【正文】 of the noisy speech frame.2. Compute the smoothing parameter α (λ, k) using equation.3. Compute the smoothed power spectrum P (λ, k) using equation( 3).4. Compute Bias connection factor βmin (λ, k)5. Search for the minimum psd Pmin (λ, k) over a D Frame window. Update the minimum Whenever V (V D) frames are processed6. Compute α update the noise power spectral density (psd) according to equation?d178。 of the noisy speech over a fixed window length. The periodogram |Y(λ, k)|178。 (2)Where |Y(λ, k)|178。 videoconferencing184。 cell phones184。其次，感謝跟我相處四年的同學(xué)和朋友，在我困難的時(shí)候給予我的鼓勵(lì)和幫助。參考文獻(xiàn)[1] 張雄偉，陳亮，楊吉斌．現(xiàn)代語(yǔ)音處理技術(shù)及應(yīng)用[M]．北京：機(jī)械工業(yè)出版社，2003：412．[2] 趙立．語(yǔ)音信號(hào)處理[M]．北京：機(jī)械工業(yè)出版社，2003：510．[3] R. Martin. Spectral subtraction based on minimum statistics[C], Seventh EuropeanSignal Processing Conference, 1994, 9(5):11821185.[4] 張雪英，張剛，馬建芬，語(yǔ)音處理與編碼[M]，北京，兵器工業(yè)出版社，2000.[5] , B. Berdugo. Noise estimation by minima controlled recursive averaging for robust speech enhancement [J], IEEE Signal Proc. Letters, 2002, 9(1):1215.[6] 王華奎，張立毅，數(shù)字信號(hào)處理理論及應(yīng)用[M]，太原，太原理工大學(xué)出版社，2005，[7] 姜琳峰，石鴻凌，孫洪，基于最優(yōu)平滑和統(tǒng)計(jì)最小的語(yǔ)音增強(qiáng)[J]，武漢大學(xué)學(xué)報(bào)（理學(xué)版），2004,50(1)，[8] 陳照平，馬建芬，張雪英，一種基于快速噪聲估計(jì)的MMSE語(yǔ)音增強(qiáng)算法[J]，計(jì)算機(jī)工程與應(yīng)用，2007，(22)，[9] 張波，曹志剛，低信噪比條件下的一種自適應(yīng)有聲/無(wú)聲判決算法[J]，信號(hào)處理，1996，12(3) ，[10] 楊行峻，遲惠生等．語(yǔ)音信號(hào)數(shù)字處理[M]．北京：電子工業(yè)出版社，1995：1622．[11] 焦人杰，侯麗敏．一種快速自適應(yīng)噪聲譜估計(jì)方法[J]．聲學(xué)技術(shù)，2007，26(4)：735740．[12] 胡航．語(yǔ)音信號(hào)處理[M]．哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2002：2029．[13] 易克初，田斌，付強(qiáng)．語(yǔ)音信號(hào)處理[M]．北京：國(guó)防工業(yè)出版社，2000：2230．