基于H∞滤波的盲自适应语音增强算法研究

论文摘要

本毕业论文研究了一种基于H∞滤波的盲自适应滤波器语音增强算法。这种基于H∞滤波的盲自适应滤波器可适用于多种噪声环境下的语音增强,它只根据语音和噪声的主要特性,即语音是非平稳随机过程,而噪声是准平稳随机过程,自适应地从带噪语音中提取纯净语音,而不必预知噪声源的统计特性参数。整个H∞滤波的盲自适应滤波器由四个子系统组成:H∞预滤波子系统、噪声识别子系统、前馈解噪子系统和虚拟反馈解噪子系统。通过三种最优化函数来分别实现各子系统的最佳性能。仿真结果表明,如果以全程信噪比和时域图形等指标来衡量,这种基于H∞优化的盲自适应语音增强算法可在很大程度上提高信噪比,实现纯净语音的恢复,且算法简单、易于实现,性能明显优于卡尔曼估计算法。

论文目录

• 第一章 绪论
• 1.1 语音增强的目的和意义
• 1.2 语音增强的应用
• 1.3 语音增强的历史
• 1.4 语音增强算法的归类与比较
• 1.4.1 语音增强算法的归类
• 1.4.2 各种语音增强算法的比较
• 1.5 全文组织
• 第二章 语音特性和优化函数
• 2.1 语音的主要特性
• 2.1.1 语音信号是非平稳随机过程
• 2.1.2 语音信号的分类
• 2.1.3 语音信号的随机统计特性
• 2.2 噪声的主要特性
• 2.2.1 噪声主要特性
• 2.2.2 噪声分类
• 2.3 最优化算法
• 2.3.1 最优化问题的数学模型
• 第三章 滤波算法中的相关理论
• 3.1 Banach空间和Hilbert空间
• 3.1.1 距离空间
• 3.1.2 线性赋范空间
• 3.1.3 Banach空间
• 3.1.4 Hilbert空间
• 3.2 几种函数空间
• 3.2.1 时间域函数空间
• 3.2.2 频率域函数空间
• 3.3 标准H∞控制问题
• 3.3.1 H∞控制理论的数学基础
• 3.3.2 基于H∞控制理论的系统设计
• 3.3.3 H∞标准设计
• 第四章 H∞预滤波算法
• 4.1 问题的描述
• 4.1.1 语音信号的生成模型
• 4.1.2 状态空间模型
• 4.2 H∞滤波算法
• 4.2.1 引言
• 4.2.2 数学表达
• 4.3 抽头增益参数估计
• 第五章盲自适应滤波器系统模型
• 5.1 噪声识别子系统
• 5.1.1 噪声功率谱密度的估计
• 5.1.2 改进的噪声识别子系统
• 5.2 前馈解噪子系统
• 5.3 虚拟反馈解噪子系统
• 第六章 算法的实现及仿真
• 6.1 实现方法
• 6.2 实验结果分析
• 6.2.1 全程信噪比分析
• 6.2.2 时域波形图和语谱图分析
• 第七章 总结与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 中文摘要
• 英文摘要
• 致谢
• 导师及作者简介