噪声估计的算法及MATLAB实现毕业设计.doc

《噪声估计的算法及MATLAB实现毕业设计.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、噪声估计的算法及MATLAB实现毕业设计目录1绪论11.1噪声估计算法研究的目的和意义11.2国内外研究的现状21.3论文的整体安排32几种经典的噪声估计的算法42.1几种噪声估计算法的优点42.2噪声估计算法43基于语音活动性检测的噪声估计算法及MATLAB实现63.1基于语音活动性检测的噪声估计算法63.1.1短时能量63.1.2短时平均过零率73.1.3基于短时能量和短时平均过零率的语音活动性检测73.1.4实验仿真94最小统计递归平均的噪声估计算法及MATLAB仿真114.1最小值统计法114.1.1最优平滑114.1.2最小功率谱统计跟踪124.1.3实验仿真144.2基于统

2、计信息的非平稳噪声自适应算法154.2.1概述154.2.2非平稳噪声自适应算法154.3最小值控制递归平均算法184.3.1计算局部能量最小值194.3.2估计语音存在的概率204.3.3更新噪声谱的估计204.4一种改进的最小统计量控制递归平均噪声估计算法214.4.1改进的噪声估计算法214.4.2实验仿真235总结与展望245.1论文的主要工作245.2目前存在的问题及今后的发展方向24参考文献25致谢26附录:外文文献27501绪论1.1噪声估计算法研究的目的和意义语音作为语言的声学表现，是人类特有的也是最重要的思想和情感交流段，也是人机交互最自然的方式。而人们在通信过程中，

3、语音常常受到环境噪声的干扰而使通话质量下降，在实际应用中噪声的存在也会产生很多问题,语音处理设备对人类语音进行获取或处理的过程不可避免地要受到来自周围环境的各种噪声或其它讲话者的干扰，这些干扰噪声最终将使语音处理设备的接收到的语音不再是纯净的原始语音，而是被噪声污染过的带噪语音。由于环境噪声的污染会使许多语音处理系统的性能急剧恶化，严重时使语音处理系统不能正常工作,因此在上述情况下，背景噪声的存在不仅严重破坏了语音信号原有的模型参数和声学特性，导致许多语音处理系统服务质量的降低，而且会影响系统输出语音的可懂程度，使听众产生听觉疲劳。在视频信号中也同样存在噪声,很多视频图像处理都是在没有

4、考虑噪声情况下得出的，如果存在噪声就必将会影响这些算法的有效性。由于噪声对视频图像处理算法的影响如此大，因此在开发图像视频处理算法时必须考虑噪声，必须有一种可靠的方法能准确地估计噪声，以便使很多图像视频处理算法(比如边缘检测、图像分割和滤波等)在噪声存在的情况下依旧保持非常良好的性能。然而,语音增强技术作为一种预处理技术，是消除这些噪声干扰的一个最重要的手段，它通过对带噪语音进行处理来改善语音质量，使人们易于接受或提高语音处理系统的性能。语音增强的主要目标是从带噪语音信号中提取尽可能纯净的原始语音,通过语音增强，抑制背景噪声，提高语音通信质量,而噪声估计又是语音增强的一个非常重要的部分

5、，噪声估计的准确性直接影响到语音增强的效果，因此研究噪声估计算法有很好的实用价值。在这种情况下，必须建立一个语音增强系统，通过对带噪语音进行处理，以消除背景噪声，改善语音质量，提高语音的清晰度、可懂度和自然度，提高语音处理系统的性能；或者将语音增强作为一种预处理手段，以提高语音处理处理系统的抗干扰能力。要实现这些第一个环节就是要利用噪声的特性参数，很好的将噪声估计出来。语音增强算法可从信号输入的通道数上分为单通道的语音增强算法和多通道的语音增强算法。单通道语音系统在实际应用中较为常见，如电话，手机等。这种情况下语音和噪声同时存在一个通道中，语音信息与噪声信息必须从同一个信号中得出。而单

6、通道语音增强是语音增强的基础，单通道语音增强第一个环节就是要利用噪声的特性参数，很好的将噪声估计出来，而在此方法中，噪声源是不可接近的，背景噪声的特性只能从带噪语音中获得。因此，噪声估计的准确性会直接影响最终效果：噪声估计过高，则微弱的语音将被去掉，增强语音会产生的失真；而估计过低，则会有较多的背景残留噪声。因此，对噪声估计方法的研究是非常必要的，在语音算法的前期必需要对噪声进行估计。噪声估计还在语音通讯领域非常重要，同时在统计学、图像处理、军事等方面也起着非常重要的作用.50由于噪声的统计特性比语音的统计特性更平稳，所以噪声估计在统计学中也很有研究意义。可见，噪声估计在很多领域起着非

7、常重要的作用，那么噪声估计算法作为研究课题是非常有意义的。1.2国内外研究的现状有关抗噪声技术的研究，在国内外作为非常重要的研究课题，已经作了大量的研究工作，取得了丰富的研究成果。而噪声估计是语音增强中非常重要的一个部分，在这方面的研究，国外比较多一些，以下介绍几种经典的噪声估计算法。传统的噪声估计方法是使用语音活动性监测(VAD:VoiceActiveDetection)判别语音是否出现，并分离出无声段,此时无声段主要表现为噪声特性,然后在无