[14] 韓紀(jì)慶，張磊等．語(yǔ)音信號(hào)處理[M]．北京：清華大學(xué)出版社，2004：3041．[15] 韓韜．基于強(qiáng)背景噪聲下的語(yǔ)音端點(diǎn)檢測(cè)算法與實(shí)現(xiàn)[D]．長(zhǎng)沙：湖南大學(xué)，2007．[16] 金學(xué)驥．語(yǔ)音增強(qiáng)算法的研究與實(shí)現(xiàn)[D]．杭州：浙江大學(xué)，2005．[18] 周為，邱秀清，朱敬鋒等．一種基于噪聲快速跟蹤的語(yǔ)音增強(qiáng)算法[J]．電聲技術(shù)，2007，31(11)：5560．[19] 楊海．感知語(yǔ)音質(zhì)量評(píng)價(jià)PESQ及其在通信系統(tǒng)中的應(yīng)用[J]．江西通信科技，2004，2004(2)：3647．[20] 朱健華，語(yǔ)音增強(qiáng)方法的研究[D]，大連，大連理工大學(xué)，2002[21] 胡航．語(yǔ)音信號(hào)處理[M]．哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2002：2029．[22] 王永紅，周德新，熊軍．譜減法技術(shù)中“音樂(lè)噪聲”的抑制[J]．桂林電子工業(yè)學(xué)院學(xué)報(bào)，1998，18(1)：3842．致 謝時(shí)光流逝,短短四年的大學(xué)生活即將結(jié)束，在論文即將完成之際,感慨頗多。 目前存在的問(wèn)題及今后的發(fā)展方向由于本人所學(xué)有限，本論文提出的改進(jìn)和想法是一些很基礎(chǔ)的，還不全面，需要進(jìn)一步的探索和完善。本文主要研究了: Martin 提出的基于最小值跟蹤和最小統(tǒng)計(jì)的噪聲估計(jì)算法，Cohen 等提出的最小值遞歸平均算法，并對(duì)這些算法進(jìn)行了仿真實(shí)驗(yàn)和分析。它廣泛地應(yīng)用于語(yǔ)音通信的背景噪聲抑制、語(yǔ)音壓縮編碼和語(yǔ)音識(shí)別的前端預(yù)處理中。其噪聲跟蹤能力與IMCRA算法相當(dāng)。設(shè) ,和為判決門限，根據(jù)和進(jìn)行語(yǔ)音存在概率硬判決: (443)根據(jù)語(yǔ)音存在概率硬判決去除強(qiáng)語(yǔ)音成分后，進(jìn)行第二次平滑和最小值跟蹤。設(shè)為語(yǔ)音無(wú)聲段的固定平滑因子，則可以表示為： (437)假定X(k，l)和D(k，l)均滿足復(fù)高斯分布，則在噪聲功率譜給定條件下語(yǔ)音存在概率p(k，l)由下式給出： (438)設(shè)為后驗(yàn)信噪比, 為先驗(yàn)信噪比，可以采用判決反饋的方法獲得，為語(yǔ)音存在時(shí)干凈語(yǔ)音信號(hào)功率譜,為先驗(yàn)語(yǔ)音不存在概率，受語(yǔ)音最小統(tǒng)計(jì)量控制，通過(guò)兩次平滑和最小統(tǒng)計(jì)量跟蹤實(shí)現(xiàn)。如下式： (435)其中, 一種改進(jìn)的最小統(tǒng)計(jì)量控制遞歸平均噪聲估計(jì)算法 改進(jìn)的噪聲估計(jì)算法 設(shè)x(n)和d(，1)分別表示干凈語(yǔ)音信號(hào)和加性噪聲信號(hào)，則帶噪語(yǔ)音信號(hào)y(n)=x(n)+d(n)。之所以這樣判斷是因?yàn)椋涸谡Z(yǔ)音盲點(diǎn)時(shí)刻，帶噪語(yǔ)音功率譜接近于其局部最小值，因此，在上式中比率越小，處于語(yǔ)音間隙的可能性就越大。 為了達(dá)到上式的噪聲估計(jì)，首先對(duì)輸入的每一幀信號(hào)用下式進(jìn)行頻域平滑： (427)其中，b(i)為加權(quán)系數(shù)，Y(λ, k)是第λ 幀的第k 個(gè)頻率點(diǎn)的幅度，2w +1是進(jìn)行頻域平滑的相鄰頻點(diǎn)數(shù)。