隨著現(xiàn)代信息科技的發(fā)展,大量的智能技術(shù)逐漸應(yīng)用于汽車(chē)領(lǐng)域,例如自動(dòng)輔助駕駛、多媒體娛樂(lè)、抬頭平面顯示等,其中語(yǔ)音識(shí)別是提高這些人機(jī)交互體驗(yàn)質(zhì)量的重要技術(shù)之一。但是駕駛環(huán)境中存在乘客語(yǔ)音、引擎噪聲、胎噪、風(fēng)噪等復(fù)雜的噪聲,這些噪聲是影響語(yǔ)音識(shí)別性能的關(guān)鍵因素。為了使駕駛環(huán)境下的語(yǔ)音識(shí)別精度更高,必須對(duì)駕駛員語(yǔ)音信號(hào)進(jìn)行增強(qiáng)以提高其信噪比。本文分析了低信噪比駕駛環(huán)境下噪聲的特點(diǎn),將噪聲分為非語(yǔ)音噪聲和語(yǔ)音噪聲兩大類(lèi)。非語(yǔ)音噪聲可以通過(guò)一些語(yǔ)音增強(qiáng)算法消除,語(yǔ)音噪聲采用盲源分離算法將其與目標(biāo)駕駛員語(yǔ)音分離。本文對(duì)語(yǔ)音增強(qiáng)和盲源分離算法進(jìn)行了研究,主要工作包括以下三個(gè)方面:1.由分析可知,駕駛環(huán)境下語(yǔ)音信號(hào)的高頻能量比非語(yǔ)音噪聲高很多。因此,本文提出在譜減法語(yǔ)音增強(qiáng)之前加入低頻抑制預(yù)處理來(lái)進(jìn)行噪聲消除。實(shí)驗(yàn)證明,低頻抑制預(yù)處理后輸出信號(hào)的信噪比和聽(tīng)覺(jué)感知質(zhì)量更高。2.本文以譜減法為基礎(chǔ),給出了一種平滑因子優(yōu)化算法,將語(yǔ)音存在概率(SPP)引入到平滑因子的計(jì)算中以自適應(yīng)地估計(jì)噪聲。此外,本文對(duì)自適應(yīng)遞歸平滑算法存在的偏差進(jìn)行補(bǔ)償,給出一種含有偏差補(bǔ)償?shù)淖赃m應(yīng)一階遞歸平滑噪聲估計(jì)算法。實(shí)驗(yàn)結(jié)果表明,本文給出的算法在低信噪比的駕駛環(huán)境下比常用的最小值統(tǒng)計(jì)、MCRA、IMCRA噪聲估計(jì)算法有更好的噪聲消除效果。3.在盲源分離方面,基于負(fù)熵的FastICA分離算法在迭代部分采用牛頓迭代法。但是牛頓迭代的初始值會(huì)影響分離算法的性能,因此本文將牛頓下山法應(yīng)用于FastICA分離算法,自適應(yīng)地改變下山因子的值。改進(jìn)后算法的迭代時(shí)間和迭代次數(shù)都有所下降,較好的降低了牛頓迭代法對(duì)初值敏感的影響。實(shí)驗(yàn)結(jié)果表明,本文給出的算法提高了目標(biāo)駕駛員的語(yǔ)音質(zhì)量,能更好地適用于低信噪比駕駛環(huán)境下的語(yǔ)音增強(qiáng)和分離工作。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TN912.3
【部分圖文】：

為了更加直觀的看出低頻抑制預(yù)處理的效果，選�。督M不同信噪比的??含噪語(yǔ)音信號(hào)，分別通過(guò)未采用低頻抑制和加入低頻抑制預(yù)處理之后的譜減法進(jìn)??行語(yǔ)音增強(qiáng)，得到的輸出信號(hào)的信噪比和聽(tīng)覺(jué)感知質(zhì)量對(duì)比圖如圖３－３、圖３－４所??不。??ＳＮＲＪ＾比圖??０????ｎ?１?２?３?４?５?６??冊(cè)：—？…??；－８?—＝＝＝＿???？１０?—???輸入信噪比?譜減法?？？……低頻抑制后再譜減??圖３－３信噪比對(duì)比圖??Ｆｉｇ．３－３?ＳＮＲ?ｃｏｍｐａｒｉｓｏｎ??２９??

