本文關(guān)鍵詞：結(jié)合EEMD與K-SVD的語音增強算法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：語音是人類進行傳遞信息最重要、最常用的方式之一,針對語音信號處理相關(guān)的研究極為廣泛,如:語音增強、語音編碼、語音識別及語音合成等。研究人員一般使用相對純凈的語音信號進行研究,但實際應(yīng)用中采集到的語音信號往往會被環(huán)境噪聲干擾,這些噪聲的存在會降低語音信號的質(zhì)量及可懂度,嚴重影響語音信號處理系統(tǒng)的性能。如何有效地將污染的帶噪語音恢復為純凈語音,成為了語音增強的目的。本文以語音增強為研究目標,結(jié)合K-奇異值分解(K-singular Value Decomposition,K-SVD)算法和集總經(jīng)驗?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)方法,提出了一種EEMD與K-SVD算法相結(jié)合的語音增強新算法。論文的主要工作與創(chuàng)新點如下:1.提出了一種EEMD與K-SVD算法相結(jié)合的語音增強算法。該算法首先將帶噪語音通過EEMD分解得到各本征模式分量(Intrinsic Mode Function,IMF),對各IMF分量進行互相關(guān)和自相關(guān)分析,去除噪聲IMF分量。同時,將過渡IMF分量再次進行EEMD分解,去除其中的噪聲成分。然后將去除噪聲的過渡IMF分量和剩余的IMF分量疊加得到新的帶噪語音。對新的帶噪語音利用K-SVD算法在純凈語音訓練的過完備字典上進行稀疏分解,通過稀疏系數(shù)重構(gòu)出去噪后的語音。主、客觀實驗結(jié)果表明,本算法能夠較好地去除噪聲,在低信噪比情況下,去噪效果明顯優(yōu)于譜減法、小波閾值去噪和K-SVD字典訓練算法。2.提出了一種雙閾值的稀疏自適應(yīng)匹配追蹤算法(Double Threshold Sparsity Adaptive Matching Pursuit,DTSAMP)。該算法在原算法設(shè)置單一殘差閾值的基礎(chǔ)上,增加了純凈信號的能量閾值。首先估計帶噪語音中的噪聲能量,進而獲得純凈信號的能量估計值,若每一次迭代重建語音信號的能量超過了純凈信號能量的1.2倍,則停止迭代,輸出語音。實驗結(jié)果表明,本算法針對含噪信號的處理上,較之傳統(tǒng)的正交匹配追蹤(Orthogonal Matching Pursuit,OMP)算法及SAMP算法,有效減少了含噪信號中的噪聲成分的恢復,提高了原始帶噪語音的信噪比。同時,也明顯減少了迭代次數(shù),運行速度提高了2倍以上。
【關(guān)鍵詞】：語音增強 壓縮感知 EEMD KSVD SAMP
【學位授予單位】：西北師范大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN912.35
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-12
• 1.1 研究背景及意義9-10
• 1.2 語音增強的發(fā)展歷史及現(xiàn)狀10-11
• 1.3 論文結(jié)構(gòu)安排11
• 1.4 本章小結(jié)11-12
• 第2章 傳統(tǒng)語音增強算法概述12-22
• 2.1 語音增強的基本概念12-14
• 2.1.1 噪聲12-14
• 2.1.2 人耳對語音的聽覺特性14
• 2.2 傳統(tǒng)語音增強算法概述14-21
• 2.2.1 譜減法14-17
• 2.2.2 維納濾波法17-18
• 2.2.3 小波變換方法18-21
• 2.3 本章小結(jié)21-22
• 第3章 集總經(jīng)驗?zāi)B(tài)分解理論22-25
• 3.1 經(jīng)驗?zāi)B(tài)分解理論22-23
• 3.2 EEMD分解方法23-24
• 3.3 本章小結(jié)24-25
• 第4章 壓縮感知理論25-32
• 4.1 壓縮感知基本理論25-27
• 4.1.1 理論背景25-26
• 4.1.2 理論概述26-27
• 4.2 壓縮感知理論基本內(nèi)容27-31
• 4.3 本章小結(jié)31-32
• 第5章 EEMD與K-SVD結(jié)合的語音增強算法32-43
• 5.1 算法提出的背景32
• 5.2 算法的基本框架32-33
• 5.3 基于EEMD算法的預(yù)降噪33-35
• 5.3.1 EEMD分解33-34
• 5.3.2 相關(guān)性分析34-35
• 5.3.3 過渡模態(tài)分量的處理35
• 5.4 基于K-SVD字典訓練算法的語音增強35-38
• 5.4.1 過完備字典的構(gòu)造35-37
• 5.4.2 語音信號的過完備稀疏表示37
• 5.4.3 語音信號的重建37-38
• 5.5 實驗結(jié)果與分析38-42
• 5.6 本章小結(jié)42-43
• 第6章 重構(gòu)算法的改進43-48
• 6.1 傳統(tǒng)SAMP算法概述43
• 6.2 DTSAMP算法43-45
• 6.3 實驗結(jié)果與分析45-47
• 6.4 本章小結(jié)47-48
• 第7章 語音質(zhì)量評價體系48-56
• 7.1 語音質(zhì)量評價48-52
• 7.1.1 客觀評價方法49-50
• 7.1.2 主觀評價方法50-52
• 7.2 語音質(zhì)量評價52-55
• 7.2.1 客觀評價52-54
• 7.2.2 主觀評價54-55
• 7.3 本章小結(jié)55-56
• 第8章 總結(jié)與展望56-58
• 8.1 論文工作總結(jié)56
• 8.2 工作展望56-58
• 參考文獻58-61
• 攻讀學位期間的研究成果61-62
• 致謝62