如果給定幀的某個(gè)子帶中存在語(yǔ)音，那么該子帶內(nèi)的噪聲譜等于上一幀的噪聲譜，如果不存在，則根據(jù)帶噪語(yǔ)音的功率譜更新噪聲譜。可以看出在大約100幀處,噪聲功率突升,估計(jì)噪聲功率也即刻突升,表明算法能夠即刻跟蹤噪聲的變化。再根據(jù)式(423)來(lái)更新時(shí)頻平滑參數(shù)。從上式的判斷規(guī)則,用下式來(lái)更新語(yǔ)音存在概率: (422)其中, 。噪聲是由白噪聲和F16戰(zhàn)斗機(jī)噪聲組合而成,信噪比SNR=5dB 。(1) 跟蹤帶噪語(yǔ)音最小值在以前的算法中(如martin的最小值跟蹤法),通過(guò)一個(gè)固定的窗長(zhǎng)去跟蹤帶噪語(yǔ)音功率譜的最小值。(2)利用幀間相關(guān)性估計(jì)純凈語(yǔ)音存在概率。最簡(jiǎn)單的方法就是在純凈語(yǔ)音的間隙去估計(jì)和更新噪聲功率譜,例如,語(yǔ)音活性(VAD)算法,盡管這種方法在平穩(wěn)噪聲中(如白噪聲),可能表現(xiàn)的較好,但是在大多數(shù)的實(shí)際環(huán)境中表現(xiàn)的就沒(méi)那么好了,因?yàn)樵谶@樣的環(huán)境中噪聲是時(shí)變的。雖然此局限能夠得以克服，但是代價(jià)卻是很高的計(jì)算復(fù)雜度。圖中橫坐標(biāo)是時(shí)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。我們定義符號(hào): (49) (410)M(D)和H(D)都是關(guān)于D的系數(shù)函數(shù)，其中D取96，M(96)=，D(96)=。因?yàn)殡S機(jī)變量的最小值總會(huì)小于平均值，所以用最小功率譜密度值的估計(jì)存在著偏差，要得到平均值就要對(duì)最小功率譜密度進(jìn)行偏差修正。為了簡(jiǎn)化計(jì)算，假設(shè)信號(hào)處于無(wú)聲狀態(tài)。上述估計(jì)還很粗糙，為了進(jìn)一步提高估計(jì)的準(zhǔn)確性還要考慮以下問(wèn)題：第一，固定的α 值將不適應(yīng)有聲/無(wú)聲的變化與噪聲的變化。 最小值統(tǒng)計(jì)法 最優(yōu)平滑設(shè)帶噪語(yǔ)音信號(hào)為y(t)，它由純凈語(yǔ)音和噪聲組成，即y(t) = s(t) + n(t)，這里t代表采樣的時(shí)間標(biāo)號(hào)。為了驗(yàn)證其魯棒性，利用了Matlab 給以上信號(hào)添加信噪比5db 的高斯白噪聲，采用同樣的算法，其仿真結(jié)果如下圖所示：圖34 加入高斯白噪聲的語(yǔ)音波形圖圖35 加入高斯白噪聲的能量曲線圖圖36 加入高斯白噪聲的短時(shí)過(guò)零率曲線圖由以上圖中可看出，在較強(qiáng)背景噪聲的環(huán)境下，上述算法的準(zhǔn)確性急劇下降，已經(jīng)不能準(zhǔn)確的檢測(cè)出信號(hào)的端點(diǎn)了。 實(shí)驗(yàn)仿真下面是以一段語(yǔ)音為例，進(jìn)行語(yǔ)音端點(diǎn)檢測(cè)的Matlab 仿真。這是由于語(yǔ)音的起始段往往存在著能量很弱的清輔音（如[f]，[s]等），僅依靠能量很難把它們和無(wú)聲區(qū)分開。先根據(jù)EL，EU 計(jì)算出初始起點(diǎn)S1。這樣就可以用該語(yǔ)音信號(hào)的最初幾幀（一般取10 幀）信號(hào)作為背景噪聲的統(tǒng)計(jì)樣本來(lái)計(jì)算其過(guò)零率閾值ZT 及能量閾值EL（低能量閾）和EU（高能量閾）。這種方法也常稱為雙門限比較法。