【文章內(nèi)容簡介】 幀進行消噪時，減去噪聲估值的倍數(shù)，可很好地相對突出語音功率譜。改進形式是對公式(27)的修正 (210) 式(210)中引入了、兩個參數(shù)，、時是基本的譜減法。調(diào)節(jié)參數(shù)可以控制去噪的程度，增大能減少剩余的噪聲，減弱音樂噪聲。調(diào)節(jié)也可得到類似的結(jié)果。因此選擇適當(dāng)?shù)?、參?shù)可以比較好的去除音樂噪聲，得到更好的增強效果。 維納濾波法維納濾波法是基于時域上的最小均方誤差準(zhǔn)則的，可以有效地消除音樂噪聲。維納濾波法是通過估計噪聲和帶噪語音信號的功率譜，構(gòu)造傳遞函數(shù)（一般是根據(jù)最小均方誤差準(zhǔn)則的準(zhǔn)則來迭代估計得到的），然后從帶噪語音信號功率譜中計算純凈語音信號的功率譜，再利用帶噪語音信號的相位，恢復(fù)增強后的語音信號。維納濾波的降噪效果比譜減法好。維納濾波的基本思想是：依據(jù)輸入信號和期望得到的輸出信號，找到一個線性濾波器進行濾波，得到的信號能夠達到濾波后信號和期望信號的差平方的最小期望值，即時域上的最小均方差[28]。維納濾波的框圖如圖 22 所示 。 圖22 維納濾波流程圖是脈沖響應(yīng)，是噪聲信號，是語音信號，是輸出信號。維納濾波法最關(guān)鍵的就是要求出在最小均方誤差下濾波器的單位脈沖相應(yīng)或傳遞函數(shù)。 自適應(yīng)對消語音增強 自適應(yīng)濾波法，就是帶自適應(yīng)濾波器的噪聲對消法。與以上兩種方法相比，因為此方法用了參考噪聲作為輔助輸入，可以獲得比較全面的噪聲信息，尤其當(dāng)輔助輸入的噪聲與帶噪語音的噪聲相關(guān)時，語音增強的效果較好。所謂噪聲對消，就是用對消的方法抑制確知的隨機干擾，把受污染的語音信號提取出來，也即從帶噪語音信號中減去噪聲。自適應(yīng)濾波能在輸入信號和噪聲統(tǒng)計未知情況下，通過調(diào)整自身參數(shù)達到最佳的濾波效果。因此自適應(yīng)噪聲對消的關(guān)鍵是找到噪聲的準(zhǔn)確復(fù)制，采用雙麥克風(fēng)語音采集系統(tǒng)可以比較容易的解決這一問題。 基于聽覺掩蔽效應(yīng)的語音增強 近幾年，基于聽覺特性的語音增強研究取得了的不小的發(fā)展[28]，其中比較成功的就是基于聽覺掩蔽效應(yīng)的語音增強。一種頻率的聲音被另一種頻率的聲音所掩蓋，而使聽覺系統(tǒng)很難感知的現(xiàn)象稱為聽覺掩蔽效應(yīng)。噪聲信號之所以能影響到人耳對純凈語音信號的感知，其本質(zhì)就是因為噪音信號在一定程度上掩蔽了純凈語音信號。基于此的語音增強，就是指消弱或去除噪音對語音信號的掩蔽。同樣可以認為是，語音信號掩蔽掉與其一同進入聽覺系統(tǒng)的含有較小能量的噪聲信號，使人耳不能感知到噪聲。聽覺掩蔽效應(yīng)主要分為純音間的掩蔽和噪音對純音的掩蔽。噪聲是由很多種純音組成的，有寬頻譜。純音間的掩蔽是指，對中等強度的純音最有效地掩蔽是表現(xiàn)在其頻率附近，高頻的純音能有效地被低頻的純音掩蔽，而高頻純音對低頻純音的掩蔽較小。噪音對純音的掩蔽：一是掩蔽音為寬帶噪聲，則在低頻段產(chǎn)生掩蔽門限，且高于噪聲功率譜密度 17dB 比較平坦；二是掩蔽音為窄帶噪聲，這種情況較復(fù)雜，掩蔽作用比較明顯的是臨界頻帶的掩蔽，也就是被掩蔽音（純音）附近的由純音分量組成的窄帶噪聲。 由以上所述可知，掩蔽效應(yīng)與頻率有直接的關(guān)系，因此要應(yīng)用掩蔽效應(yīng)就要對信號頻段進行劃分。一般情況下，在 Bark 域?qū)? ~ 8kHz頻率范圍劃分為 8 個頻段。在利用聽覺掩蔽效應(yīng)之前要先計算掩蔽閾值[29]，文獻[30]給出了計算各個關(guān)鍵頻段掩蔽閾值的基于 Bark 子域的算法。