基于计算听觉场景分析的改进清音分离方法

基于计算听觉场景分析(CASA)的单通道语音分离方法在浊音分离领域已发展得较为成熟,然而由于清音信号具有较小的能量且不包含周期性基音特征,因此清音分离具有较大的困难。根据噪声信号分布的不确定性和不稳定性,提出了基于CASA和谱减的改进清音分离方法。改进方法在剔除了浊音块后,通过基于距离加权的残余噪声估计算法得到每个清音单元中所包含的噪声能量,对每个清音单元进行谱减算法并标记,进一步剔除残余噪声单元,提取出清音信号。实验结果证明:与传统清音分离方法相比,改进方法对时变性残余噪声能量的估计结果更加精确,更能提高清音分离的有效性。

基于CASA和谱减法的清音分离改进算法

现有的基于计算听觉场景分析(CASA)的单通道语音盲信号分离算法大多集中在对浊音分离的研究,对清音分离的研究甚少。针对清音分离的问题,对传统的基于CASA和谱减法的清音分离算法进行改进,改进算法通过估计语音onset/offset判别出可能存在清音的时频块,并利用相邻时频单元能量具有连续性的原理,对相应的时频块中每一时频单元分别进行噪声能量估计,使噪声能量估计更加精准。仿真实验结果表明,改进算法比传统算法运算量更小,对清音分离的有效性更高。

Bark子带小波包自适应阈值语音去噪方法

为了克服低信噪比输入下,语音增强造成清音弱分量损失,导致信号重构失真的问题,提出了一种新的语音增强方法。该方法采用小波包拟合语音感知模型的临界带,按子带能量对语音清浊音分离,然后对清音和浊音信号分别作8层和4层小波包分解,在阈值计算上采用Bark子带小波包自适应节点阈值算法,在Bark子带实时跟踪噪声水平,有效保护清音中高频弱分量,减少失真。通过与传统语音增强方法的仿真对比实验,证实该方法在低信噪比输入时,具有明显优势,输出信噪比高,语音失真度低。将该方法与谱减法相结合,进行语音二次增强,能进一步提比输入时,具有明显优势,输高增强语音质量。

基于小波变换的语音增强和噪声消除的研究

介绍了在小波领域中去除叠加在信号上的噪声的一种方法 .采用门限法把噪声语音的小波系数中的噪声成份滤掉 .