基于粒子滤波器的语音增强

《基于粒子滤波器的语音增强》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、论文题目：基于粒子滤波器的语音增强作者姓名：韭匾专业名称：值曼皇垡皇丝堡指导教师：赵埴题论文提交日期：论文答辩日期：授予学位日期：入学时间：2Q曼Q生2且研究方向：塑鲎适童丝塑职称：副塾援2Q曼兰生量旦2Q曼兰生鱼旦ANDPREDICTIoNoFTHEⅥ，ALTER．RESISTINGFLOORADissertationsubmittedinfulfillmentoftherequirementsofthedegreeofMASTEROFPHILOSOPHYfromShandongUniversityofScienceandTechnologybyZhangLiSuperv

2、isor：ProfessorZhaoZengshunCollegeofInformationandElectricalEngineeringMay2013声明本人呈交给山东科技大学的这篇硕士学位论文，除了所列参考文献和世所公认的文献外，全部是本人在导师指导下的研究成果。该论文资料尚没有呈交于其它任何学术机关作鉴定。AFFIRMATION硕士生签名：毳欠丽日期：≥所≥oG．／2Ideclarethatthisdissertation，submittedinfulfillmentoftherequirementsfortheawardofMasterofPhilosophyin

3、ShandongUniversityofScienceandTechnologY,iswhollymyownworkunlessreferencedofacknowledge·Thedocumenthasnotbeensubmittedforqualificationatanyotheracademlcinstitute．Date：砂l：》．o‘、／2山东科技大学硕士学位论文摘要在我们生活的环境中，到处可以发现噪声，这些噪声或强或弱，时时刻刻影响我们的生活。其中就语音通信来讲，语音增强技术是近年来研究的热点之一。被噪声污染的语音信号改变了最初的特征，在严重情况下将导致语音处

4、理系统不能正常工作。为了提高语音通信质量，学者对语音增强技术的研究遍布与很多领域中：比如：语音合成、识别系统等。在语音增强算法中，一般用到隐马尔科夫原理、卡尔曼滤波、维纳滤波等等。其中粒子滤波是语音增强算法中重要的算法之一。在语音信号处理方法中通过抑制背景噪声，实现语音去噪。对处理过的含噪语音来说，清晰度明显提高，通话质量明显改善。本论文研究的是基于粒子滤波器的语音增强算法，通过算法对含噪语音实现去噪，并显示良好效果。其中，重点讨论的算法是基本粒子滤波器，无迹粒子滤波器，并分别对两种算法实现语音的去噪。主要内容如下：(1)简单的研究了各种语音增强方法，主要分为两种，一种是基

5、于语音生成模型参数的增强算法(如自适应语音增强算法、短时谱估计增强算法等)；另一种是非基于语音生成模型参数的增强算法。并详尽探讨了贝叶斯滤波和卡尔曼滤波的原理。(2)通过讨论模型和粒子滤波器滤波原理的基础上，探讨了粒子滤波器对TVAR模型参数的实时追踪，以保证跟踪模型的稳定性。对于基于粒子滤波的语音增强算法中，通过对语音信号进行处理，信噪比明显提高，听觉效果得到很大的改善。(3)在上述工作的基础上，引入无迹卡尔曼滤波算法，进而通过无迹粒子滤波算法，实现语音更好的去噪效果。并且通过仿真可以明显看出去噪的效果。关键词：语音增强，卡尔曼滤波，基本粒子滤波器，无迹粒子滤波，时变自回

6、归模型山东科技大学硕士学位论文AbstractIntheenvironment，wecanfoundthenoiseeverywhere，whichisstrongorweak，andthenoisealwaysaffectourlives．Inthespeechcommunication，speechenhancementtechnologyisoneofthehotspotsinrecentyears．Thespeechsignalpollutedbynoiseenvironmentalchangesitsinitialcharacteristics．Insomesev

7、erecases，thespeechprocessingsystemisnotworkingproperly．Inordertoimprovethequalityofspeechcommunication，speechenhancementtechnologyresearchareallwalksofourlife，Forexample：speechSynthesisandrecognitionsystem．wegenerallyusedHiddenMarkovprinciple，Kalmanfiltering，W