?駕駛環(huán)境下低信噪比語(yǔ)音增強(qiáng)算法研宄??圖３－２語(yǔ)譜圖對(duì)比：（ａ）含噪語(yǔ)音，（ｂ）低頻抑制后的含噪語(yǔ)音??Ｆｉｇ．３－２?Ｓｐｅｃｔｒｏｇｒａｍ?ｃｏｍｐａｒｉｓｏｎ?：（ａ）?ｎｏｉｓｙ?ｓｐｅｅｃｈ，?（ｂ）?ｌｏｗ?ｆｒｅｑｕｅｎｃｙ?ｓｕｐｐｒｅｓｓｉｏｎ?ｓｉｇｎａｌ??從圖３－２語(yǔ)譜圖中可以看出，進(jìn)行低頻抑制之后的帶噪語(yǔ)音在低頻部分的噪聲??信號(hào)明顯減少，而且基本沒(méi)有影響到語(yǔ)音的共振峰結(jié)構(gòu)，在聽(tīng)音測(cè)試中人耳對(duì)低??頻損失部分也基本沒(méi)有感知，所以低頻抑制預(yù)處理主要減小了集中在低頻部分的??汽車(chē)噪聲。為了更加直觀的看出低頻抑制預(yù)處理的效果，選�。督M不同信噪比的??含噪語(yǔ)音信號(hào)，分別通過(guò)未采用低頻抑制和加入低頻抑制預(yù)處理之后的譜減法進(jìn)??行語(yǔ)音增強(qiáng)，得到的輸出信號(hào)的信噪比和聽(tīng)覺(jué)感知質(zhì)量對(duì)比圖如圖３－３、圖３－４所??不。??ＳＮＲＪ＾比圖??０????ｎ?１?２?３?４?５?６?

?譜減法?加入低頻抑制的譜減法??圖３＿４聽(tīng)覺(jué)感知質(zhì)量對(duì)比圖??Ｆｉｇ．３－４?ＰＥＳＱ?ｃｏｍｐａｒｉｓｏｎ??根據(jù)上述語(yǔ)譜圖、信噪比和聽(tīng)覺(jué)感知質(zhì)量對(duì)比圖可以得出結(jié)論：采用低頻抑??制預(yù)處理后的譜減法得到的輸出信號(hào)信噪比和聽(tīng)覺(jué)感知質(zhì)量更高。因此，在駕駛??環(huán)境低信噪比下，低頻抑制預(yù)處理可以在一定程度上衰減汽車(chē)噪聲集中的低頻段，??降低非相關(guān)汽車(chē)噪聲所占的比例。??根據(jù)３．１和３．２節(jié)的分析，結(jié)合駕駛環(huán)境下噪聲特點(diǎn)，可擬定本文主要的研究??步驟如圖３－５所示：??ｉＵ低頻抑制一？噪聲估計(jì)一？譜減法一＊?—？??????Ｉ???????Ｉ?去???????＾均盲??低頻抑制一？噪聲估計(jì)一？譜減法一＊?｜?一￣？?ｆ???門(mén)?口「ｅ?Ｉ??〇??????１?化?〇??低頻抑制一？噪聲估計(jì)一？譜減法一？?—？??圖３－５本文研究步驟??Ｆｉｇ．?３－５?Ｒｅｓｅａｒｃｈ?ｓｔｅｐｓ?ｏｆ?ｔｈｉｓ?ａｒｔｉｃｌｅ??上圖中，輸入ｘｌ、ｘ２、ｘ３表示接收到的三個(gè)帶噪的混合語(yǔ)音信號(hào)，輸出ｓｌ、??ｓ２、ｓ３表示盲源分離后得到的輸出信號(hào)。本文首先對(duì)駕駛環(huán)境低信噪比下的帶噪??混合語(yǔ)音信號(hào)進(jìn)行低頻抑制預(yù)處理，然后對(duì)其進(jìn)行噪聲估計(jì)，接著將噪聲估計(jì)之??后的語(yǔ)音信號(hào)應(yīng)用于譜減法中進(jìn)行語(yǔ)音增強(qiáng)以去除大部分非語(yǔ)音噪聲，然后將增??強(qiáng)后的混合信號(hào)進(jìn)行盲源分離，去除混合信號(hào)中的語(yǔ)音噪聲，提取出較為純凈的??３０??
【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 趙國(guó)偉;王宏志;;基于高階累積量帶噪盲源分離算法[J];長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào);2015年06期

2 王一帆;唐正寧;;基于PCA和ICA的多光譜數(shù)據(jù)降維方法[J];光學(xué)技術(shù);2014年02期

3 李世紹;高勇;;低信噪比下基于FastIca和MMSE-LSA的語(yǔ)音識(shí)別[J];電聲技術(shù);2014年01期

4 吳微;彭華;周正康;;一種改進(jìn)的FastICA算法及其在含噪盲源分離中的應(yīng)用[J];信息工程大學(xué)學(xué)報(bào);2013年06期

5 夏樂(lè)樂(lè);孫永榮;王勇;;基于自適應(yīng)噪聲估計(jì)的語(yǔ)音增強(qiáng)技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2014年23期

6 徐文超;王光艷;耿艷香;白芳;費(fèi)騰;;基于譜減法和變步長(zhǎng)LMS語(yǔ)音增強(qiáng)算法[J];計(jì)算機(jī)工程與應(yīng)用;2015年01期

7 張杰;劉輝;歐倫偉;;改進(jìn)的FastICA算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2014年06期

8 ;Source number estimation and separation algorithms of underdetermined blind separation[J];Science in China(Series F:Information Sciences);2008年10期

9 張賢達(dá),保錚;盲信號(hào)分離[J];電子學(xué)報(bào);2001年S1期

相關(guān)碩士學(xué)位論文 前1條

1 朱曉敏;車(chē)載環(huán)境下駕駛員語(yǔ)音增強(qiáng)方法研究[D];西安電子科技大學(xué);2015年

本文編號(hào)：2887579