即使存在較小的隨機(jī)噪聲，只要它不使信號(hào)越過(guò)正負(fù)門限所構(gòu)成的帶，就不會(huì)產(chǎn)生虛假的過(guò)零率。過(guò)零率有兩個(gè)重要應(yīng)用：第一，用于粗略地描述信號(hào)的頻譜特性。短時(shí)能量主要有下面幾個(gè)應(yīng)用：首先利用短時(shí)能量可以區(qū)分清音和濁音，因?yàn)闈嵋舻哪芰恳惹逡舻哪芰看蟮枚?；其次可以用短時(shí)能量對(duì)有聲和無(wú)聲段進(jìn)行判斷。因此，語(yǔ)音段的能量一般要大于噪聲段的能量。近年來(lái)，人們提出了一種自適應(yīng)連續(xù)噪聲譜估計(jì)方法，它是一種專門用語(yǔ)單聲道語(yǔ)音增強(qiáng)系統(tǒng)的噪聲估計(jì)。從實(shí)用性、易實(shí)現(xiàn)性等方面考慮，很多算法都是建立在相對(duì)理想的實(shí)驗(yàn)室條件下的，要求背景噪聲保持平穩(wěn)，信噪比較高，而且需要一定的訓(xùn)練算法以預(yù)先得到背景噪聲及語(yǔ)音的統(tǒng)計(jì)信息。與Cohen提出的IMCRA算法相比，本文采用的是一種快速有效的最小統(tǒng)計(jì)量跟蹤算法，在IMCRA算法的基礎(chǔ)上，利用其對(duì)語(yǔ)音最小統(tǒng)計(jì)量估計(jì)的魯棒性，采用了一種簡(jiǎn)單有效的最小統(tǒng)計(jì)量估計(jì)算法，在保證噪聲估計(jì)準(zhǔn)確性的同時(shí)，減小了算法的復(fù)雜度。如果給定幀的某個(gè)子帶中存在語(yǔ)音，那么該子帶內(nèi)的噪聲譜等于上一幀的噪聲譜，如果不存在，則根據(jù)帶噪語(yǔ)音的功率譜更新噪聲譜。仿真結(jié)果表明:最小值統(tǒng)計(jì)跟蹤法對(duì)平穩(wěn)噪聲噪聲的估計(jì)是比較準(zhǔn)確的,但是對(duì)非平穩(wěn)噪聲就表現(xiàn)的不好了。 噪聲估計(jì)算法Martin提出的基于最小統(tǒng)計(jì)量的噪聲估計(jì)算法的基本思路是先用一個(gè)最優(yōu)平滑濾波對(duì)帶噪語(yǔ)音的功率譜濾波，得到一個(gè)噪聲的粗略估計(jì)。采用遞歸平均進(jìn)行噪聲估計(jì)，平滑參數(shù)受語(yǔ)音存在概率控制，并由最小統(tǒng)計(jì)量控制語(yǔ)音存在概率。2 幾種經(jīng)典的噪聲估計(jì)的算法 幾種噪聲估計(jì)算法的優(yōu)點(diǎn)(1) Martin提出的基于最小統(tǒng)計(jì)量的噪聲估計(jì)算法，是先用一個(gè)最優(yōu)平滑濾波對(duì)帶噪語(yǔ)音的功率譜濾波，得到一個(gè)噪聲的粗略估計(jì)。首先研究了最小值統(tǒng)計(jì)跟蹤法通過(guò)仿真得出此算法不能快速跟蹤真實(shí)噪聲的變化，并研究了基于統(tǒng)計(jì)信息的非平穩(wěn)噪聲自適應(yīng)算法，但它的計(jì)算很復(fù)雜。Martin的最小統(tǒng)計(jì)量的估計(jì)算法, Cohen和Berdugo提出的基于最小統(tǒng)計(jì)量控制遞歸平均算法,通過(guò)比較最終提出改進(jìn)的最小統(tǒng)計(jì)量控制遞歸平均算法，仿真結(jié)果表明，這種方法在非平穩(wěn)噪聲條件下，也具有較好的噪聲跟蹤能力和較小的噪聲估計(jì)誤差，可以有效地提高語(yǔ)音增強(qiáng)系統(tǒng)的性能。本文重點(diǎn)就是在前人研究的基礎(chǔ)上，跟蹤國(guó)內(nèi)外最新資料，研究了一種新的噪聲估計(jì)算法，使延遲時(shí)間能夠縮短，最好沒(méi)有延遲。但是，這些算法在各個(gè)頻帶進(jìn)行噪聲估計(jì)，算法復(fù)雜度高，噪聲估計(jì)方差大。