Bark-Band Residual Noise Model for Parametric Audio Coding

A Bark-band residual noise model integrated with the human hearing mechanism is proposed to efficiently complement sinusoidal model in parametric audio coding. The time-varying spectrum of the residual noise is retrieved by Bark-scale piecewise constant magnitude estimates along with random phases. In the proposed noise model, Bark bands information is obtained by short-time FFT method and window overlap-add technique is exploited to remove boundary discontinuities. SVQ is also incorporated into parameter quantization process for the low bit-rate coding demand. Simulation results and informal listening tests show that when the sinusoidal model is combined with the Bark-band noise model, better synthesis audio quality can be achieved compared with the original sinusoidal modeling audio codec.

基于频域Bark子带的声源定向方法

传统子带波束扫描方法在处理语音信号时存在定向精度有限、计算复杂度高以及低信噪比情况下算法易失效的问题,因此在充分考虑语音信号频域特性的基础上,提出了一种基于频域Bark子带的波束扫描声源定向方法。该方法建立宽带麦克风阵列信号处理模型,根据人耳耳蜗对声信号的分频特性,利用Bark子带进行非均匀频点选取,并通过Capon平均空间谱搜索来确定声源方向。计算机仿真表明,所提方法相较于传统方法性能更好。

一种基于共振峰提取的多通道响度补偿算法

共振峰是语音信号的一个重要特征,对提高耳聋患者的语言识别率具有重要意义。然而,目前数字助听器领域常用的响度补偿算法(多通道响度补偿和宽动态压缩)均对共振峰结构具有一定的破坏性,对患者听懂语音十分不利。本文结合共振峰检测,提出一种基于共振峰提取的多通道响度补偿算法,在原有多通道响度补偿的基础上,通过对滤波器组的重新设计并加入共振峰提取模块对共振峰予以保护。仿真结果证明,该算法对4类常见患耳均能达到满意的补偿效果,同时,与多通道响度补偿和宽动态压缩两种方法比较,该算法在保护共振峰结构完整性方面性能更优。

一种基于多子带分析的短波通信语音信号增强算法

针对短波通信语音信号中噪声在频域分布的特点,引入了基于数据驱动的噪声估计算法,改进了频点信噪比的计算,提出了基于Bark子带的多种增强算法联合处理的方法。实验结果表明,该算法能有效抑制短波语音信号中的噪声,处理后的语音失真度小,语音自然度较高,避免了残留音乐噪声。

听觉小波包在舰船噪声分解与重构中的应用

舰船噪声的分解和重构对于舰船噪声特征提取与听音分析都具有重要作用。采用多分辨分析理论对噪声进行分解和重构只能对低频进行精细化处理,但对高频却难以达到理想效果。正交小波包分析可以在任何欲处理的频带内进行可允许的任意层次分解,但分解的小波包树的结构难以确定,没有明确的构造导引方法。将Bark频率群的理论引入小波包树结构的选择,提出构造听觉小波包树结构的方法,构建了基于db6小波的采样率为44.1 kHz的听觉小波包。采用该听觉小波包结构对四型舰船噪声信号进行分解、子带加权和重构,频谱分析和听音分析都表明重构噪声特征更加清晰。

基于非平稳噪声估计的改进谱减语音增强算法

传统的谱减法无法有效地抑制实际语音通信中的非平稳噪声,为了进一步提高谱减法的去噪性能,提出了一种改进的噪声估计算法,首先将带噪语音的功率谱按照Bark频率进行子带划分,然后分别在每个子带内利用改进的最小统计量控制递归平均方法跟踪噪声的变化,从而在准确估计非平稳噪声的功率谱的同时减少计算量。将该算法应用到谱减法中,并与传统的增强型谱减法进行对比实验,实验结果表明:改进的谱减法能够更好地去除各种非平稳噪声,而且能够有效抑制"音乐噪声",使得增强后的语音具有更好的音质。

听觉特性和语谱特性在说话人识别中的应用

大多数说话人识别系统当由实验室走向实际应用时,环境噪声的存在会造成其识别性能下降。为了提高噪声环境下说话人识别系统的识别性能,将基于听觉特性和语谱特性的语音增强技术作为预处理器,首先对语音信号进行降噪处理,提高输入信号的信噪比。实验证明,经过降噪处理的语音信号送入说话人识别系统,提高了系统的识别性能。

联合多频带非线性方法的病理嗓音识别研究

文章采用多频带非线性技术,提出了一种病理嗓音识别特征的提取方法。首先采用符合人耳听觉特性的Bark子波滤波器组对语音信号进行滤波,并进行离散余弦变换提取特征,随后再提取各通道内的最大李雅普诺夫指数特征。将特征参数融合成多频带非线性参数后,采用美国MEEI病理嗓音数据库进行识别实验,并选用逻辑回归、多层感知器、支持向量机、随机森林及K最邻近分类器5种典型机器学习方法进行识别。实验结果表明,文中所提出的特征平均识别率达97%,相比梅尔频率倒谱系数、Bark频率倒谱系数、最大李雅普诺夫指数,分别有4%、4%、18%的提高,最高识别率达到99%。

一种基于改进谱减法的电子耳蜗语音增强算法

在背景噪声存在的情况下,电子耳蜗(cochlear implant,CI)的性能会受到严重影响,而传统谱减语音增强算法不能有效去除电子耳蜗中的各种非平稳噪声。为了进一步提高电子耳蜗使用者的听觉感知能力,本文提出了一种改进的谱减算法,其将带噪语音信号的功率谱进行Bark分带,在有声帧的每个子带内按照最小统计量控制递归平均方法进行噪声估计,并自适应地调节谱减参数。将该算法应用到电子耳蜗的前端预处理并仿真电子耳蜗合成声音。结果表明:相比传统的谱减法,该算法能够进一步提高合成语音的清晰度和可懂度。