清華大學(xué)數(shù)字語音處理之語音增強(qiáng)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上數(shù)字語音處理之語音增強(qiáng)MATLAB仿真 學(xué) 校 清華大學(xué) 專 業(yè) 通 信 工 程 班 級 x xxx 學(xué) 號 xxx 姓 名 x x x xxxx年xx月xx日目 錄一、引言1二、語音增強(qiáng)算法11、算法 12、算法實(shí)現(xiàn)(源程序）23、改善算法，減少噪聲干擾 6專心-專注-專業(yè)一、引言語音增強(qiáng)的目標(biāo)是從含有噪聲的語音信號中提取盡可能純凈的原始語音。然而，由于干擾通常都是隨機(jī)的，從帶噪語音中提取完全純凈的語音幾乎不可能。在這種情況下，語音增強(qiáng)的目的主要有兩個：一是改進(jìn)語音質(zhì)量，消除背景噪音，使聽者樂于接受，不感覺疲勞，這是一種主觀度量；二是提高語音可懂度，這是一種客觀度量

2、。這兩個目的往往不能兼得，所以實(shí)際應(yīng)用中總是視具體情況而有所側(cè)重的。帶噪語音的噪聲類型可以分為加性噪聲和非加性噪聲。加性噪聲有寬帶的，窄帶的，平穩(wěn)的，非平穩(wěn)的，白噪聲，有色噪聲，等；非加性噪聲如乘性噪聲，卷積噪聲等。一般，語音增強(qiáng)處理的噪聲指環(huán)境中的噪聲，而這些噪聲主要是高斯白噪聲，這種噪聲一般符合如下的假設(shè)：(1)噪聲是加性的。(2)噪聲是局部平穩(wěn)的。局部平穩(wěn)是指一段加噪語音中的噪聲，具有和語音段開始前那段噪聲相同的統(tǒng)計特性，且在整個語音段中保持不變。也就是說，可以根據(jù)語音開始前那段噪聲來估計語音中所疊加的噪聲統(tǒng)計特性。(3)噪聲與語音統(tǒng)計獨(dú)立或不相關(guān)。二、語音增強(qiáng)算法 根據(jù)語音和噪聲的特點(diǎn)

3、，出現(xiàn)了很多種語音增強(qiáng)算法。比較常用的有噪聲對消法、譜相減法、維納濾波法、卡爾曼濾波法、FIR 自適應(yīng)濾波法等。此外，隨著科學(xué)技術(shù)的發(fā)展又出現(xiàn)了一些新的增強(qiáng)技術(shù)，如基于神經(jīng)網(wǎng)絡(luò)的語音增強(qiáng)、基于HMM 的語音增強(qiáng)、基于聽覺感知的語音增強(qiáng)、基于多分辨率分析的語音增強(qiáng)、基于語音產(chǎn)生模型的線性濾波法、基于小波變換的語音增強(qiáng)方法、梳狀濾波法、自相關(guān)法、基于語音模型的語音增強(qiáng)方法等。此處主要介紹譜減法。1、算法使用譜減法是假設(shè): 噪聲疊加； 聲與語音不相關(guān)；對純凈語音無先驗(yàn)知識； 對統(tǒng)計噪聲有先驗(yàn)知識。帶噪語音模型為：y(n)=x(n)+v(n)式中，y(n)是帶噪語音，s(n)是純凈語音，v(n)是噪聲

4、。對式子兩邊進(jìn)行傅立葉變換，得Y(k)=X(k)+N(k)由于對噪聲的統(tǒng)計參數(shù)的未知，所以在實(shí)際應(yīng)用中，通常使用非語音段噪聲譜的均值來作為對噪聲譜N(k)的估計， 則對純凈語音幅度譜的估量表示為把帶噪語音的相位當(dāng)作是純凈語音的相位，那么純凈語音頻譜的估量為2、算法實(shí)現(xiàn)(源程序）%Spectral Subtraction Algorithmwinsize=256; %窗長n=0.05; % 噪聲電平speech,fs,nbits=wavread('shewai.wav'); % 讀入數(shù)據(jù)size=length(speech);numofwin=floor(size/winsize

