基于高斯粒子滤波的语音增强方法

基于高斯粒子滤波的语音增强方法

ID:5334564

大小:358.46 KB

页数:5页

时间:2017-12-08

基于高斯粒子滤波的语音增强方法_第1页
基于高斯粒子滤波的语音增强方法_第2页
基于高斯粒子滤波的语音增强方法_第3页
基于高斯粒子滤波的语音增强方法_第4页
基于高斯粒子滤波的语音增强方法_第5页
资源描述:

《基于高斯粒子滤波的语音增强方法》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23卷第3期江苏科技大学学报(自然科学版)Vol.23No.32009年6月JournalofJiangsuUniversityofScienceandTechnology(NaturalScienceEdition)Jun.2009基于高斯粒子滤波的语音增强方法王敏,张冰(江苏科技大学电子信息学院,江苏镇江212003)摘要:在分析语音信号的时变自回归模型的基础上,采用了一种新的滤波器即高斯粒子滤波器,该滤波器是基于粒子滤波方法得到一高斯分布来近似估计未知状态变量的后验分布,在符合高斯假设和一定粒子数的情况下,可以获得近似最优解,并用它来解决TVAR模

2、型的语音信号增强问题.仿真结果表明,高斯粒子滤波器具有较强的估计TVAR模型参数的能力,降低了算法的计算量.采用高斯粒子滤波增强方法处理过的语音,信噪比明显提高,改善了语音增强系统的性能.关键词:语音增强;时变自回归模型;粒子滤波器;高斯粒子滤波器中图分类号:TN912文献标志码:A文章编号:1673-4807(2009)03-0248-05GaussianparticlefilterforspeechenhancementWangMin,ZhangBing(SchoolofElectronicsandInformation,JiangsuUniversi

3、tyofScienceandTechnology,ZhenjiangJiangsu212003,China)Abstract:Byexploringthetime2varyingautoregressivemodels,anewGaussianparticlefilterwasintroducedtosolvespeechenhancementbasedonthetime2varyingautoregressivemodels.AsingleGaussiandistributionwasobtainedtoapproximatetheposteriordi

4、stributionofstateparametersusingparticlefilter.GPFwasasymptoticallyoptimalwiththeGaussianassumptionandacertainnumberofparticles.SimulationresultsshowthatGaussianparticlefilterenhancementmethodnotonlyhaslowcomputationalcomplexity,butalsoimprovesobviouslysignal2to2noiseratioandthequ

5、alityofspeech.Keywords:speechenhancement;time2varyingautoregressivemodels;particlefilter;Gaussianparticlefilter语音增强是语音信号处理中一个重要的研究归模型的语音信号的增强问题.领域,其目的是从各种背景噪声中尽可能提取出纯1语音信号的TVAR模型净语音,该技术已广泛应用于无线电话、电话会议、[1-3]场景录音和军事窃听等领域.语音增强有很多TVAR模型可以认为是普通AR模型的扩展,[10]手段,目前主要研究热点是利用语音状态空间模型即其参数变成时变

6、.因此,语音的TVAR模型可[4]增强语音,如自回归(Autoregressive,AR)模型、以更有效地描述语音信号的非平稳特性.语音信号[5]隐马尔可夫模型法、时变自回归(Time2varingxt和带噪的观测信号zt的TVAR模型如下[6]pAutoregssive,TVAR)模型法等.Txt=∑ai,t-1xt-i+et=at-1xt-1:t-p+et(1)近几年来,随着计算机能力的超指数增长以及i=1zt=xt+vt(2)应用统计学、概率论等一些学科的不断进步,粒子T滤波器的有效性开始在目标跟踪、数字通信等领域式中,at=(a1,t,a2,t,⋯

7、,ap,t)为t时刻p维的AR2[7-8]系数矢量;et和vt为高斯白噪声,方差分别为σe和得到了广泛的应用.本文基于语音信号统计特t2性的时变性,在分析语音信号时变自回归TVAR模σvt也是时变的.这样可以得到xt的条件概率密度型的基础上,应用一种较新的滤波器即高斯粒子滤为2T2波器(GaussianParticleFilter,GPF)[9]来近似估计p(xt

8、xt-1:t-p,at-1,σe)=N(xt;at-1xt-1:t-p,σe)tt未知状态变量的后验分布,并用它来解决时变自回(3)收稿日期:2008-08-24作者简介:王敏(1974—),女

9、,重庆人,讲师,研究方向为智能信息处理,自动控制.E2mail:w

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。