基于聽覺掩蔽效應(yīng)的語音增強，主要有兩種思想：一種是改進譜減法，利用估計到的掩蔽閾值來控制譜減法公式中的參數(shù)，達到在低信噪比時，改善抑制噪聲的效果；在高信噪比時，降低有用語音信號的丟失。第二種是對噪聲的直接掩蔽，也是估計掩蔽閾值，然后建立一個原則，使殘留噪聲的能量低于這個門限?；诼犛X掩蔽效應(yīng)的語音增強不僅能夠提高信噪比，還能抑制殘留的音樂噪聲，并提高語音的可懂度。但有一個缺點，這種方法建立在具有較高語音知識的基礎(chǔ)上，且要進行大量實驗才能得到合適的參數(shù)。 基于神經(jīng)網(wǎng)絡(luò)的語音信號增強 人工神經(jīng)網(wǎng)絡(luò)[35] (ANN，即 Artifical Neural Network)，也稱為神經(jīng)網(wǎng)絡(luò)，是一種模仿人腦神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)技術(shù)具有良好的非線性信息處理能力、自適應(yīng)學(xué)習(xí)能力和并行處理能力，由大量的人工神經(jīng)元聯(lián)結(jié)進行計算，多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變其內(nèi)部結(jié)構(gòu)，是一種非線性自適應(yīng)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)改善其內(nèi)部表示，使神經(jīng)網(wǎng)絡(luò)達到所需的性能。學(xué)習(xí)的實質(zhì)是通過訓(xùn)練樣本反復(fù)作用于網(wǎng)絡(luò)，然后通過一定的學(xué)習(xí)算法自動的校正網(wǎng)絡(luò)神經(jīng)元之間的連接權(quán)重，當(dāng)實際的輸出滿足要求或趨于穩(wěn)定時，停止學(xué)習(xí)。根據(jù)不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)采用不同的學(xué)習(xí)算法。對于三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，一般采用反向傳播算法，即 BP 算法[9]。近幾年，選用四層神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)的研究比較多，也提出了一些新的算法[10]。 語音質(zhì)量的評價標(biāo)準(zhǔn) 主觀評價由于語音通信的終端是人耳，所以聽者的主觀感受是一個重要的評價指標(biāo)，主要由實際測聽來完成，有平均意見得分(MOS 得分, Mean Opinion Score)和判斷韻字測試等標(biāo)準(zhǔn)。(1) MOS 得分是對眾多聽者在聽音實驗后對語音質(zhì)量的主觀評價取平均得到的。 如果還原出的語音信號和原始語音信號幾乎一致，只有很少的細節(jié)差異，在不進行對照的情況下察覺不出，則認為質(zhì)量為優(yōu)；若還原出的語音信號沒有明顯的畸變或失真，不注意聽就察覺不出，則認為質(zhì)量為良；若還原出的語音信號有比較明顯的畸變或失真，但聽起來仍自然、清晰，沒有疲勞感，則認為質(zhì)量為中；若還原出的語音信號有明顯的畸變或失真，聽起來不很清晰，略有疲勞感，則認為質(zhì)量為差；若還原出的語音信號聽不清，在聽覺上無法忍受，則認為質(zhì)量為劣。(2) 判斷韻字測試 判斷韻字的測試方法是根據(jù)全體受試者判斷正確的百分比(即 DRT 得分)來區(qū)分語音清晰度的，它能在一定程度上反應(yīng)出語音的清晰度和可懂度。DRT 在 95％以上時可認為清晰度為優(yōu)，在 85％~94％時認為清晰度為良，在 75％～84％時認為清晰度為中，在 65％～75％時認為清晰度為差，65％以下則認為清晰度為劣。 