基于时间递归平均的语音噪声功率谱估计算法研究

提出一种改进的时间递归平均噪声功率谱估计算法;利用谱熵计算当前语音存在概率并获取平滑系数,采用双平滑系数估计平滑后的当前语音存在概率,最后得到噪声功率谱;该算法采用自适应跟踪可以通过参数及时跟踪噪声变化,使得估计的噪声信号与原噪声信号基本保持一致;实验仿真结果证明该算法估计的噪声明显改善了时间递归平均算法估计滞后的问题,同时该算法的归一化均方误差也低于时间递归平均算法。

智能语音识别系统中噪声估计算法的研究和改进

智能语音识别技术的研究已有较长的时间,但由于语音信号本身所具有的多变性、瞬时性、连续性和动态性的特征,使得机器在不同的环境尤其是噪声环境中进行语音信号的识别仍具有一定的困难.为了提高带噪语音信号识别的准确率,本文研究了一种常用的噪声估计算法,即基于后验信噪比的时间递归平均算法.并在此算法的基础上提出了一种对平滑因子的改进算法,将语音活性检测算法与这两种算法在不同输入信噪比下进行模拟验证.通过运算结果的对比分析可以看出,改进后的算法相比于语音活性检测算法最高可以使输出分段SNR提高2.1 d B,相比于原时间递归平均算法最高可以使输出分段SNR提高0.5 d B,表明低输入SNR下改进后的算法可以有效提高语音信号的质量和可懂度.