針對(duì)低信噪比（SNR）環(huán)境下傳統(tǒng)方法對(duì)聲信號(hào)降噪的局限性,提出了一種聯(lián)合自適應(yīng)閾值活動(dòng)語音檢測(cè)（VAD）算法和最小均方誤差對(duì)數(shù)譜幅度估計(jì)（MMSE-LSA）的實(shí)時(shí)降噪算法。首先,在VAD算法中通過基于能量概率最大值的概率統(tǒng)計(jì)來對(duì)背景噪聲進(jìn)行估計(jì),對(duì)得到的背景噪聲進(jìn)行實(shí)時(shí)更新并保存;然后,將實(shí)時(shí)更新的背景噪聲作為MMSE-LSA的參考噪聲,并對(duì)噪聲幅度譜進(jìn)行自適應(yīng)更新,最后進(jìn)行降噪處理。通過在真實(shí)場(chǎng)景中對(duì)四類聲信號(hào)進(jìn)行實(shí)驗(yàn),結(jié)果表明,該算法在保證對(duì)低SNR聲信號(hào)的實(shí)時(shí)處理的情況下,相較于傳統(tǒng)MMSE-LSA算法,降噪信號(hào)的SNR能夠提高10～15 dB,且不存在信號(hào)過減的情況,可應(yīng)用于實(shí)際工程。 

【文章來源】：計(jì)算機(jī)應(yīng)用. 2020,40(06)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1 雙門限判決示意圖

本文的自適應(yīng)閾值VAD檢測(cè)算法，可以在不同環(huán)境中通過實(shí)時(shí)提取到的概率最大的能量值來自適應(yīng)設(shè)定高低門限，能夠更加精確地分離目標(biāo)信號(hào)以及背景噪聲，并為MMSE-LSA降噪算法提供準(zhǔn)確的背景噪聲，提高降噪性能。2 基于實(shí)時(shí)的MMSE?LSA降噪算法

針對(duì)傳統(tǒng)算法在低信噪比情況下產(chǎn)生的過減和降噪效果差的問題，本文提出來一種基于實(shí)時(shí)的MMSE-LSA降噪算法，圖3為降噪算法流程。傳統(tǒng)的MMSE-LSA算法中對(duì)噪聲譜的估計(jì)常用的是截取信號(hào)的前5幀進(jìn)行短時(shí)傅里葉變化并求幅度譜均值。由于信號(hào)前5幀可能會(huì)含有有用信息，導(dǎo)致參考噪聲幅度譜估計(jì)偏差很大，存在著過減和降噪性能差等問題。對(duì)帶噪聲信號(hào)進(jìn)行自適應(yīng)閾值VAD檢測(cè)，獲取到背景噪聲段來作為參考噪聲d(t)；當(dāng)聲信號(hào)信噪比過低，會(huì)導(dǎo)致VAD算法失效，則返回到背景噪聲數(shù)據(jù)庫(kù)中，選用最近一段的背景噪聲作為后續(xù)降噪算法的背景噪聲參考d(t)，保證降噪算法能有最佳的參考噪聲。為了更好估計(jì)噪聲譜，對(duì)噪聲譜的每一幀進(jìn)行實(shí)時(shí)更新，通過指數(shù)平滑得到自適應(yīng)噪聲譜。

【參考文獻(xiàn)】：
期刊論文
[1]基于連續(xù)噪聲譜估計(jì)的譜減法語音增強(qiáng)算法[J]. 嚴(yán)思偉,屈曉旭,婁景藝.  通信技術(shù). 2018(06)
[2]基于維特比算法的深度神經(jīng)網(wǎng)絡(luò)語音端點(diǎn)檢測(cè)[J]. 李文潔,張晴晴,張鵬遠(yuǎn),顏永紅,擺亮.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[3]復(fù)雜噪聲場(chǎng)景下的活動(dòng)語音檢測(cè)方法[J]. 郭武,馬嘯空.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(11)
[4]基于子帶雙特征的自適應(yīng)保留似然比魯棒語音檢測(cè)算法[J]. 何偉俊,賀前華,吳俊峰,楊繼臣.  電子與信息學(xué)報(bào). 2016(11)
[5]基于直接判決估計(jì)和預(yù)測(cè)估計(jì)的語音增強(qiáng)算法[J]. 馮炎.  信息與電子工程. 2010(01)

碩士論文
[1]基于聲譜圖的音頻事件檢測(cè)特征提取研究[D]. 李英杰.北京郵電大學(xué) 2017



本文編號(hào)：3126142