基于非負(fù)矩陣分解（Nonnegative matrix factorization, NMF）的語音增強算法需要和背景噪聲類型匹配的噪聲基矩陣（Basis matrix）,而在實際中,這是很難被保證的。本文提出了一種基于噪聲基矩陣在線更新的非負(fù)矩陣分解語音增強方法,該方法首先利用一個無語音幀判決模塊識別出帶噪語音的無語音區(qū)域,然后利用一個固定長度的滑動窗口（Sliding window）來包含若干幀最近過去的帶噪語音的無語音幀,并用這些無語音幀的幅度譜在線更新噪聲基矩陣,最后利用更新得到的噪聲基矩陣和預(yù)先訓(xùn)練的語音基矩陣實現(xiàn)語音增強。該方法能夠在線更新出匹配的噪聲基矩陣,有效地解決了噪聲基矩陣不匹配的問題。實驗證明,本文所提的方法在線學(xué)習(xí)到的噪聲基矩陣在大多數(shù)條件下比匹配訓(xùn)練集下訓(xùn)練得到的噪聲基矩陣的性能還要優(yōu)越。 

【文章來源】：信號處理. 2020,36(06)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

干凈語音波形和語音存在概率(SPP)估計

圖3給出了帶噪語音和各種方法的增強語音的語譜圖比較示例,所展示的語譜圖是在白噪聲5 dB的條件下得到的。從圖3中可以看到,Ref.A雖然大幅度地抑制了背景噪聲,但是其增強的語音的低頻部分仍然存在部分噪聲,而且該方法衰減了許多弱語音成分,造成了語音的諧波結(jié)構(gòu)的破壞和高頻信息的丟失。相比之下,Ref.B對語音的頻譜諧波結(jié)構(gòu)破壞不多,而且其增強語音的部分高頻信息也沒有丟失,但是其對背景噪聲的抑制卻不如Ref.A,這可以從圖3(b)和圖3(c)中的橢圓形以及矩形標(biāo)記中看到。而從圖3(d)中可以看到,相比Ref.A和Ref.B,所提方法不僅能夠大幅度地抑制背景噪聲,包括在低頻殘留的噪聲,而且其增強語音的頻譜結(jié)構(gòu)更加清晰,高頻信息丟失較少,頻譜比較完整,這就導(dǎo)致了語音質(zhì)量和可懂度的大幅度提升,也導(dǎo)致了更加舒適的聽覺體驗。本實驗聯(lián)合使用分段信噪比提升(Segment signal-to-noise ratio improvement, SSNRI)[20]、語音感知質(zhì)量(Perceptual evaluation of speech quality, PESQ)[21]以及擴(kuò)展的短時客觀可懂度(Extended short-time objective intelligibility, ESTOI)[22]對各種算法的性能進(jìn)行評估,結(jié)果為200段語音的平均值。


本文編號：3144132