【正文】 main by first applying a window w(n) to M samples of y(n) and then puting the Mpoint FFT of the windowed signal. (1)Where λ indicates the frame index and k the frequency bin index varient from k = 0, 1, 2 ... M1. Y(λ, k) is the short term Fourier Transform (STFT) of y(n). Periodogram of the noisy speech is approximately equal to the sum of periodogram of clean speech and noise given as| Y (λ, k) |178。 fluctuates very rapidly over time, hence 1st under recursive version of periodogram can be used asP (λ, k) = α P (λ – 1, k) + (1α) |Y (λ, k) |178。. We can obtain an estimate of the power spectrum of the noise by tracking the minimum of P(λ,k).Our finite window smoothing constant α chosen experimentally not too low or too high. There are two main issues with the spectral minimal – tracking approach the existence of a bias in the noise estimate and the possible overestimate of the noise level because of inappropriate choice of the smoothing constant. More accurate noise estimation algorithm can be developed by deriving a bias factor to pensate for the lower noise values and by incorporating a smoothing constant that is not fixed but varies with time and frequency. The noise estimation algorithm using MS is summarized as below [12]. For each frame λ do following steps1. Compute the shortterm periodogram |Y(λ, k)|178。 + |D(λ, k) |178。 speech coding184。（3）噪聲估計(jì)算法的研究是為了應(yīng)用于語音增強(qiáng)，因此，對語音增強(qiáng)的研究也需要進(jìn)一步關(guān)注，同時，幾乎所有的語音增強(qiáng)技術(shù)都是采用的帶噪語音的相位信息，而低信噪比情況下，相位信息對語音感知有重要作用，因此有必要在以后的工作中研究噪聲中估計(jì)相位的算法。本文從語音活動檢測和不需要進(jìn)行語音檢測的連續(xù)自適應(yīng)噪聲估計(jì)算法入手，VAD方法雖然有易于實(shí)現(xiàn),但是對非平穩(wěn)噪聲的跟蹤力度不夠而直接導(dǎo)致增強(qiáng)算法無法及時更新噪聲特性,同時在經(jīng)典算法的基礎(chǔ)上，研究了一種快速有效的噪聲估計(jì)方法。