2009年余力, 陳穎琪提出了一種基于DCT變換的自適應(yīng)噪聲估計(jì)算法，采用DCT系數(shù)作為塊均勻度的度量，較好地適應(yīng)了高低噪聲的情況,算法復(fù)雜度不大，能適用于各種實(shí)時(shí)圖像視頻處理系統(tǒng)。雖然比起Martin的最小值統(tǒng)計(jì)跟蹤算法效果要好的多，但無(wú)法完全避免在噪聲上升區(qū)域的噪聲欠估計(jì)及持續(xù)強(qiáng)語(yǔ)音后面區(qū)域出現(xiàn)的噪聲過(guò)估計(jì)的缺陷。2002年Cohen 和Berdugo提出了一種基于最小值控制遞歸平均法的噪聲估計(jì)算法,把最小追蹤法的魯棒性與遞歸平均方法的簡(jiǎn)單性結(jié)合到一起，該算法能夠快速地追蹤突變的噪聲功率譜。然后找出粗略噪聲中的在一定時(shí)間窗內(nèi)的最小值，對(duì)這個(gè)最小值進(jìn)行一些偏差修正，即得到所要估計(jì)的噪聲的方差。 的滑動(dòng)窗口內(nèi)尋找每一頻率帶內(nèi)的頻譜最小值，經(jīng)過(guò)補(bǔ)償后和帶噪語(yǔ)音的功率譜進(jìn)行比較。傳統(tǒng)的噪聲估計(jì)方法是使用語(yǔ)音活動(dòng)性監(jiān)測(cè) ( VAD:Voice Active Detection)判別語(yǔ)音是否出現(xiàn)，并分離出無(wú)聲段,此時(shí)無(wú)聲段主要表現(xiàn)為噪聲特性,然后在無(wú)聲區(qū)通過(guò)某種統(tǒng)計(jì)方法,獲得背景噪聲特性的近似估計(jì),對(duì)噪聲譜進(jìn)行更新。噪聲估計(jì)還在語(yǔ)音通訊領(lǐng)域非常重要，同時(shí)在統(tǒng)計(jì)學(xué)、圖像處理、軍事等方面也起著非常重要的作用. 由于噪聲的統(tǒng)計(jì)特性比語(yǔ)音的統(tǒng)計(jì)特性更平穩(wěn)，所以噪聲估計(jì)在統(tǒng)計(jì)學(xué)中也很有研究意義。這種情況下語(yǔ)音和噪聲同時(shí)存在一個(gè)通道中，語(yǔ)音信息與噪聲信息必須從同一個(gè)信號(hào)中得出。在這種情況下，必須建立一個(gè)語(yǔ)音增強(qiáng)系統(tǒng)，通過(guò)對(duì)帶噪語(yǔ)音進(jìn)行處理，以消除背景噪聲，改善語(yǔ)音質(zhì)量，提高語(yǔ)音的清晰度、可懂度和自然度，提高語(yǔ)音處理系統(tǒng)的性能；或者將語(yǔ)音增強(qiáng)作為一種預(yù)處理手段，以提高語(yǔ)音處理處理系統(tǒng)的抗干擾能力。在視頻信號(hào)中也同樣存在噪聲,很多視頻圖像處理都是在沒(méi)有考慮噪聲情況下得出的，如果存在噪聲就必將會(huì)影響這些算法的有效性。噪聲估計(jì)的算法及MATLAB實(shí)現(xiàn)畢業(yè)設(shè)計(jì)目 錄1 緒 論 1 噪聲估計(jì)算法研究的目的和意義 1 國(guó)內(nèi)外研究的現(xiàn)狀 2 論文的整體安排 32 幾種經(jīng)典的噪聲估計(jì)的算法 4 幾種噪聲估計(jì)算法的優(yōu)點(diǎn) 4 噪聲估計(jì)算法 43 基于語(yǔ)音活動(dòng)性檢測(cè)的噪聲估計(jì)算法及MATLAB實(shí)現(xiàn) 6 基于語(yǔ)音活動(dòng)性檢測(cè)的噪聲估計(jì)算法 6 短時(shí)能量 6 短時(shí)平均過(guò)零率 7 基于短時(shí)能量和短時(shí)平均過(guò)零率的語(yǔ)音活動(dòng)性檢測(cè) 7 實(shí)驗(yàn)仿真 94 最小統(tǒng)計(jì)遞歸平均的噪聲估計(jì)算法及MATLAB仿真 11 最小值統(tǒng)計(jì)法 11 最優(yōu)平滑