改進的參數(shù)自適應的維納濾波語音增強算法.pdf

1、近年來，隨著信息技術的發(fā)展，助聽器的技術已日漸成熟，使用智能手機進行語音通信已經(jīng)成為了人們生活中的必需品，人機交互也逐漸進入了人們的視野，語音已經(jīng)成為了日常生活中不可或缺的一部分，所以，對語音進行處理成為了迫在眉睫的事情。然而現(xiàn)實生活中，在進行語音處理時，噪聲卻無處不在，紛繁復雜的噪聲成為了處理語音過程中最大的障礙。過去幾十年，如何將純凈語音從含噪語音中分離出來一直是各個研究者研究的重點，直至今日，語音增強依然是一個十分活躍的領域。傳統(tǒng)

2、的語音增強算法包括譜減法，維納濾波算法，子空間法，最小均方誤差法等。當進行語音增強時，這些傳統(tǒng)的算法都沒有考慮到不同的噪聲對語音信號產(chǎn)生的不同影響。實際上，語音增強過程中包括語音估計和噪聲估計兩個重要的階段，在進行噪聲估計時，不同的噪聲頻譜特征不盡相同。本文在此理論基礎上提出了根據(jù)不同噪聲進行參數(shù)自適應的語音增強算法。
　　本研究主要內容包括：⑴介紹了語音和噪聲的相關理論，包括語音和噪聲的主要特征，含噪語音的信號模型及噪聲評估算法

3、。對近年來的語音增強算法進行歸納總結與比較分析，并對經(jīng)典的語言增強算法進行仿真實驗，分析得出經(jīng)典算法普遍存在的問題----同一種語音增強算法不能對所有的噪聲類型都起到作用。⑵在對經(jīng)典的分類算法進行了歸納總結后，闡述了這些分類算法在大數(shù)據(jù)的處理方面存在的問題，進而提出了本文所使用的分類算法----基于深度置信網(wǎng)絡的噪聲分類算法（Deep belief networks），并對此算法的分類過程進行了詳細的介紹，對其分類的準確性進行了仿真實驗

4、并將其與人工神經(jīng)網(wǎng)絡算法的分類準確性進行了對比，結果表明：本文提出的分類算法具有較高的分類準確性。⑶由于基于先驗信噪比的維納濾波語音增強算法能夠較大程度的提高語言的質量并且含有較少的音樂噪聲，所以本文對基于先驗信噪比的維納濾波語音增強算法進行了詳細的推導與分析，并對其進行了相應的仿真實驗，得出此算法不能提高所有噪聲類型干擾下的語音質量，即而提出了本文的算法----基于噪聲分類的參數(shù)自適應維納濾波語音增強算法。選用聲音活動檢測（VAD）法

5、對噪聲功率譜進行估計，并將其與維納濾波算法結合得到不同噪聲條件下的最優(yōu)的參數(shù)組合。將此最優(yōu)參數(shù)組合應用到之前使用深度置信網(wǎng)絡算法進行分類后得到的噪聲種類中去，并對先驗信噪比的高估部分進行修正，最終得到本文提出的語音增強算法。⑷對提出的算法進行實驗仿真，將其與經(jīng)典的基于先驗信噪比的維納濾波算法進行比較，評估算法包括質量評估和可懂度評估，質量評估選用語音質量感知評估（PESQ），可懂度評估選用標準化協(xié)方差法（NCM）。在實驗的最后對未知的噪