(圖中橫坐標(biāo)表示時間，縱坐標(biāo)表示功率譜，實(shí)線表示真實(shí)的噪聲譜，虛線表示估計(jì)的噪聲譜)其仿真結(jié)果如下圖所示:圖45 真實(shí)噪聲譜和IMCRA算法估計(jì)的噪聲譜(5dB高斯白噪聲)圖46 真實(shí)噪聲譜和IMCRA算法估計(jì)的噪聲譜 (信噪比從10dB突變?yōu)?dB)從圖中可以看出本文研究的噪聲估計(jì)算法具有較好的噪聲跟蹤能力，在語音存在的條件下能保持對噪聲的更新。通過對帶噪語音信號功率譜進(jìn)行一階遞歸平滑得到噪聲功譜[8]: (436)其中，既(七，f)為受語音存在概率p(k，z)控制的自適應(yīng)平滑因子。 估計(jì)語音存在的概率用帶噪語音功率譜和其局部最小值的比率來計(jì)算語音存在概率，如下式表示： (432)計(jì)算出的概率和經(jīng)驗(yàn)頻率值δ 比較，如果大于δ 判斷為語音存在頻帶，否則判斷為語音盲點(diǎn)。在一給定幀的某個子帶中語音是否存在的概率可以由帶噪語音的局部能量值與其待定時間窗內(nèi)的最小值的比值決定，把該比值與某一門限做比較，小的比值意味著該子帶中不存在語音，反之，意味著該子帶內(nèi)存在語音。然后根據(jù)式(422)來更新語音存在概率。圖(43)是帶噪語音的功率譜和其局部最小值。在本文中,我們介紹一種改進(jìn)的算法:基于統(tǒng)計(jì)信息的非平穩(wěn)噪聲自適應(yīng)算法 (1)不需要明確的語音活性檢測(VAD)來更新噪聲參數(shù)的估計(jì)。而且該算法可能會偶爾削弱低能量音素，時間太長，但如果減小窗口的長度，跟蹤到的頻譜最小值不夠準(zhǔn)確，這樣會導(dǎo)致語音信號的失真，特別是語音的持續(xù)時間超過窗口長度時。所以只要計(jì)算在=1時的均值和方差就足夠了。因此，對原有的噪聲估計(jì)還需要一個隨時間變化的平滑系數(shù)α 、一個偏差補(bǔ)償系數(shù)與加速跟蹤方法。仿真結(jié)果表明:最小值跟蹤法對平穩(wěn)噪聲的估計(jì)是比較準(zhǔn)確的,但是非平穩(wěn)噪聲就表現(xiàn)的不好了,而基于統(tǒng)計(jì)信息的非平穩(wěn)噪聲自適應(yīng)算法在非平穩(wěn)噪聲環(huán)境中也表現(xiàn)的很好,能夠比較準(zhǔn)確的跟蹤上噪聲的突變。語音結(jié)束點(diǎn)S2 的檢測方法與檢測起點(diǎn)相同，從后向前搜索，找出第一個平均能量幅度高于EL、且其前向幀的平均能量或幅度在超出EU 前沒有下降到EL 以下的幀號，記為N2，隨后根據(jù)過零率向N2+25 幀搜索，若有3 幀以上的ZZT，則將結(jié)束點(diǎn)N2 定為滿足ZZT的最后的幀號即Ne，否則即以N2 作為結(jié)束點(diǎn)。然后令： (36) (37)在本次設(shè)計(jì)中用前10 幀的平均值來代替最小值EMIN 最后按下式計(jì)算出EL 和EU： (38) (39)接下來就可以用過零率閾值Z 及能量閾值EL 和EU 來進(jìn)行起止點(diǎn)的判別。所以，有了經(jīng)典的端點(diǎn)檢測方法——Lawrennce Rabiner[24]提出的以過零率Z 和能量E 為特征進(jìn)行端點(diǎn)檢測。對于采樣率為s F 、頻率為的正弦波數(shù)字信號，平均每個樣本的過零率為s 2F / F 0 。 基于語音活動性檢測的噪聲估計(jì)算法 短時能量語音信號和噪聲信號的區(qū)別可以體現(xiàn)在他們的能量上，對于一列疊加有噪聲干擾的語音信號而言，其語音段的能量是噪聲段能量疊加語音聲波能量之和。盡管該方法在噪聲為平穩(wěn)的情況下是可行的，但是在實(shí)際的噪聲環(huán)境中噪聲譜的特性變化很大，就很難達(dá)到好的降噪效果。在一給定幀的某個子帶中語音是否存在的概率可以由帶噪語音的局部能量值與其待定時間窗內(nèi)的最小值的比值決定，把該比值與某一門限做比較，小的比值意味著該子帶中不存在語音，反之，意味著該子帶內(nèi)存在語音。