谐波重构先验信噪比估计算法

先验信噪比单通道语音增强算法在信噪比较高时能有效地去除噪声,但在信噪比较低时语音高次谐波失真较为严重。针对此提出了一种基于谐波重构的先验信噪比估计算法,对增强后的信号加权求平方,进行功率谱的二次谱处理,以加强语音信号的周期性;再进行谐波重构,提升谐波分量。实验研究表明,该算法在低信噪比时能够有效地增强语音谐波分量,相对于先验信噪比估计的语音增强算法能够改善语音质量,减少语音失真。

基于谐波重构滤波的数字助听器语音增强算法

本文研究了基于先验信噪比估计的维纳滤波增强算法。针对基于先验信噪比估计的维纳滤波算法不能有效提高语音可懂度的缺点,首先,利用基于MMSE的两步先验信噪比估计方法取代原来的"直接判决"法;其次,通过放大负信噪比区域的噪声谱,解决了负信噪比区域增益函数被过高估计带来的语音可懂度降低的问题;最后,针对两步先验信噪比估计引起的畸变问题,在两步先验信噪比估计的基础上提出了谐波重构降噪方法,降低了信号畸变的可能性。实验结果表明,改进的方法能够有效的提高语音可懂度并降低语音信号的畸变。

改进相位补偿结合谐波重构的语音增强方法

为解决传统单声道语音增强方法在对相位处理时存在的不足以及降噪过程中普遍存在的语音失真问题,提出改进相位补偿结合谐波重构的语音增强方法。通过深度学习模型估计先验信噪比并利用先验信噪比对传统相位谱补偿(PSC)函数进行改进,针对在降噪过程中出现的语音失真问题,对增强后的语音通过谐波重构进行二次增强。实验结果表明,改进相位补偿结合谐波重构的语音增强方法较对比方法具有更好的降噪能力,可以有效减少语音失真,提高语音质量。

重构谐波平衡法及其求解复杂非线性问题应用

谐波平衡法是求解非线性动力学系统周期解的最常用方法,但对非线性项进行高阶近似需要庞杂的公式推导,限制了该方法的超高精度解算.通过对频域非线性量的时域等价重构,提出了重构谐波平衡法(RHB法),解决了经典谐波平衡法超高阶次计算难题.然而,上述两种方法均要求动力学系统为多项式型非线性,且无法直接用来求解非线性系统的拟周期解.针对上述问题,文章提出一种将RHB法和复杂非线性系统等价重铸法相结合的计算方法,首先将一般非线性问题无损重铸为多项式型非线性系统,然后用RHB法进行高精度求解;针对拟周期响应求解问题,提出基于“补频”思想的RHB方法,通过基频的优化筛选,实现拟周期响应的快速精准捕捉.选取非线性单摆、相对论谐振子和非线性耦合非对称摆等典型系统进行仿真计算,仿真结果表明,所提出的RHB-重铸法在解非多项式型非线性系统的稳态响应时精度保持为10^(-12)量级,达计算机精度,远超现有方法水平.补频RHB法则实现了对拟周期问题的高效解算,拓宽了方法对真实物理响应的求解范围.

基于对称相关函数法的谐波信号重构

本提出了一种新的噪声抵消方法──对称相关函数法。对它进行了定义，并研究了其性质，且从理论上分析了它抵消平稳随机过程中与信号不相关的加性随机噪声的机理。在此基础上，重构了谐波信号的幅值、相位及频率。计算机仿真结果表明这一方法较为有效：在信噪比不小于－１４ｄＢ时，各参数的相对误差均在５％以内；在－２０ｄＢ时，频率的最大绝对误差仅为０．０６２５Ｈｚ。

色噪声环境中TLS-ESPRIT谐波谱重构语音增强研究

为了提高语音在色噪声环境中的信噪比,提出了一种基于总体最小二乘旋转不变子空间技术(TLS-ESPRIT)谐波谱重构语音增强方法。通过对观察数据矩阵进行奇异值分解,有效地将信号及噪声分开。运用TLS-ESPRIT算法对语音谐波信号进行谱估计,重构语音信号,消除了帧与帧之间的噪声残留,得到了在巴克域上与原始语音几乎相同的语音信号。

基于维纳滤波与理想二值掩蔽的数字助听器语音增强算法

研究了基于先验信噪比估计的维纳滤波增强算法。针对基于先验信噪比估计的维纳滤波法未能有效提高语音可懂度的缺点进行了研究与改进:首先,引入了以MMSE为准则的两步先验信噪比估计取代原“直接判决”法;其次,针对信噪比为负的区域,增益函数误差的过高估计会严重降低语音可懂度的问题对增益函数进行了改进,放大了负信噪比区域的噪声谱,从而降低增益函数被过高估计的可能性;最后,结合理想二值掩蔽的技术,对处理后的语音信号进行后处理。实验结果表明,改进的方法能够有效的提高语音可懂度并降低语音信号的畸变。