基于改进噪声估计的MMSE-LSA语音增强算法

为解决在非平稳环境下,对数谱最小均方误差估计(MMSE-LSA)算法噪声估计误差较大、语音增强性能受限的问题,提出一种基于改进噪声估计的MMSE-LSA语音增强算法。利用对数能量与谱熵来构建新的语音特征参数能熵比,通过建立能熵比与语音存在概率的正比关系模型,得到语音存在概率估计,再利用平滑后的语音存在概率来更新噪声估计;加入地板阈值来约束MMSE-LSA的谱增益函数,缓解谱增益欠估计引起的语音失真。多种噪声仿真和真实广播信号实验结果表明,算法能较好地跟踪噪声变化,减少语音失真和噪声残留,提高语音信噪比和可懂度。

基于隐马尔科夫模型集成学习的广播关键词检测

由于无线电技术的日益成熟,盗用正常广播频段进行其他活动的非法广播对国民经济和安全造成相当大的危害,因此对非法广播的监测非常重要。本文集成隐马尔科夫模型对广播关键词进行识别,进而监测非法广播。在试验中,首先对采集的非法广播进行人工切割与标定用于训练,然后研究基于集成学习的方法组合多个模型,使用投票规则得到最终结果。将集成学习的PocketSphinx系统与单一模型进行比较,试验结果显示,与单一模型84.8%的识别率相比,集成的PocketSphinx系统识别率达到92%,并且具有更好的稳定性。