基于子带粒子滤波的一种语音增强方法

《基于子带粒子滤波的一种语音增强方法》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、第27卷第4期通信学报Vol.27No.42006年4月JournalonCommunicationsApril2006基于子带粒子滤波的一种语音增强方法金乃高,殷福亮,王冬霞,陈喆（大连理工大学电子与信息工程学院，辽宁大连116024）摘要：结合多采样率系统理论中的子带技术与贝叶斯估计理论中的粒子滤波技术，提出了一种基于子带粒子滤波的语音增强方法。该方法首先将语音信号分解成子带信号，建立各子带信号的低阶时变AR模型；然后利用R-B粒子滤波估计时变AR模型参数，对子带信号进行滤波处理；最后根据滤

2、波后的子带信号重构语音信号，实现语音增强。该方法通过子带分解降低了R-B粒子滤波中采样空间的维数，在降低计算量的同时，提高了语音增强系统的性能。计算机仿真结果验证了该方法的有效性。关键词：语音增强；R-B粒子滤波；子带分解；余弦调制滤波器组中图分类号：TN911文献标识码：A文章编号：1000-436X(2006)04-0023-06SubbandparticlefilteringforspeechenhancementJINNai-gao,YINFu-liang,WANGDong-xia,CH

3、ENZhe(SchoolofElectronicandInformationEngineering,DalianUniversityofTechnology,Dalian116024,China)Abstract:Rao-Blackwellisedparticlefilteringprovidedaneffectivesolutionforspeechenhancement.Anovelmethodwasproposedforspeechenhancementbasedonrao-blackwe

4、llisedparticlefiltersandsubbanddecomposition.Inrao-blackwellisedparticlefilters,thedimensionofsamplingspacewasreducedbysubbanddecomposition.Subbandspeechsignalswereobtainedbysubbanddecomposition,thenmodeledaslow-ordertime-varyingARprocesses.Rao-black

5、wellisedparticlefilterswereappliedtoestimatetheparametersofARmodelandfilterthesubbandspeechsig-nals.Theenhancedfullbandspeechsignalswerefinallyreconstructedbysynthesizingtheenhancedsubbandspeechsig-nals.Simulationresultsshowthattheproposedmethodnoton

6、lyhaslowercomputationalcomplexity,butalsogivesbet-terspeechenhancementperformance.Keywords:speechenhancement;rao-blackwellisedparticlefilter;subbanddecomposition;cosinemodulatedfilterbanks语音识别系统、说话人识别系统中也存在背景噪声1引言干扰问题。因此，需要对带噪语音进行语音增强，语音增强是语音信号处理中一个重

7、要的研究领以改进语音质量，提高识别系统的识别率。域，其目的是从各种背景噪声中尽可能提取出纯净多年来，国内外学者对语音增强进行了深入的语音。语音增强在语音通信与语音识别等领域具有研究，提出了一些有效的算法。根据是否利用语音广泛的应用前景。例如在语音通信中，语音信号不生成模型信息，语音增强方法可分为基于短时谱幅可避免要受到来自背景噪声、传输信道噪声以及通度(STSA)的非参数方法和基于语音生成模型的参信设备内部噪声的干扰，导致通话质量下降。另外，数化方法两大类。本文主要研究基于语音生成模型收稿日期：

8、2005-09-23；修回日期：2006-01-06基金项目：国家自然科学基金资助项目（60372082，60172073）FoundationItem:TheNationalNaturalScienceFoundationofChina(60372082,60172073)·24·通信学报第27卷[1]的参数化语音增强方法。Lim与Oppenheim提出其中，ain,为时变AR模型系数，un与vn均是零均一种基于全极点模型的迭代维纳滤波器语音增强值、单位方差的高斯白噪声；σ2与σ2分别为激励u