改进TF-GSC和改进后置滤波语音增强算法

由于声学环境中噪声的复杂性和不确定性,传统的多通道语音增强算法对于噪声的抑制效果不足,从而导致了较差的听觉体验。针对这一问题,提出了一种改进TF-GSC和改进后置滤波语音增强算法。算法使用最大似然法得到目标语音信号和噪声信号的功率谱密度,然后使用信号功率谱密度比值得到的变步长归一化最小均方算法来改进TF-GSC。还提出了联合信号功率谱密度比值和先验信噪比估计语音存在概率的改进最优修正对数幅度谱估计器。不同信噪比环境下的仿真实验表明,本文提出的算法可以有效地滤除相干噪声和非相干噪声,与其他算法相比,增强后的语音信号具有更高的信噪比和语音质量。

改进NMF单通道语音增强算法

针对语音与噪声在频带内存在高度重叠而使传统方法性能下降的问题,提出了一种单麦克风信道的改进NMF语音增强算法,算法在传统非负矩阵分解方法计算的用于增强的语音和噪声的基矩阵基础上,通过对数谱估计方法对时频谱图中的语音存在概率进行估计,以此对NMF识别基进行自适应补偿,从而提高识别基语音增强性能,然后通过残差消除进一步提高语音质量,实验结果表明,与传统的基于单通道的NMF方法相比,文中算法获得了更好的语音增强性能。

基于MCRA和OM-LSA的语音增强算法

本文介绍了一种结合最小值控制的递归平均(MCRA)噪声谱估计和最优改进对数幅度谱估计(OM-LSA)的语音增强算法。MCRA对于噪声的估计是无偏的,对输入信噪比和加性噪声具有鲁棒性,计算效率高,并且能够快速跟踪噪声谱。而OM-LSA既可保留语音周期成分,又可避免音乐噪声残留,两个算法相结合可以实现最优滤波,取得较好的噪声抑制效果。