基于改进谱平滑策略的IMCRA算法及其语音增强

噪声谱估计算法在单通道语音增强方法中起着重要作用,为了改善噪声谱估计算法对噪声的估计和更新能力,结合最小统计(MS)算法,对改进的基于控制的递归平均(IMCRA)噪声谱估计算法的递归平均参数进行改进,并用一阶递归的方式对平滑功率谱的最小值进行改进。采用谱减法对含噪语音信号作去噪处理,从客观和主观两方面对不同算法的性能进行评价,对比分析不同噪声不同信噪比下增强前后语音的分段信噪比(segSNR)、PESQ得分、MOS得分。实验结果表明,提出的方法能够更好地跟踪噪声信号变化,改善语音质量。

一种改进型IMCRA非平稳噪声估计算法

针对IMCRA噪声估计算法时延较大引起的噪声欠估计问题,提出一种改进型IMCRA非平稳噪声估计算法。该算法采用3次谱平滑的方法估计语音存在概率,控制搜索窗长度。在噪声过估计或欠估计的情况下,引入安全机制对噪声估计值进行限制或补偿。实验结果表明,与IMCRA算法相比,改进算法能减小噪声估计的时延,提高噪声估计精度,适用于噪声功率变化范围较大的语音增强。

基于改进最小值搜索的IMCRA噪声估计算法

当噪声水平升高时,现有的噪声估计算法存在跟踪时延和估计不准确的问题,为提高噪声估计的准确性,对改进的最小值控制的递归平均噪声估计算法(improved minima controlled recursive averaging,IMCRA)中的最小值搜索方法进行改进,利用连续最小值跟踪算法取代最小值统计算法,打破求解最小值受窗长影响的现状,减少跟踪时延;提出一种基于语音存在概率的偏差补偿函数模型,偏差补偿的大小由各个频带决定。实验结果表明,不管是平稳还是非平稳噪声环境,改进后的算法都能有效提高增强后语音的质量。

基于大小窗双向并行最小值搜索的IMCRA算法

噪声谱的估计,对于语音增强的性能至关重要。为了在非平稳噪声条件下提高噪声谱估计的准确性、减小噪声跟踪的延迟,文章对"改进的最小值控制递归平均"(IMCRA)算法的最小值搜索进行改进,提出了大小窗双向并行最小值搜索方法。实验仿真表明:在非平稳噪声环境和低信噪比条件下,采用文章算法进行语音增强所得到的语音与采用传统IMCRA算法相比,增强效果得到一定改善。

基于维纳过滤的IMCRA算法

为了改善噪声谱估计算法对噪声的估计能力,提出基于维纳过滤的最小值控制递归平均(improved minimum control recursion average,IMCRA)算法。采用二级过滤技术,第一级利用参变维纳滤波算法过滤带噪语音得到语音频谱的估算值,计算其先验信噪比和后验信噪比,通过维纳滤波传递函数计算输出语音。第二级利用IMCRA算法对语音信号进行噪声估计,使用基本谱减法过滤噪声得到语音信号。对比实验结果表明,该算法提高了噪声的估计能力,同时语音信号的可懂度和清晰度也有所提高。

连续语音识别前端鲁棒性研究

针对大词汇量连续语音识别中识别率不高的问题,提出了将语音增强级联在识别系统前端,在语音增强中将谱减法和对数最小均方误差算法(logmmse)与用于噪声估计的最小控制递归平均算法(imcra)相结合。识别系统使用Mel频率倒谱系数(MFCC)提取特征,用隐马尔科夫模型(HMM)训练与识别。实验结果表明,该方法最高能使单词识别率提高38.9%,使句子正确率提高21.8%。该方法用于大词汇量连续语音识别是可行有效的。

基于功率归一化倒谱的端点检测

传统的端点检测在低信噪比(SNR)非平稳噪声下性能会失效,因此文章提出了将最优改进的对数谱幅度估计(OMLSA)以及最小控制递归平均算法(IMCRA)相结合的方法对包含噪声的语音指令进行去噪处理,提取PNCC的第一维静态特征作为特征参数。同时,文章在单参数双门限法的基础上设计了一个自适应阈值,可以更好地跟踪预测实际语音的起始与终止端。Matlab仿真结果显示,该算法在各种非平稳噪声下比经典算法优势更大。

面向高职教育的CDIO一体化教学实施模式研究

该文针对CDIO工程教育理念适配高职计算机专业教学改革需求,聚焦于CDIO大纲和标准的教学方法探索,对高职教育的教学过程框架、行动学习方法、教学组织形式等方面进行探索,提出一种具有普适性的以WORKSHOP整合IMCRA过程框架和PARR行为学习的CDIO一体化教学实施模式。