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡光銳,虞曉;基于二階前向結(jié)構(gòu)和信息最大理論的語音增強算法[J];上海交通大學學報;2000年07期

2 姚峰英,張敏;用于語音增強的高頻信噪比度量[J];聲學學報;2002年05期

3 彭煊,劉金福,王炳錫;基于獨立分量分析的語音增強[J];信號處理;2002年05期

4 王金明,張雄偉;一種基于自適應(yīng)模糊濾波的語音增強方法[J];解放軍理工大學學報(自然科學版);2003年01期

5 楊匯軍,鄭海英,王立紅;語音增強方法的研究[J];遼寧工學院學報;2003年05期

6 徐爽,韓芳芳,鄭德忠;基于閾值的小波域語音增強新算法[J];傳感技術(shù)學報;2004年01期

7 孫新德;一種改進的語音增強方法及實現(xiàn)[J];鄭州航空工業(yè)管理學院學報(社會科學版);2005年04期

8 錢國青;趙鶴鳴;;基于改進譜減算法的語音增強新方法[J];計算機工程與應(yīng)用;2005年35期

9 王晶,傅豐林,張運偉;語音增強算法綜述[J];聲學與電子工程;2005年01期

10 楊毅;楊宇;余達太;;語音增強及其消噪能力研究[J];微電子學與計算機;2006年07期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳凱;俞蒙槐;胡上序;付強;;語音增強系統(tǒng)性能評測方法綜述[A];第四屆全國人機語音通訊學術(shù)會議論文集[C];1996年

2 王建波;林本浩;田春明;劉睿;;語音增強及其相關(guān)技術(shù)研究[A];2009通信理論與技術(shù)新發(fā)展——第十四屆全國青年通信學術(shù)會議論文集[C];2009年

3 徐舒;孫洪;;基于融合迭代的語音增強方法[A];第十四屆全國信號處理學術(shù)年會(CCSP-2009)論文集[C];2009年

4 牛剛;任新智;吳國慶;;諧波能量匯集度在語音增強中的應(yīng)用[A];第六屆全國信息獲取與處理學術(shù)會議論文集（2）[C];2008年

5 國雁萌;;一種極低信噪比條件下的語音增強方法[A];第六屆全國人機語音通訊學術(shù)會議論文集[C];2001年

6 江峰;李曉東;;適用于抑制非平穩(wěn)背景噪聲的語音增強算法[A];中國聲學學會2003年青年學術(shù)會議[CYCA'03]論文集[C];2003年

7 閻兆立;杜利民;;維納后濾波語音增強算法研究[A];中國聲學學會2005年青年學術(shù)會議[CYCA'05]論文集[C];2005年

8 劉淑華;胡強;覃團發(fā);萬海斌;;語音增強算法的研究[A];2005通信理論與技術(shù)新進展——第十屆全國青年通信學術(shù)會議論文集[C];2005年

9 魏臻;張景達;陸陽;;嵌入式系統(tǒng)中語音增強改進算法的研究[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（一）[C];2007年

10 楊威明;;基于閾值的小波變換語音增強方法[A];2007北京地區(qū)高校研究生學術(shù)交流會通信與信息技術(shù)會議論文集（上冊）[C];2008年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 歐世峰;變換域語音增強算法的研究[D];吉林大學;2008年

2 尹偉;基于模型的語音增強方法及質(zhì)量評估研究[D];武漢大學;2009年

3 王海艷;基于統(tǒng)計模型的語音增強算法研究[D];吉林大學;2011年

4 方瑜;語音增強相關(guān)問題研究[D];北京郵電大學;2012年

5 姚峰英;語音增強系統(tǒng)的研究與實現(xiàn)[D];中國科學院上海冶金研究所;2001年

6 夏丙寅;面向移動通信的單通道語音增強方法研究[D];北京工業(yè)大學;2014年

7 徐勇;基于深層神經(jīng)網(wǎng)絡(luò)的語音增強方法研究[D];中國科學技術(shù)大學;2015年

8 陶智;低信噪比環(huán)境下語音增強的研究[D];蘇州大學;2011年

9 王娜;基于小波變換與約束方差噪聲譜估計的語音增強算法研究[D];燕山大學;2011年

10 趙彥平;基于稀疏表示的語音增強方法研究[D];吉林大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 肖佩霖;雙通道語音增強系統(tǒng)設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學;2011年

2 魏有權(quán);基于噪聲估計的語音增強算法研究[D];昆明理工大學;2015年

3 郭栗;特定人語音增強算法的研究[D];上海交通大學;2015年

4 紀志春;基于字典學習的語音增強算法研究[D];大連海事大學;2016年

5 尹波;基于麥克風小陣列的語音增強算法的研究[D];湖北工業(yè)大學;2016年

6 張建偉;基于噪聲譜估計和信噪比約束的語音增強研究[D];安徽大學;2016年

7 魏泉水;基于深度神經(jīng)網(wǎng)絡(luò)的語音增強算法研究[D];南京大學;2016年

8 王鵬宇;壓縮感知技術(shù)在語音增強和EEG信號中的應(yīng)用研究[D];福州大學;2014年

9 魏清泉;有色噪聲下語音增強算法及應(yīng)用研究[D];福州大學;2014年

10 黃劍文;多通道語音增強算法及應(yīng)用研究[D];福州大學;2014年

  本文關(guān)鍵詞：結(jié)合EEMD與K-SVD的語音增強算法的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：429454