【摘要】：語(yǔ)音是人類傳播信息和交流的重要媒介,人們可以在多個(gè)講話者的環(huán)境中獲得自己感興趣的語(yǔ)音信號(hào),這是人耳特有的一種功能。如何從被噪聲環(huán)境污染的語(yǔ)音信號(hào)中恢復(fù)出原始語(yǔ)音信號(hào),是現(xiàn)代語(yǔ)音信號(hào)處理的一個(gè)非常重要的問(wèn)題。小波閾值法是語(yǔ)音增強(qiáng)中常見(jiàn)的且效果較好的一種算法�，F(xiàn)階段較多的增強(qiáng)算法在信噪比較高、且噪聲平穩(wěn)的情況語(yǔ)音增強(qiáng)效果較好,但在信噪比較低的非平穩(wěn)噪聲情況下,增強(qiáng)效果并不理想。 本文主要針對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行增強(qiáng)處理,由于高信噪比、平穩(wěn)噪聲污染的語(yǔ)音信號(hào)的去噪問(wèn)題比較容易實(shí)現(xiàn),所以本文算法主要是針對(duì)信噪比較低的非平穩(wěn)噪聲污染的語(yǔ)音信號(hào)的增強(qiáng)處理,論文的主要工作包括： 提出了結(jié)合小波閾值的MMSE-LSA低信噪比語(yǔ)音信號(hào)去噪算法,這種算法可以有效提高語(yǔ)音信噪比,增強(qiáng)語(yǔ)音可懂度。 提出了將原始語(yǔ)音經(jīng)過(guò)上述結(jié)合小波閾值的MMSE-LSA低信噪比語(yǔ)音信號(hào)去噪算法處理后,作為先驗(yàn)信息,進(jìn)行優(yōu)化的卡爾曼濾波處理,進(jìn)一步提高語(yǔ)音去噪增強(qiáng)的效果,并通過(guò)仿真驗(yàn)證了算法性能。 仿真實(shí)驗(yàn)表明,論文所提算法不僅可以有效去除語(yǔ)音信號(hào)中的噪聲,而且提高了算法的實(shí)用性。
[Abstract]:Speech is an important medium for human communication and communication. People can get their own interesting voice signal in the environment of multiple speakers, which is a special function of human ear. How to recover the original speech signal from the speech signal contaminated by noise environment is a very important problem in modern speech signal processing. Wavelet threshold method is a common and effective algorithm in speech enhancement. At present, more enhancement algorithms have higher SNR and better speech enhancement effect when the noise is stable, but the enhancement effect is not satisfactory in the case of non-stationary noise with low signal-to-noise ratio (SNR). This paper mainly focuses on the enhancement of noisy speech signal. Due to the high SNR and stationary noise pollution, the de-noising problem of speech signal is easy to realize. So this algorithm is mainly aimed at the enhancement of non-stationary noise pollution speech signal with low signal-to-noise ratio. The main work of this paper is as follows: the MMSE-LSA low SNR speech signal de-noising algorithm combined with wavelet threshold is proposed. This algorithm can effectively improve the signal-to-noise ratio of speech and enhance speech intelligibility. After the original speech is processed by the MMSE-LSA low signal-to-noise ratio speech signal denoising algorithm combined with wavelet threshold, the optimized Kalman filter is used as prior information to further improve the effect of speech denoising enhancement. The performance of the algorithm is verified by simulation. The simulation results show that the proposed algorithm can not only effectively remove the noise in the speech signal, but also improve the practicability of the algorithm.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN912.3

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 相征;朗朗;王靜;;基于基音頻能值的端點(diǎn)檢測(cè)算法[J];安徽工程科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年03期

2 呂軍;馬曉娜;;漢語(yǔ)孤立詞聲韻分割算法的研究[J];安徽師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

3 宋娟;嚴(yán)翔;王維;王立德;;無(wú)線車載語(yǔ)音記錄裝置的設(shè)計(jì)與實(shí)現(xiàn)[J];北京交通大學(xué)學(xué)報(bào);2011年05期

4 王暉;顏靖華;李傳珍;蔡娟娟;;音頻貝葉斯諧波模型中參數(shù)的提取[J];中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

5 孔令志;羅森林;張冰;王耀威;;純音樂(lè)與語(yǔ)音-音樂(lè)混合片段的高準(zhǔn)確識(shí)別方法[J];北京理工大學(xué)學(xué)報(bào);2009年01期

6 于紅玉;張旭;蘇金霏;王寧宇;;濾波言語(yǔ)測(cè)聽(tīng)詞表的實(shí)現(xiàn)[J];北京生物醫(yī)學(xué)工程;2006年04期

7 周長(zhǎng)鋒;韓力群;;概率神經(jīng)網(wǎng)絡(luò)在文本無(wú)關(guān)說(shuō)話人識(shí)別中的應(yīng)用[J];北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

8 魏麗英;;簡(jiǎn)析語(yǔ)音編碼[J];才智;2010年31期

9 由守杰;柏森;曹巍巍;;魯棒的DCT域音頻盲水印算法[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

10 王義元,趙黎明;基于小波變換的漢語(yǔ)三字詞語(yǔ)音基音頻率提取[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2005年01期

