一种联合广义旁瓣抵消麦克风阵列和MMSE-LSA的语音增强系统

单通道语音增强算法自20世纪60年代以来有了长足的发展,但由于时频域处理的局限性,现有的单通道语音增强算法无法有效抑制背景噪声中的突发噪声成分。突发噪声通常表现为短时、能量强、时频域有纹理特征,在参数上无法和语音进行有效区分。但背景噪声中的突发噪声,在空间上通常具有方向性。因此,提出了一种联合空间和时频域的语音增强系统。即在语音采集的前端使用GSC麦克风阵列形成波束,使主瓣对准期望语音信号、旁瓣对准突发噪声从而从空间上抑制突发噪声,然后对采集到的语音信号进行时频域语音增强处理。选取MMSE-LSA作为时频域的处理算法,因其在保留语音的可懂度、自然度方面有突出的性能。实验表明,该系统可以有效地抑制含有突发噪声的背景噪声。

低信噪比下基于FastIca和MMSE-LSA的语音识别

针对在低信噪比环境下语音识别率较低的问题,提出了一种基于Fastlca和MMSE-LSA相结合的算法.首先,用FastIca对低信噪比语音进行语音提取,再使用MMSE-LSA方法处理得到信噪比改善的语音信号.用0～9十个数字做孤立词语音识别.仿真实验证明,用本算法增强后的语音识别率达到80％以上,可以有效地提高低信噪比环境下语音识别率.

一种基于MMSE-LSA和VAD的语音增强算法

通过介绍语音增强的特点,详细分析了最小均方误差对数谱幅度估计(MMSE-LSA)算法,并提出了与MMSELSA算法相匹配的语音激活检测(VAD)算法。该方案计算简单、易于实现且语音增强效果好,能够动态地跟踪背景噪声的变化。最后通过仿真分析,比较了MMSE-LSA与其它几种语音增强算法的增强效果。

MMSE-LSA语音增强算法的研究及实现

语音增强是解决语音噪声污染的一种有效手段。本文简单介绍了现有的基于语音短时对数谱的最小均方误差(MMSE-LSA)进行估计的语音增强算法。利用帧间平滑定义平滑系数来对先验信噪比进行连续估计,在减少语音失真机会的同时,能够有效地抑制残留噪声。文章还通过MATLAB仿真分析其优劣,并结合算法的优点来达到语音增强的最佳效果,从而提高语音信号的可懂度和识别率。

结合掩蔽特性的LSA-MMSE语音增强方法

基于听觉掩蔽特性,给出了计算噪声被掩蔽概率的方法,用其概率对LSA—MMSE进行加权得到一种单声道语音增强方法。通过与Azirani方法进行比较,实验结果表明所提的增强方法能在低信噪比下有效地抑制残留噪声的同时保持更小的语音失真。

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性,提出了一种联合自适应阈值活动语音检测(VAD)算法和最小均方误差对数谱幅度估计(MMSE-LSA)的实时降噪算法。首先,在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计,对得到的背景噪声进行实时更新并保存;然后,将实时更新的背景噪声作为MMSE-LSA的参考噪声,并对噪声幅度谱进行自适应更新,最后进行降噪处理。通过在真实场景中对四类声信号进行实验,结果表明,该算法在保证对低SNR声信号的实时处理的情况下,相较于传统MMSE-LSA算法,降噪信号的SNR能够提高10~15 dB,且不存在信号过减的情况,可应用于实际工程。

非因果先验信噪比估计的LSA算法改进

对于大多数的语音增强算法,先验信噪比及背景噪音频谱估计的准确与否,对语音增强的效果影响至关重要。为此,在传统MMSE-LSA算法的基础上,提出一种基于非因果先验信噪比估计的LSA改进算法,较好地弥补了传统LSA算法在先验信噪比上估计的不足,同时采用平滑系数动态更新噪音频谱值,使估计值能更好地跟踪噪音的变化。实验结果表明,改进算法能有效减少残余噪音量,提高语音分段信噪比,改善语音质量。