客觀評價 語音質(zhì)量的客觀評價是以語音信號處理系統(tǒng)的輸出與輸入之間誤差的大小為標(biāo)準(zhǔn)來判斷的，目前常用的標(biāo)準(zhǔn)主要有：信噪比(SNR)、分段信噪比(SEGSNR)、噪聲掩蔽比(NMR)和坂倉距離度量(Itakura Distance Measure)等。 本章小結(jié) 本章在上一章分析的語音和噪聲特性的基礎(chǔ)上，主要介紹了幾種常用語音增強方法：譜減法及改進形式、維納濾波法、自適應(yīng)對消語音增強、基于聽覺掩蔽效應(yīng)的語音增強和基于神經(jīng)網(wǎng)絡(luò)的語音增強。譜減法是最簡單的語音增強方法，計算量小，應(yīng)用范圍比較廣，但有音樂噪聲；維納濾波法要求語音信號是平穩(wěn)信號，增強后的殘留噪聲類似白噪聲，沒有音樂噪聲；自適應(yīng)對消法在強噪聲背景下有很好的消噪效果，但也會殘留音樂噪聲；基于聽覺掩蔽效應(yīng)的語音增強，增強效果好，但要求有較高的語音知識，并進行大量實驗確定參數(shù)；基于神經(jīng)網(wǎng)絡(luò)的語音增強，良好的學(xué)習(xí)能力、自適應(yīng)能力和并行處理能力，但是依賴于干擾噪聲和參考噪聲。第 3 章 小波變換的基本理論小波變換是近二十年來信號處理方面研究的熱點，基于小波變換的的分析方法是一種新的時頻的分析方法。小波變換是一種時間尺度分析方法，具有多分辨率分析的特點、時頻局部變換的特點和能夠靈活的選擇小波函數(shù)。為解決瞬間信號、寬帶噪聲信號、非平穩(wěn)信號等提供了很好的解決方法。 小波分析的時頻局域化分析方法就是在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分則恰恰相反。它是在傅里葉變換的基礎(chǔ)上發(fā)展而來的，但兩者又有很大的不同：傅里葉變換是從整體上對信號進行分析，用單一的時域或頻域來表示信號的特征；而小波分析具有良好的多分辨率分析特性和時頻局部化特性，可用時域和頻域相聯(lián)合的方法來表示信號的特征，實現(xiàn)函數(shù)或信號的多尺度細化分析，解決了許多傅里葉變換不能解決的難題。 小波變換分類 小波分析誕生于二十世紀八十年代，是一門新的極具生命力的的學(xué)科，含有豐富的數(shù)學(xué)知識，在很多領(lǐng)域得到了廣泛的應(yīng)用。 設(shè)函數(shù),是可測平方可積的一維函數(shù)空間，為母小波，也稱為小波基，若母小波的傅里葉變換滿足容許性條件[13] （31）若對母小波進行進行伸縮、平移后得到小波序列。若此小波序列為 （32）式中 ——尺度因子； ——平移因子。(1) 連續(xù)小波變換函數(shù)的連續(xù)小波變換為： （33）不難發(fā)現(xiàn)，連續(xù)小波變換具有兩個重要的性質(zhì)：線性和平移不變性。(2) 離散小波變換考慮母小波是容許的，現(xiàn)在限制參數(shù) a 、b取離散值，得到相應(yīng)的離散族 （34）則函數(shù)離散小波變換為 （35）離散小波變換具有線性，但是不具有平移不變特性。(3) 二進小波變換對于離散小波變換，如果平移因子保持連續(xù)變化，而對尺度因子進行二進制離散，則函數(shù)的二進制小波變換為 （36）若使二進制小波變換的逆變換存在，需滿足二進小波的穩(wěn)定性條件 （37）式中和都為正常數(shù)，并且。最穩(wěn)定條件是：。所有滿足以上穩(wěn)定性條件的稱為二進小波。二進小波變換的逆變換為 （38）二進小波變換是介于連續(xù)小波變換和離散小波變換的，因此二進小波變換不僅具有離散小波變換的優(yōu)點，并具有時移不變性，且小波基存在冗余，因此去噪效果比較好，所以二進小波變換在實際中應(yīng)用廣泛。 多分辨率分析 小波的多分辨率分析(Mutliresolution Analysis),又稱為多尺度分析[36],是建立在函數(shù)空間概念上的理論基礎(chǔ)上。(Mallat算法)。