基于語音增強的噪聲功率譜改進算法

1不同增強方法的對比隨著計算機通信技術的快速發展，語音處理技術的重要性日益突出。它已廣泛應用于網絡、通信、智能設備和工業控制領域，是現代工業發展的必要基礎技術。基于語音短時譜估計的方法具有適用信噪比范圍大、方法簡單、易于實時處理等優點,盡管研究比較早,但仍有很強的生命力,已成為應用最廣泛的語音增強方法。基于語音短時譜估計的增強方法種類繁多,如譜減法、維納濾波法、最小均方誤差法等。傳統的基于語音短時譜估計的方法均不同程度存在著殘留噪聲大的問題。Ephriam和Malah提出的方法可以有效地抑制殘留噪聲。OlivierCappé在文獻中分析了上述方法能有效抑制殘留噪聲,是因為在計算增益函數時引入了先驗信噪比,并采用了“直接判決”法對先驗信噪比進行估計。Scalart和IsraelCohen對Ephriam和Malah提出的方法進行了改進。在上述方法中,需要估計當前幀的噪聲功率譜,常常只通過計算無聲期間的統計平均來估計噪聲。但是僅僅依靠無聲段來估計噪聲,這樣的估計過程顯然是不夠全面的。另外,雖然上述的方法能有效地抑制變化范圍不大或是穩定的噪聲,但是對實際中的變化范圍很廣的噪聲效果不是很理想。首先描述了維納濾波語音增強算法的基本思想,然后對先驗信噪比和后驗信噪比的計算進行了簡單推導,最后提出了一種改進的算法。通過計算機仿真實驗,將提出的算法與最常見的譜減法進行了比較。實驗結果表明該改進算法有效地提高了增強效果,更好的抑制了噪聲,提高了語音質量。2噪聲信號的估計先驗信噪比是語音增強算法中非常重要的參數。通過Ephraim和Malah提出的“直接判決”估計來計算先驗信噪比的方法是最有效的和最容易計算的。對于第k幀帶噪語音信號:其中sk(t)為第k幀純凈語音信號,nk(t)為第k幀加性噪聲信號,假設sk(t)和nk(t)都是短時平穩隨機信號,且二者互不相關。對上式進行傅里葉變換,得到:根據文獻,得到對純凈語音信號頻譜的估計:式中Yk(ω)和分別表示第k幀帶噪語音和純凈語音傅里葉變換的估計,G(ξk，γk)表示譜增益函數,其中ξk，γk分別表示先驗信噪比和后驗信噪比。的相位譜用的相位譜來近似代替,最后由反傅里葉變換得到降噪以后的語音信號的時域表示:由此,可以看出,在維納濾波算法中,關鍵是對G(ξ，γ)的求解。基于最小均方誤差的判別方法,維納濾波的譜增益函數為:根據“直接判決”的方法計算先驗信噪比和后驗信噪比:式中為第k-1幀純凈語音信號的功率譜估計,|Yk(ω)|2為第k幀帶噪語音信號的功率譜,為對第k幀的噪聲功率譜估計。3改進的噪聲功率譜在基于先驗信噪比估計的維納濾波語音增強算法中,需要估計當前幀的噪聲功率譜,經典的算法常常只通過計算無聲期間的統計平均來估計噪聲功率譜,這是假設噪聲的功率譜在發聲前和發聲期間基本沒有變化前提下的,這樣的估計和假設顯然是不夠全面的。另外,經典的算法能有效地抑制變化范圍不大或是穩定的噪聲,但是對實際中的變化范圍很廣的噪聲效果不是很好。為了解決上述問題,在基于先驗信噪比估計的維納濾波算法基礎上,提出了一種改進的算法。本算法對傳統的估計噪聲功率譜的方法做出了改進,首先在計算無聲段信號統計平均得到初始噪聲功率譜的基礎上,通過平滑處理初始噪聲功率譜和帶噪語音功率譜得到新的噪聲功率譜,彌補了經典算法中僅依靠無聲段估計噪聲功率譜的不足。其次,通過計算帶噪語音功率譜與噪聲功率譜的比值,更新噪聲功率譜,一定程度上改善了經典算法僅適用于穩定或變化不大的噪聲的不足。首先,對帶噪語音進行端點檢測確定語音起始幀,并通過無聲期間統計平均的噪聲方差作為噪聲功率譜的初值。式中表示噪聲功率譜的初值,S表示第S幀為語音起始幀,L表示幀長。