32毕业设计_基于短时谱的噪声估计和语音增强研究

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，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，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。

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，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