基于双向搜索方法的最小值控制递归平均语音增强算法

《基于双向搜索方法的最小值控制递归平均语音增强算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第35卷第1期2010年1月声学报ACTAACUSTICAV01．35，No．1Jan．，2010基于双向搜索方法的最小值控制递归平均语音增强算法冰曾毓敏王鹏(南京师范大学物理科学与技术学院南京210097)2008年9月5日收到2009年6月10日定稿摘要语音增强效果的提高，有赖于对噪声的准确估计和对噪声变化的及时跟踪与更新。为了提高对非平稳噪声的估计和更新能力，本文基于“改进的最小值控制递归平均”(IMCRA)算法，提出了噪声谱最小值双向搜索的改进算法．该算法结合前向搜索和后向搜索谱最小值方法的特点，有效提高噪声估计的准确性、减小非平稳噪声跟踪的延迟。实验仿真表明

2、：在非平稳噪声环境和低信噪比条件的语音信号增强处理中，本文提出的改进算法非常有效，与IMCRA算法相比，它可以获得更好的分段信噪比的提高。PACS数：43．60，43．72SpeechenhancementapproachbasedonminimacontrolledrecursiveaveragingalgorithmusingbidirectionalsearchingmethodZENGYuminWANGPeng(Schoolo／PhysicsandTechnology，NanjingNormalUniversityNanjing210097)ReceivedSept．

3、5，2008RevisedJun．10，2009AbstractAmodifiedalgorithm，inwhichthebidirectionalsearchingmethodisusedtodeterminetheminimaofthenoisepowerspectrum，isproposedbasedontheimprovedminimacontrolledrecursiveaveraging(IMCRA)algorithm．Intheproposedalgorithm，bothminima,trackingmethodsofforwardsearchingandbac

4、kwardsearchingareutilizedtogether．Andtheadvantagesofthetwosearchingmethodsarecombinedtoincreasetheaccuracyofnoiseestimatorandreducethedelayofthenoiseminimatracking．ThesimulatedexperimentsindicatethatinnonstationarynoiseenvironmentsandunderlowerSNRconditions，theproposedapproachisveryeffectiv

5、e．Inparticular，comparedtoIMCRA，itobtainsahi曲erimprovementinthesegmentalSNR．引言单通道语音增强算法中一种经典而有效的方法是基于短时谱幅度估计(STSA：shcIn—TimeSpectralAmpfitude)的谱减方法(ss：SpectralSubtraction)[1I。谱减法实现的前提是对背景噪声的准确估计，但传统的谱减法由于其语音局部平稳性的假设与实际情，Ic江苏省普通高校自然科学研究计划资助项目(07KJD510110)况并不相符，因而往往会严重地损坏语音，产生很大的残留噪声(也称为“音乐噪声”

6、)．为了减小音乐噪声，人们提出了很多方法【2—91。Ephraim等【2】将最小均方误差估计引入到减谱法中，部分解决了音乐噪声问题，但是在信噪比较低时(小于0dB)，背景噪声、音乐噪声和语音失真都很大；Lockwood等【3J提出了非线性谱减法(NSS：NonlinearSpectralSub-traction)，它根据语音信号的信噪比自适应调整语音万方数据82声学报2010年增强的增益函数，提高了语音的信噪比，但以信噪比作为调整估计参数的依据并不能正确反映信号的听觉质量；很多人[4-6】将人耳的掩蔽特性应用到非线性谱减法语音增强算法中，部分解决了谱减法残留音乐噪声大的问题，

7、但在信噪比较低或非平稳噪声的情况下，其增强效果也还是不理想。近年来还有许多研究人员[7-9】采用不同的语音和噪声分布模型来进行分析处理，取得了一定的效果。事实上，许多实际的噪声往往是不平稳的，在语音存在期间噪声也可能发生变化，要想取得好的语音增强效果，就必须及时估计并更新噪声功率，随时跟踪噪声的变化。比较理想的方法是根据噪声的短时平稳特性，逐帧逐点地估计出噪声。Martin[10】提出了基于最优平滑和最小统计的噪声估计算法。它是依据含噪语音能量可以衰减到噪声能量级别的思想，噪声功率估计可以通过对平滑后的