語音增強中噪聲估計的研究.pdf

1、語音增強的目的是增強目標語音，或者說是減少噪聲，經(jīng)過多年的研究，人們已經(jīng)提出了很多語音增強算法。而對許多語音增強算法而言，對噪聲的估計都是一個非常關(guān)鍵的環(huán)節(jié)。
　　語音是一種不平穩(wěn)信號，但是具有短時平穩(wěn)性，所以噪聲估計算法普遍通過對帶噪語音信號進行短時分析，采用隨機過程和概率統(tǒng)計等數(shù)學方法對噪聲的功率譜進行估計。本文以單聲道語音增強中的噪聲估計為研究對象，對幾種具有代表性的噪聲估計算法進行了介紹分析及仿真。并且對改進的最小值控制遞

2、歸平均(Improved Minima Controlled Recursive Averaging，IMCRA)算法以及基于最小均方誤差（Minimum Mean Square Error，MMSE）的噪聲估計算法進行了改進。
　　噪聲的非平穩(wěn)性特點決定了噪聲在帶噪語音的有聲段也會發(fā)生變化，因而必須對噪聲的變化做出快速的跟蹤。IMCRA算法在最小值控制遞歸平均(Minima Controlled Recursive Averag

3、ing，MCRA)算法的基礎(chǔ)上采用了兩次平滑和兩次最小值搜索，該算法的最小值搜索采取的是單向搜索，在噪聲功率水平快速上升的情況下，會出現(xiàn)不能及時跟蹤噪聲功率的情況，因而會產(chǎn)生較大的延時。本文對IMCRA算法的最小值搜索方法進行了改進，在第一次最小值搜索時采用前后向搜索的方法得到一個語音存在的粗略判決，第二次最小值搜索時采用大小窗雙向并行搜索，結(jié)合第一次的判決給出最小值搜索結(jié)果。仿真結(jié)果表明改進后的方法減少了噪聲估計的延時，對噪聲的估計效