其特性对考虑人类语音特性参数语音处理技术影响尤其严重，破坏了预先假定参数模型和听觉特性。

现有语音识别系统在无噪声环境下都可以很好地使用，但在嘈杂环境