5、); % 幀數(shù)%加窗ham=hamming(winsize)' %Generates Hamming Windowhamwin=zeros(1,size); %Vector for window gainenhanced=zeros(1,size); %Vector for enhanced speech%產(chǎn)生帶噪聲信號x=speech'+ n*randn(1,size); %Contaminates signal with white noise%噪聲估計noise=n*randn(1,winsize); %Sample of noiseN = fft(noise);nmag

6、= abs(N); %Estimated noise magnitude spectrumfor q=1:2*numofwin-1frame=x(1+(q-1)*winsize/2:winsize+(q-1)*winsize/2); %50 percent overlaphamwin(1+(q-1)*winsize/2:winsize+(q-1)*winsize/2)=hamwin(1+(q-1)*winsize/2:winsize+(q-1)*winsize/2)+ham; %Window gain%對帶噪聲語音進(jìn)行DFTy=fft(frame.*ham);mag = abs(y); %Ma

7、gnitude Spectrumphase = angle(y); %Phase Spectrum%幅度譜減for i=1:winsizeif mag(i)-nmag(i)>0clean(i)= mag(i)-nmag(i);elseclean(i)=0;endend%在頻域中重新合成語音spectral= clean.*exp(j*phase);%IDFT 并重疊想加enhanced(1+(q-1)*winsize/2:winsize+(q-1)*winsize/2)=enhanced(1+(q-1)*winsize/2:winsize+(q-1)*winsize/2)+real(if

8、ft(spectral);end%除去漢寧窗引起的增益for i=1:sizeif hamwin(i)=0enhanced(i)=0;elseenhanced(i)=enhanced(i)/hamwin(i);endendSNR1 = 10*log10(var(speech')/var(noise); %加噪語音信噪比SNR2 = 10*log10(var(speech')/var(enhanced-speech'); %增強(qiáng)語音信噪比wavwrite(x,fs,nbits,'noise.wav'); %輸出帶噪信號wavwrite(enhanced,f

9、s,nbits,'enhanced.wav'); %輸出增強(qiáng)信號t=1:size;figure(1),subplot(3,1,1);plot(t/fs,speech'); %原始語音波形xlabel('time(s)');title('Original Voice (n=',num2str(n),')' );figure(2),specgram(speech'); %原始語音語譜title('Original Voice (n=',num2str(n),')' );figure(1)

10、,subplot(3,1,2); plot(t/fs,x);xlabel('time(s)');title('Noise Added (SNR=',num2str(SNR1),'dB)');figure(3),specgram(x); %加噪語音語譜title('Noise Added (SNR=',num2str(SNR1),'dB)');figure(1),subplot(3,1,3);plot(t/fs,enhanced);xlabel('time(s)');title('Improv

11、ed Voice (SNR=',num2str(SNR2),'dB)');figure(4),specgram(enhanced); %增強(qiáng)語音語譜title('Improved Voice (SNR=',num2str(SNR2),'dB)');運(yùn)行結(jié)果：3、改善算法，減少噪聲干擾白噪聲的短時功率譜上既有波峰，又有波谷。在一幀里，它們的頻率分布是隨機(jī)的；在幀與幀之間，它們的頻率和幅度也是隨機(jī)變化的。當(dāng)我們從帶噪語音的頻譜中減去我們估計的噪聲譜，所有的帶噪語音頻譜峰值都會變小，而谷值由于小于估計的噪聲值被置零。因此，進(jìn)行譜減法之后，在頻譜上只留下波峰。在這些留下的波峰中，頻帶較寬的部分被視為時變寬帶噪聲，頻帶較窄的部分則被當(dāng)成時變音調(diào)，也就是所謂的音樂噪聲。改善的算法為：其中，P's(w)是所求的語音幅度譜，Ps(w)是帶噪語音幅度譜，Pn(w)是估計的噪聲幅度譜。當(dāng)>1，改善的算法通過消除那些寬波峰，去除所有的寬頻帶噪聲。然后，提高頻譜下限Pn(w