噪聲干擾在我們的生活中無處不在,時時刻刻影響著人們的通話交流,因而語音增強技術(shù)一直是一個研究的熱點。通常我們所熟知的語音信號是一種非平穩(wěn)信號,而時頻分析是用來研究非平穩(wěn)信號的有力工具。與傳統(tǒng)高斯噪聲不同,一種普遍存在的噪聲不能用高斯分布描述,是一種沖擊性更強的干擾。在沖擊干擾影響下,經(jīng)典的語音去噪算法的性能并不理想。因而,需要我們進(jìn)一步研究沖擊干擾下的語音增強問題。主要的研究內(nèi)容如下:1.針對受沖擊干擾影響的語音信號去干擾問題的研究。在這個工作中,沖擊干擾是由一個未知的稀疏矢量建模的,因此它可以被有效地抑制。該語音信號在小波域內(nèi)稀疏地表示。為了實現(xiàn)語音恢復(fù)的同時抑制噪聲,基于它們在不同域的稀疏表示的事實,設(shè)計了一個聯(lián)合估計。為了有效地解決這個問題,分別采用了聯(lián)合的貪婪估計算法和交替方向乘子(ADMM)法來獲得解。仿真結(jié)果驗證了所提出方法的優(yōu)越性。2.利用變換域研究了混合沖擊干擾和高斯噪聲下的語音去噪問題。為了達(dá)到語音增強的目的,提出的噪聲抑制方案是一種由沖擊干擾抑制模塊和高斯噪聲抑制模塊組成的級聯(lián)形式。對于沖擊干擾減噪子系統(tǒng),在該工作中,噪聲是由時域表示的,而短時傅里葉變換(STFT)...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.2語音信號的CWT系數(shù)

圖2.2語音信號的CWT系數(shù)步壓縮小波變換能在時域和頻域都提供了高分辨率，WSST被用來分析語音信個步驟：首先，計算信號的CWT系數(shù)；其次，根據(jù)所獲得數(shù)據(jù)行初始化估計；最后，通過小波系數(shù)的再分配來計算SST[53]。如下。信號x(t)的CWT變換如公式....

圖2.3語音信號的WSST系數(shù)

圖2.3語音信號的WSST系數(shù)語音去噪算法介紹減法音去噪中最早用的方法是譜減法。應(yīng)用譜減法(Spectralsubtrac段語音中的噪聲成分是平穩(wěn)的，其思想是通過靜音段估計語音后將含噪聲語音譜減去估計的噪聲譜就得到了純凈的語音信號基本譜減法的原理及其改進(jìn)。假設(shè)語音信號的....

圖3.9語音信號的CWT系數(shù)

學(xué)碩士學(xué)位論文第3章基于時頻域的語的，對于小波域在離散的情況，我們使用WTW表示小波分解，構(gòu)。則信號的小波系數(shù)就可以表示為：WTWTWx數(shù)重建可以表示為：TWTWTxW識是，小波系數(shù)是稀疏的，就意味著它包含許多可以忽略的成分知的語音信號的小波系數(shù)如圖3....

圖3.10語音信號的WSST系數(shù)

圖3.10語音信號的WSST系數(shù)仿真實驗與分析本節(jié)中，我們以大量的仿真實驗為依據(jù)，來驗證本章所提方法的聯(lián)合或非時頻域的方法進(jìn)行比較。仿真實驗分為兩部分：首先進(jìn)行實驗分析，仿真結(jié)果從主觀和客觀評價兩個方面來驗證方我們又對實測數(shù)據(jù)進(jìn)行分析，采用的實測數(shù)據(jù)是街道噪聲和工噪聲。實....

本文編號：3959030