相關(guān)會(huì)議論文 前10條

1 張利軍;岳宏達(dá);雷正林;;基于短時(shí)傅立葉變換的人工電子耳蝸言語(yǔ)處理器設(shè)計(jì)[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

2 徐晨;曹輝;;一種語(yǔ)音信號(hào)生成的數(shù)字模型的研究[A];第二屆西安-上海兩地聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2011年

3 哈妮克孜·伊拉洪;帕力旦·賽力提尼牙孜;那斯?fàn)柦ね聽(tīng)栠d;吾守爾·斯拉木;;維吾爾人說(shuō)漢語(yǔ)普通話發(fā)音特點(diǎn)的聲學(xué)分析[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

4 蔣陽(yáng)波;曾以成;謝珊;;基于分?jǐn)?shù)自相關(guān)函數(shù)的基音檢測(cè)及其魯棒性研究[A];第九屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];2007年

5 龍宇;王忠;;基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)音去噪方法研究[A];四川省通信學(xué)會(huì)二零零四年學(xué)術(shù)年會(huì)論文集（二）[C];2004年

6 安文彥;彭啟琮;;基于VAD的譜減法語(yǔ)音增強(qiáng)的研究[A];2008年中國(guó)西部青年通信學(xué)術(shù)會(huì)議論文集[C];2008年

7 馮朝斌;呂成國(guó);趙洪剛;;話者識(shí)別系統(tǒng)改進(jìn)策略的研究[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2009年學(xué)術(shù)交流年會(huì)論文集[C];2010年

8 項(xiàng)良;劉賀平;;G.723.1算法中閉環(huán)基音搜索算法的優(yōu)化[A];冶金企業(yè)自動(dòng)化、信息化與創(chuàng)新——全國(guó)冶金自動(dòng)化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

9 陳鵬;張仁杰;鄭哲;李杰;;基于ARM的語(yǔ)音識(shí)別家居控制裝置研究[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

10 范京;郭司琴;張福學(xué);;微硅陀螺信號(hào)振幅估計(jì)技術(shù)[A];全國(guó)第五屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議�？�(第一冊(cè))[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 黃麗霞;非特定人魯棒性語(yǔ)音識(shí)別中前端濾波器的研究[D];太原理工大學(xué);2011年

2 謝春輝;音頻隱藏分析方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

3 包桂蘭;基于EPG的蒙古語(yǔ)標(biāo)準(zhǔn)音協(xié)同發(fā)音研究[D];內(nèi)蒙古大學(xué);2011年

4 呂釗;噪聲環(huán)境下的語(yǔ)音識(shí)別算法研究[D];安徽大學(xué);2011年

5 姜濤;網(wǎng)絡(luò)環(huán)境下說(shuō)話人識(shí)別關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2011年

6 肖文斌;基于耦合隱馬爾可夫模型的滾動(dòng)軸承故障診斷與性能退化評(píng)估研究[D];上海交通大學(xué);2011年

7 韓志艷;語(yǔ)音信號(hào)魯棒特征提取及可視化技術(shù)研究[D];東北大學(xué);2009年

8 鐘金宏;基于音節(jié)的漢語(yǔ)連續(xù)語(yǔ)音聲調(diào)識(shí)別方法研究[D];合肥工業(yè)大學(xué);2001年

9 張學(xué)慶;測(cè)井屬性的地震測(cè)井智能聯(lián)合反演[D];成都理工大學(xué);2002年

10 羅震;鋁合金電阻點(diǎn)焊過(guò)程質(zhì)量檢測(cè)及控制方法的研究[D];天津大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 樓侃;基于DSP的語(yǔ)音信號(hào)環(huán)境噪聲降噪處理技術(shù)的研究[D];長(zhǎng)春理工大學(xué);2010年

2 靳志強(qiáng);報(bào)告廳環(huán)境下語(yǔ)音增強(qiáng)方法研究[D];鄭州大學(xué);2010年

3 劉繼芳;基于計(jì)算聽(tīng)覺(jué)場(chǎng)景分析的混合語(yǔ)音分離研究[D];哈爾濱工程大學(xué);2009年

4 王文姝;基于模糊理論的關(guān)鍵詞識(shí)別算法研究[D];哈爾濱工程大學(xué);2010年

5 劉維巍;語(yǔ)音信號(hào)基音周期檢測(cè)算法研究[D];哈爾濱工程大學(xué);2010年

6 樓佳;基于網(wǎng)絡(luò)QoS的AMR語(yǔ)音編碼算法研究[D];哈爾濱工程大學(xué);2010年

7 陳晶;基于詞片網(wǎng)格的語(yǔ)音文檔主題分類[D];哈爾濱工程大學(xué);2010年

8 朱妹麗;三種篡改情況下的音頻鑒定方法研究[D];大連理工大學(xué);2010年

9 鞏俊;語(yǔ)音信號(hào)欠定盲源分離技術(shù)的研究[D];大連理工大學(xué);2010年

10 周翠梅;說(shuō)話人識(shí)別技術(shù)的研究與實(shí)現(xiàn)[D];大連理工大學(xué);2010年

，

本文編號(hào)：2316571