它能夠避免a值較大時,釆樣密度就更大的缺陷,這一算法在小波分析中起著相當(dāng)重要的作用。 多分辨率分析只是對小波變換的低頻部分作進一步的分解，高頻部分則不考慮。多分辨率分析的定義：令,為空間中的一個閉子空間序列，若滿足以下性質(zhì):(1) 逼近性：, (2) 伸縮性：, 對 (3) 一致單調(diào)性：， 對(4) 平移不變性：， 對，(5) Riesz基存在性：存在函數(shù)，使構(gòu)成的Riesz基。即對任意，存在唯一的序列，使得 （39）多分辨率分析只對低頻部分進行分解，高頻部分不予考慮。 常用小波函數(shù) 小波函數(shù)具有不唯一性，即具有多樣性，這是小波分析和標(biāo)準(zhǔn)的傅立葉變換之間的不同所在。不同的小波基具有不同的時頻特性，對于某一個確定的信號，用不同的小波基進行分析得到的結(jié)果可能會截然不同，這就是最優(yōu)小波基選擇所帶來的結(jié)果。在一般情況下，小波基的選取是根據(jù)信號時頻特性，用經(jīng)驗或者是大量的實驗來選取小波基，然后以小波分析方法的結(jié)果和理論上應(yīng)有的結(jié)果兩者之間誤差的大小來判定小波基選取的好壞。在語音編碼、語音增強及圖像消噪等小波實際應(yīng)用中，主要是利用小波基能夠使用非常少的一些小波系數(shù)去完美的最佳逼近實際中的信號。 本章小結(jié) 本章主要闡述了小波變換的基礎(chǔ)，闡明了小波變換具有時頻局部化的特點，在處理一些非平穩(wěn)信號上有一定的優(yōu)勢。第 4 章 基于小波變換的語音增強 小波變換語音增強的基本原理 基于小波變換的語音增強方法的基本思想是：帶噪語音信號經(jīng)小波變換后分解為具有時頻特性的小波系數(shù)，然后選擇合適的閾值，經(jīng)過閾值處理后消除背景噪聲，最后再經(jīng)過小波逆變換對得到的新小波系數(shù)進行重構(gòu)來得到去噪的語音信號。這種語音增強方法可以很好地去除帶噪語音中的加性噪聲。 小波變換的語音增強是基于信號和噪聲小波的系數(shù)在不同尺度上具有不同的特征這一原理的。小波變換語音閾值去噪的基本原理[11]是：語音信號的能量主要集中在小波分解系數(shù)的低頻段，并且幅值較大；而噪聲能量則主要集中在高頻段，并且幅值比較小?；诖丝梢哉J為幅值比較大的小波系數(shù)一般以信號為主，幅值比較小的小波系數(shù)一般以噪聲為主。于是采用閾值處理的方法可以把信號系數(shù)保留，而使大部分噪聲系數(shù)減少為零。然后用處理后得到的小波系數(shù)恢復(fù)語音信號。圖 41 顯示了小波語音增強的這一基本原理。 圖 41 小波語音增強原理圖基于小波閾值去噪的原理如圖 42 所示。圖 42 中的是經(jīng)過閾值處理后的小波系數(shù)，是由小波系數(shù)重構(gòu)后的近似語音信號。 圖 42 小波閾值去噪原理圖 設(shè)帶噪語音信號為，原始語音信號，噪聲信號為，則有 （41）然后對連續(xù)的語音信號進行二進小波變換 （42）式中， 是帶噪語音信號的采樣信號， 是采樣點數(shù)， 是小波系數(shù)。 記為。本文主要研究小波閾值去噪。小波閾值去噪的基本步驟是[38]： (1) 對帶噪語音信號進行小波分解。首先選擇合適的小波基和最佳分解層數(shù)，然后進行小波分解，得到小波系數(shù)。 (2) 對小波系數(shù)進行閾值化處理。重要的是閾值函數(shù)確定和閾值的估計。 (3) 將處理后的小波系數(shù)進行小波重構(gòu)，得到增強的信號。 在小波閾值去噪的過程中，涉及幾個重要的部分： (1) 小波基的選擇； (2) 小波分解層數(shù)的確定； (3) 小波閾值的估計； (4) 小波閾值函數(shù)的選取。 本章著重對以上四部分進行了研究。 小波函數(shù)和分解層數(shù)的選擇 小波基選取由于不同的小波函數(shù)在分析同一個問題時會有不同的結(jié)果，所以在進行小波分解之前一