有效抑制短波通信噪声的语音增强算法设计

针对短波语音信噪比低、噪声复杂的特点,本文结合最佳调整对数谱幅度(OM-LSA)语音估计、改进型最小控制递归平均(IMCRA)噪声估计和谱熵语音激活检测(VAD)硬判决,提出了一种有效抑制短波通信噪声的语音增强算法。实验结果表明,本算法不仅能有效抑制短波噪声对话音的干扰,而且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。

基于谱减法的语音信号降噪改进算法

语音是人们进行思维沟通交流的主要桥梁,语音通信处理在现实环境下会受到各种各样的干扰,从受干扰的语音中尽可能地去除噪声,提高语音质量,是目前现代信号处理领域中至关重要的技术之一。引入了谱减法降噪模型,并提出了基于统计量控制递归算法（IMCRA）的改进谱减算法用于非平稳噪声环境下的语音降噪。并选用不同的男声和女声语音,录制真实环境下的非平稳噪声,仿真实验表明改进的谱减算法拥有较好的去噪性能,同时大幅提高了信噪比,改善了语音质量。

基于神经网络噪声分类的语音增强算法

传统的语音增强算法由于缺少背景噪声信息,在进行语音处理时对不同的语音信号采取相同的处理方式,因此存在估计噪声不准确、增强语音失真及噪声抑制不明显等问题,最终导致语音的增强效果不明显。在此基础上提出一种根据不同噪声进行参数自适应的语音增强算法,首先,通过神经网络进行精确分类;然后,根据分类结果选取不同参数的IMCRA算法进行噪声估计;最后,采取OMLSA算法对语音信号进行增强。实验结果表明,经噪声分类后的增强算法能够取得更好的增强效果,更多的保留语音信号中的信息,且能够在不降低语音可懂度的同时提高语音的质量。

一种基于χ~2分布的子带噪声估计方法

提出了一种基于χ2分布的子带噪声估计方法。带噪语音信号在临界带进行分解,并且假设子带信号服从χ2分布,然后在各个子带,采用基于χ2分布的改进最小统计量控制递归平均方法进行噪声估计。与传统的改进最小统计量控制递归平均噪声估计相比,该子带噪声估计方法可以利用人耳感知特性,并大大减少计算量。实验结果表明,提出的方法具有较好的噪声跟踪能力和较小的计算需求。采用该噪声估计的语音增强系统具有更强的噪声抑制性能和较好的增强语音信号质量。

上海贝尔2G/3G互操作解决方案

分别从互操作策略选择、有效的无线网络移动性管理功能和优化经验与合理的参数设置等3个方面讨论了如何定位2G/3G网络相互关系,协调互操作,完善用户的移动性,提高设备网络利用率,保证良好的用户体验。并简要介绍了上海贝尔在2G/3G互操作方面的一些想法和建议以及产品功能特点和优势。

基于增益字典查询的语音增强算法

对于基于统计模型的语音增强算法,不同分布模型对应于不同的增益函数,由于语音信号的不确定性,没有一种分布函数能准确对语音和噪声谱的分布建模,因此任何一种固定的统计模型均会存在一定的误差。所以提出一种增益字典查询的语音增强算法,该算法通过采用对数谱失真准则对一个语音噪声库进行增益的训练,得到一个增益的字典,其中输入为先验信噪比和后验信噪比的估计值。最后采用ITU-T P.826PESQ、分段信噪比、总信噪比和对数谱失真对该算法进行了测试,并与基于高斯分布模型、拉普拉斯分布模型的算法进行了对比。实验结果表明,该算法无论在非平稳噪声还是平稳噪声环境下都比其他几种算法增强效果好,且音乐噪声和残留背景噪声也可以得到很好的抑制。

基于多窗谱估计的改进的维纳滤波语音增强算法

针对语音活动检测(VAD)噪声谱估计的算法在现实场景中(噪声谱不断的变化)难以取得理想的效果,很容易对噪声谱的估计偏小或者偏大的问题,本文提出基于改进的最小控制的递归平均算法(The improved minimum control recursion average,简称IMCRA)用来进行的噪声谱估计,与多窗谱的维纳滤波相结合的算法。该算法先将带噪语音进行多窗谱估计,然后用小波阈值技术进一步改进谱估计,从而得到相应频点处的先验信噪比,最后通过计算增益,得出增强的语音信号。通过仿真结果表明:在不同的背景噪声下,本文的算法和使用VAD,MCRA,Martin最小值跟踪作为噪声估算的语音增强算法相比,该算法能获得更好的语音增强信号。