其次,從起始幀開始,判斷當前幀為語音信號還是噪聲信號,更新對噪聲功率譜的估計,以便通過式(6)計算先驗信噪比和后驗信噪比。若是噪聲信號,則通過對與當前幀的功率譜做平滑處理,更新對噪聲功率譜的估計。其中|Nk(ω)|2new表示通過平滑處理后對當前幀的噪聲功率譜估計。β為噪聲平滑因子。|Yk|2為第k幀帶噪語音信號的功率譜。如果是語音信號,通過計算各個頻率點帶噪語音功率譜與噪聲功率譜的比值再次調整噪聲功率譜,依次處理當前幀的每個點,更新對噪聲功率譜的估計:上式中的|Nki(ω)|2,|Yki(ω)|2分別表示第k幀第i個頻率點的噪聲譜功率譜和帶噪語音信號的功率譜。通過這樣的調整,在一定程度上濾除了變化較大的噪聲。依據改進的算法,具體的實施步驟為:(1)對分幀后的信號進行端點檢測,得到語音信號的起止點NIS;通過無聲期間統計平均的噪聲方差來估計噪聲的功率譜;(2)從語音信號起始幀NIS開始,判斷當前幀為語音信號還是噪聲信號。若是噪聲信號,通過式(8)對與當前幀的功率譜做平滑處理,更新對噪聲功率譜的估計|Nk(ω)|2new;若是語音信號,進行下一步計算;(4)根據式(6)計算當前幀的先驗信噪比SNRprio和后驗信噪比SNRpost;(5)根據式(5)得到當前幀的G(ξk，γk);(7)對進行IDFT變換,并取其實部作為濾波后的語音信號;(8)通過對濾波后的語音信號進行連續幀之間的重疊相加,得到重構的純凈語音信號。4信噪比lr對輸出語音質量的評價采用客觀評價結合主觀評價的方法。客觀評價方法中,信噪比和分幀信噪比都屬于時域客觀測度,這類測度僅適用于波形編碼系統。因此,本文采用的客觀評價方法為坂倉距離(Itakura-SaitoDistortion,ISD)測度和LLR。主觀評價采用平均意見得分(MeanOpinionScore,MOS)法。4.1語音失真實驗實驗中首先使用NTT語音庫中的語音樣本進行客觀評價實驗,比較了加噪語音,通過譜減法增強后的語音,通過MMSE法增強后的語音和通過本文提出的算法增強后的語音與純凈語音的坂倉距離和對數似然比測度(Log-LikelihoodRatio,LLR)。實驗結果見表1和表2。語音失真越小,坂倉距離和對數似然比測度的數值越小。從表1和表2的幾種算法增強后語音對比中可以看出:傳統的語音增強方法與本文提出的算法都能有效抑制殘留噪聲。但是與傳統方法相比,本文提出的方法效果更加明顯,語音失真也較小。4.2語音信號的平均意見得分為了確定客觀性能評估,進行了主觀評價。語音信號為數字0~9以及實驗室普通話四川方言語音庫中的6個句子,分別經過加噪、譜減法增強、MMSE法增強和本文提出的算法增強。在MOS測試中選用20位試聽者,要求試聽者根據自己的認可度從1~5給出每種測試語音的印象得分,從而得到4種語音信號的平均意見得分。實驗結果如表3所示。由于殘留的“音樂噪聲”對主觀測聽影響較大,殘留噪聲越大,MOS得分越低。從表3所示的MOS測試結果中可以看出,相對與傳統的譜減法和MMSE法,本文算法的MOS有了較大提高。5帶噪語音的matlab仿真實驗本文首先介紹了基于先驗信噪比估計的維納濾波語音增強方法,并在此基礎上提出了一種改進的算法。該算法首先通過計算無聲段的統計平均得到初始噪聲功率譜;其次,計算語音段間帶噪語音功率譜,并平滑處理初始噪聲功率譜和帶噪語音功率譜,更新了噪聲功率譜;最后,考慮了某頻率點處噪聲急劇增大的情況,通過計算帶噪語音功率譜與噪聲功率譜的比值,自適應地調整噪聲功率譜,彌補了經典算法中僅依靠無聲段估計噪聲功率譜的不足,并在一定程度上改善了經典算法僅適用于穩定或變化不大的噪聲的不足。在仿真實驗中,采用客觀評價結合主觀評價的方法對算法性能加以了驗證。實驗結果表明,該算法能有效地減少語音畸變,提高語音可懂度。(3)通過式(9)依次更新當前