為了提升復(fù)雜噪聲環(huán)境下語(yǔ)音增強(qiáng)效果,該文提出了一種基于雙層字典學(xué)習(xí)的單通道語(yǔ)音增強(qiáng)方法。在訓(xùn)練階段首先采用干凈語(yǔ)音和噪聲訓(xùn)練初始化特征子字典,然后基于區(qū)分性約束和抗混淆約束的優(yōu)化函數(shù)訓(xùn)練雙層聯(lián)合字典,第一層字典表達(dá)語(yǔ)音信號(hào)和噪聲的可區(qū)分分量,而第二層字典表達(dá)語(yǔ)音信號(hào)和噪聲的易混淆成分。在測(cè)試階段含噪語(yǔ)音在雙層聯(lián)合字典上投影得到稀疏系數(shù)矩陣,然后重構(gòu)得到增強(qiáng)后的語(yǔ)音。該方法利用目標(biāo)優(yōu)化函數(shù)的約束性減少"交叉投影"現(xiàn)象的發(fā)生,降低了信號(hào)在聯(lián)合字典的混淆,從而進(jìn)一步提升了語(yǔ)音增強(qiáng)的效果。實(shí)驗(yàn)結(jié)果表明,從語(yǔ)譜圖、全局信噪比（SNR）、主觀語(yǔ)音質(zhì)量評(píng)估（PESQ）和對(duì)數(shù)頻譜距離（LSD）四個(gè)方面評(píng)價(jià),相比于基于稀疏約束非負(fù)矩陣分解和改進(jìn)的維納濾波的語(yǔ)音增強(qiáng)方法,該方法具有更好的性能,能夠更有效地去除噪聲。 

【文章來(lái)源】：信號(hào)處理. 2020,36(06)北大核心CSCD

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

圖1 雙層字典訓(xùn)練過(guò)程

基于雙層聯(lián)合字典的含噪語(yǔ)音信號(hào)增強(qiáng)模塊

(4)為了更好的比較各種方法的語(yǔ)音增強(qiáng)效果,我們將從LSD值的大小來(lái)衡量本文算法增強(qiáng)后語(yǔ)音的失真度。LSD值越小表示增強(qiáng)后的語(yǔ)音信號(hào)的頻譜失真越小,信號(hào)更接近干凈語(yǔ)音,語(yǔ)音增強(qiáng)效果越好。圖6(a)、(b)、(c)分別表示車載噪聲、白噪聲、機(jī)艙噪聲下不同輸入信噪比時(shí)各方法的LSD值的結(jié)果�？梢钥闯鱿啾扔谄渌麅煞N算法,本文算法在車載噪聲、白噪聲環(huán)境下都有更小的LSD值,增強(qiáng)后語(yǔ)音的失真度更小。在機(jī)艙噪聲環(huán)境中,當(dāng)信噪比為10 dB時(shí),三種算法的LSD值較為接近,但DLSC算法的LSD值仍低于其他算法。因此,通過(guò)比較LSD值的大小表明,本文提出的DLSC算法在同一信噪比的噪聲環(huán)境中可以更好地描述稀疏字典和系數(shù)矩陣的分布,能夠更準(zhǔn)確地還原出干凈語(yǔ)音,具有更佳的增強(qiáng)效果。5 結(jié)論

【參考文獻(xiàn)】：
期刊論文
[1]區(qū)分性聯(lián)合稀疏字典交替優(yōu)化的語(yǔ)音增強(qiáng)[J]. 賈海蓉,王衛(wèi)梅,王雁,裴俊華.  西安電子科技大學(xué)學(xué)報(bào). 2019(03)
[2]稀疏正則非負(fù)矩陣分解的語(yǔ)音增強(qiáng)算法[J]. 蔣茂松,王冬霞,牛芳琳,曹玉東.  計(jì)算機(jī)應(yīng)用. 2018(04)
[3]改進(jìn)小波閾值函數(shù)的語(yǔ)音增強(qiáng)算法研究[J]. 劉鳳山,呂釗,張超,吳小培.  信號(hào)處理. 2016(02)
[4]改進(jìn)的稀疏字典學(xué)習(xí)單通道語(yǔ)音增強(qiáng)算法[J]. 李軼南,張雄偉,曾理,黃建軍.  信號(hào)處理. 2014(01)
[5]基于數(shù)據(jù)驅(qū)動(dòng)字典和稀疏表示的語(yǔ)音增強(qiáng)[J]. 孫林慧,楊震.  信號(hào)處理. 2011(12)

碩士論文
[1]低信噪比環(huán)境下語(yǔ)音增強(qiáng)及相關(guān)技術(shù)研究[D]. 蘇敏.南京郵電大學(xué) 2018



本文編號(hào)：3214896