自適應(yīng)連續(xù)的噪聲估計(jì)算法，省去了對語音端點(diǎn)的檢測，對非平穩(wěn)噪聲也有較好的適應(yīng)性，即使在有語音存在的情況下，也能夠?qū)崿F(xiàn)噪聲的連續(xù)估計(jì)和不斷更新。在以后的噪聲估計(jì)算法的研究中要進(jìn)一步完善噪聲功率譜的估計(jì)算法，進(jìn)一步將噪聲估計(jì)方法和其他方法相結(jié)合，爭取得到更加精確的噪聲估計(jì)。第二章 幾種經(jīng)典的噪聲估計(jì)的算法。通過對基于最小統(tǒng)計(jì)量的噪聲估計(jì)方法和改進(jìn)的最小統(tǒng)計(jì)量控制遞歸平均噪聲估計(jì)算法研究發(fā)現(xiàn)這些噪聲估計(jì)方法可以在語音存在段進(jìn)行噪聲估計(jì)，能夠有效地跟蹤非平穩(wěn)噪聲。Cohen提出的噪聲估計(jì)算法不直接依賴于最小統(tǒng)計(jì)量,而依賴于最小值的跟蹤算法，具有較好的魯棒性。此算法的基本思路是先用一個最優(yōu)平滑濾波對帶噪語音的功率譜濾波，得到一個噪聲的粗略估計(jì)。而噪聲估計(jì)是語音增強(qiáng)中非常重要的一個部分，在這方面的研究，國外比較多一些，以下介紹幾種經(jīng)典的噪聲估計(jì)算法。單通道語音系統(tǒng)在實(shí)際應(yīng)用中較為常見，如電話，手機(jī)等。由于環(huán)境噪聲的污染會使許多語音處理系統(tǒng)的性能急劇惡化，嚴(yán)重時使語音處理系統(tǒng)不能正常工作,因此在上述情況下，背景噪聲的存在不僅嚴(yán)重破壞了語音信號原有的模型參數(shù)和聲學(xué)特性，導(dǎo)致許多語音處理系統(tǒng)服務(wù)質(zhì)量的降低，而且會影響系統(tǒng)輸出語音的可懂程度，使聽眾產(chǎn)生聽覺疲勞。然而,語音增強(qiáng)技術(shù)作為一種預(yù)處理技術(shù)，是消除這些噪聲干擾的一個最重要的手段，它通過對帶噪語音進(jìn)行處理來改善語音質(zhì)量，使人們易于接受或提高語音處理系統(tǒng)的性能。因此，噪聲估計(jì)的準(zhǔn)確性會直接影響最終效果：噪聲估計(jì)過高，則微弱的語音將被去掉，增強(qiáng)語音會產(chǎn)生的失真；而估計(jì)過低，則會有較多的背景殘留噪聲。因此，為了實(shí)現(xiàn)精確的噪聲估計(jì)，就要對噪聲譜進(jìn)行實(shí)時的估計(jì)。但這種算法容易將語音電平的增長當(dāng)作噪聲電平的增長。2004年Rangachari 和Loizou提出了一種快速估計(jì)方法，不僅使得帶噪語音子帶中語音出現(xiàn)概率計(jì)算更準(zhǔn)確，而且噪聲譜的更新在連續(xù)時間內(nèi)不依賴固定時間的窗長，但是在語音或噪聲能量過高時噪聲的估計(jì)就會慢下來， 時，就會削弱一些語音能量。而且，在巴克域進(jìn)行噪聲估計(jì)更符合人耳聽覺特性，增強(qiáng)語音具有更好的質(zhì)量。通過基于語音活動性檢測的噪聲估計(jì)算法，對能量和最小過零率的語音端點(diǎn)進(jìn)行檢測，仿真結(jié)果得出，我們需要魯棒性更強(qiáng)的算法，即使在有語音存在的情況下，也能夠?qū)崿F(xiàn)噪聲的連續(xù)估計(jì)和不斷更新。而且,為了能更快的跟蹤并更新局部最小值和頻譜最小值，把滑動窗口分為子窗口，在每個子窗口內(nèi)更新噪聲的估計(jì)譜，提高了精確度。這種方法是在噪聲估計(jì)窗內(nèi)搜索最小值作為噪聲估計(jì)量,而且此算法對窗長的選擇比較敏感,當(dāng)窗長比較長時，對非平穩(wěn)噪聲的跟蹤速度慢，而且容易出現(xiàn)噪聲低估；當(dāng)窗長比較短時，比較容易出現(xiàn)將語音的低能量成分當(dāng)作噪聲。為了進(jìn)一步提高算法性能，本文研究了一種改進(jìn)的最小統(tǒng)計(jì)量控制遞歸平均算法。