本文選題：稀疏表示 + 非參數(shù)貝葉斯�。� 參考：《廈門大學學報(自然科學版)》2017年03期

【摘要】：提出一種基于非參數(shù)貝葉斯理論的語音增強算法,在稀疏表示的框架下,把字典學習、稀疏系數(shù)表示和噪聲方差估計融合成一個貝葉斯后驗估計的過程,并利用Spike-Slab先驗加強稀疏性.首先,將帶噪語音分解為干凈語音、高斯噪聲和殘余噪聲3個子信號,分別對該3種子信號采用不同的先驗概率模型表達,接著采用馬爾科夫鏈-蒙特卡洛算法計算出3個模型中每個參數(shù)對應的后驗概率,最后基于稀疏表示的框架重構出干凈語音.實驗數(shù)據(jù)使用NOIZEUS語音庫,采用PESQ和SegSNR作為質量評價指標,分別在信噪比為0,5和10dB的高斯白噪聲、火車噪聲和街道噪聲上驗證了其可行性,并與多種常用語音增強方法進行對比,發(fā)現(xiàn)其在低信噪比非平穩(wěn)噪聲情況下的增強效果更為理想.
[Abstract]:A speech enhancement algorithm based on non-parametric Bayesian theory is proposed. Under the framework of sparse representation, dictionary learning, sparse coefficient representation and noise variance estimation are fused into a Bayesian posteriori estimation process. Spike-Slab is used to enhance sparsity. Firstly, the noisy speech is decomposed into three sub-signals: clean speech, Gao Si noise and residual noise, and the three subsignals are expressed with different priori probability models. Then the Markov chain-Monte Carlo algorithm is used to calculate the posteriori probability of each parameter in the three models, and the clean speech is reconstructed based on the sparse representation framework. The experimental data are used in Noizus language base, PESQ and SegSNR are used as the quality evaluation indexes. The feasibility of the proposed method is verified on the Gao Si white noise, train noise and street noise with a signal-to-noise ratio of 0 ~ 5 dB and 10 dB, respectively, and is compared with a variety of common speech enhancement methods. It is found that the enhancement effect is better under the condition of low signal-to-noise ratio (SNR) non-stationary noise.
【作者單位】： 廈門大學信息科學與技術學院;華南理工大學數(shù)學學院;
【分類號】：TN912.35

【相似文獻】

相關期刊論文 前10條

1 胡光銳,虞曉;基于二階前向結構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

相關會議論文 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;;語音增強及其相關技術研究[A];2009通信理論與技術新發(fā)展——第十四屆全國青年通信學術會議論文集[C];2009年

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

4 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會議論文集[C];2001年

5 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年青年學術會議[CYCA'03]論文集[C];2003年

6 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年青年學術會議[CYCA'05]論文集[C];2005年

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

8 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交流大會論文集（一）[C];2007年

9 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)高校研究生學術交流會通信與信息技術會議論文集（上冊）[C];2008年

10 王世偉;胡笑滸;鄭成詩;李曉東;;一種改進的基于能量差語音增強算法[A];中國聲學學會第九屆青年學術會議論文集[C];2011年

相關博士學位論文 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)絡的語音增強方法研究[D];中國科學技術大學;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

相關碩士學位論文 前10條

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

2 陳成斌;針對于家居環(huán)境的語音增強系統(tǒng)的研究與開發(fā)[D];華南理工大學;2015年

3 魏有權;基于噪聲估計的語音增強算法研究[D];昆明理工大學;2015年

4 曹后斌;有色背景噪聲環(huán)境下語音增強系統(tǒng)的設計與實現(xiàn)[D];電子科技大學;2014年

5 馬小惠;陣列語音增強在車載環(huán)境中的應用[D];大連理工大學;2015年

6 李達;無線聲學傳感器網(wǎng)絡中分布式語音增強方法研究[D];大連理工大學;2015年

7 高珍珍;基于梅爾頻譜域HMM的語音增強方法研究[D];北京工業(yè)大學;2015年

8 宋環(huán)宇;全數(shù)字助聽器語音增強算法研究[D];哈爾濱工業(yè)大學;2014年

9 王永杰;基于麥克風陣列的語音增強算法研究[D];西安電子科技大學;2014年

10 穆俊生;基于特征值篩選的子空間語音增強算法研究[D];南昌航空大學;2015年

，

本文編號：2008490