而且在低信噪比下，VAD 的誤檢率會增大，在不能正確判斷出有聲/無聲段的情況下，估計(jì)出來的噪聲很難保證準(zhǔn)確性。這就是僅僅基于短時能量的端點(diǎn)檢測方法。由上面定義出發(fā)，計(jì)算過零率容易受低頻干擾，所以需要對上述定義做一點(diǎn)修改，設(shè)置一個門限T，將過零率的含義修改為跨過正負(fù)門限。通常是利用過零率來檢測清音，用短時能量來檢測濁音，兩者配合實(shí)現(xiàn)可靠的語音端點(diǎn)檢測。但若后續(xù)n幀的平均能量或幅度尚未超過EU 而能量又降到EL 之下，則該幀不能作為初始起點(diǎn)S1，然后繼續(xù)尋找下一個平均能量或幅度超過EU 的幀，若后續(xù)n 幀的平均能量或幅度超過EU，則將此幀計(jì)為S1，該幀就可以作為根據(jù)能量信號找到的語音的起點(diǎn)。語音和噪聲都是以8KHz 采樣，16bit 量化，wav 格式存儲，并通過Matlab 按一定線形比例混合成不同信噪比的帶噪語音。為了將信號轉(zhuǎn)化到頻域，將信號分成長度為L 個采樣點(diǎn)的幀信號，幀間重疊為R 點(diǎn)。為了提高在非穩(wěn)定的噪聲環(huán)境中的平滑效果。另外，噪聲估計(jì)是通過最小值來搜索，然后再對其進(jìn)行修正，所以算法比較簡單。如果噪聲功率譜估計(jì)太低,那么所殘留的噪聲干擾將會被聽得到。 非平穩(wěn)噪聲自適應(yīng)算法設(shè)觀察到的帶噪語音為: (417)其中,s(t)是純凈語音,n(t)是加性噪聲。原因是:在語音盲點(diǎn)時刻,帶噪語音功率譜接近于其局部最小值,因此,在(312)式中比率越小,處于語音間隙的可能性就越大。圖44描繪了真實(shí)的噪聲功率譜和用我們的算法所估計(jì)出來的噪聲功率譜,噪聲是由白噪聲和F16戰(zhàn)斗機(jī)噪聲組合而成,Fs=8k,信噪比SNR=5dB。Mcaulay提出語音存在和語音缺失的兩態(tài)假設(shè)模型[28] (425)其中，(1)式代表語音缺失,(2)式代表語音存在,Y(λ, k)，S(λ, k)和N(λ, k)分別代表帶噪語音、純凈語音和噪聲的短時傅立葉變換后的幅度， 和分別代表語音缺失和語音存在概率假設(shè)。δ 取值5，I (λ , k)是上式中的指標(biāo)函數(shù)。設(shè)為時域平滑參數(shù)，6(f)為長度為2w+1的歸一化窗，取為W=1的漢寧窗，則平滑過程為： (439) (440)對平滑輸出信號s(k，l)進(jìn)行最小值搜索。該算法可以廣泛地應(yīng)用于語音增強(qiáng)系統(tǒng)，能夠有效地提高信噪比，抑制音樂噪聲。該算法可以廣泛地應(yīng)用于語音增強(qiáng)系統(tǒng)，能夠有效地提高信噪比，并且能夠有效地抑制音樂噪聲。從畢業(yè)論文的選題、研究到撰寫、修改，再到最終的完成，整個過程賈老師都耐心指導(dǎo)，使我能夠從中不斷的學(xué)習(xí)和提高。 reverberation and speech from other speakers. Therefore the degraded speech ponents need to be processed for the enhancement. Speech enhancement algorithms improve the quality and intelligibility of speech by reducing or eliminating the noise ponent from the speech signals. Improving quality and intelligibility of speech signals reduce listener’s fatigue, improve the performance of hearing aids184。 is the periodogram of clean speed signal and |D(λ, k) |17