基于子带分解的分数傅里叶变换语音增强算法研究

基于子带分解的分数傅里叶变换语音增强算法研究

论文摘要

语音信号在日常生活和工作的各个方面都起着非常重要的作用。而语音信号又经常会受到各种各样噪声的干扰,严重影响信息的获取,甚至会造成语音处理系统的失效。因此,需要对含噪的语音信号进行去噪处理,抑制噪声,提高通信质量。本文主要对基于子带分解的分数阶傅里叶变换的语音增强算法进行了研究,在子带分解的系统中应用分数阶谱减法估计语音模型参数,再应用卡尔曼滤波进行进一步的音乐噪声的消除。分数阶域的语音增强主要包括谱减模型改进、最佳变换阶次的选取等内容。本文首先介绍语音特性及噪声特性,然后分别从基于语音生成模型方法,非参数方法,基于统计模型方法以及其他方法简单阐述了语音增强的基本算法。接下来,研究分数傅里叶变换的基本定义,并简单介绍分数傅里叶变换的基本性质和分数傅里叶变换离散算法的四种途径。在此基础上研究分数阶域的最优滤波算子原理和最佳变换阶次的确定。相对于传统谱减模型进行的改进,分数阶谱减法首先要确定最佳变换阶次,同时在最佳变换阶次下进行分数阶域带噪语音信号处理,最后插入相位系数,实现语音和噪声在分数阶域上的最佳分离。但是鉴于噪声估计的经验性模态假设,虽然在自相关基础上提高了检测效率,但不够稳定。所得功率谱估计值将会丢失一定的原始语音信息,并且会产生音乐噪声,对听觉效果产生影响。卡尔曼滤波采用参数方法,依赖于使用的语音生成模型,能够对音乐噪声进行良好的抑制,但是由于使用迭代方法,算法复杂度较高。本文采用子带分解技术,将带噪语音信号分解成M个子带,在确定最佳变换阶次的前提下,利用分数阶的谱减法对卡尔曼滤波前的语音参数模型的功率谱估计加以改进,提取该变换阶次下的含噪信号幅值特性,作为子带分解的卡尔曼滤波器的输入,从而在分数阶谱减的基础上进一步实现对音乐噪声的抑制。最后在理论分析的基础上,应用分段信噪比和PESQ两种语音评价测度,针对不同信噪比下的加性高斯白噪声、粉红噪声、工厂噪声环境,对本论文方法进行仿真实验分析,并比较纯净语音信号和增强后语音信号的时域波形相似度。分析结果表明本论文采用子带分解降低了卡尔曼滤波的模型阶数,在分数阶谱减法的基础上能更好地估计卡尔曼滤波语音参数模型,并且能进一步抑制音乐噪声的产生,具有较好的增强效果。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 选题背景及研究意义
  • 1.2 国内外研究现状及存在的问题
  • 1.2.2 语音增强的研究概述
  • 1.2.3 分数傅里叶变换简介
  • 1.3 本论文的主要工作内容
  • 1.4 本文章节安排
  • 2 传统的语音降噪方法及分析
  • 2.1 语音特性及噪声特性
  • 2.1.1 语音信号的特性
  • 2.1.2 噪声特性
  • 2.2 语音增强算法简介
  • 2.2.1 基于语音生成模型方法
  • 2.2.2 非参数方法
  • 2.2.3 基于统计模型方法
  • 2.2.4 其它方法
  • 2.3 评价原理
  • 2.3.1 分段信噪比
  • 2.3.2 语音质量感知评价算法
  • 3 分数傅里叶变换的定义及性质
  • 3.1 分数傅里叶变换的定义
  • 3.1.1 分数阶傅里叶变换的基本定义
  • 3.1.2 分数阶傅里叶变换的基本性质
  • 3.2 离散分数傅里叶变换的计算
  • 3.3 本章小结
  • 4 基于分数阶傅里叶谱减法的语音增强算法
  • 4.1 分数阶域谱减法模型
  • 4.1.1 谱减法基本原理
  • 4.1.2 分数阶域谱减法模型
  • 4.2 MMSE准则下的最佳变换阶次的选取
  • 4.2.1 分数阶域最优滤波算子构造
  • 4.2.2 分数阶傅里叶域最优滤波器的离散实现
  • 4.3 最优阶次的选取
  • 4.4 仿真实验与结果分析
  • 4.5 本章小结
  • 5 分析综合滤波器组的设计与实现
  • 5.1 子带滤波的基本概念
  • 5.2 两通道滤波器组及完全重构条件
  • 5.3 余弦调制滤波器组
  • 6 基于子带分解的分数阶谱减法结合卡尔曼滤波语音增强
  • 6.1 基于卡尔曼滤波的语音增强算法
  • 6.2 分数阶谱减法结合子带卡尔曼滤波语音增强
  • 6.3 仿真实验与结果分析
  • 6.4 本章小结
  • 结论
  • 致谢
  • 参考文献
  • 攻读学位期间的研究成果
  • 相关论文文献

    • [1].十二星座的军训生活(上)[J]. 天天爱学习 2017(03)
    • [2].唤出他们内心的优雅[J]. 河北教育(德育版) 2017(03)
    • [3].转子共频相关故障源源数估计与子带盲分离[J]. 振动.测试与诊断 2015(01)
    • [4].基于信号功率谱密度分布的动态非均匀子带分解方法[J]. 计算机应用 2014(09)
    • [5].基于子带卡尔曼滤波的语音增强方法[J]. 信号处理 2009(09)
    • [6].基于高分辨距离像子带融合的目标识别新算法[J]. 西安邮电大学学报 2013(03)
    • [7].基于子带干涉测量技术的巴基斯坦地震形变获取研究[J]. 地球物理学报 2016(04)
    • [8].子带分解的自适应滤波器的FPGA实现[J]. 现代电子技术 2010(08)
    • [9].子带维纳滤波的语音增强方法[J]. 大众科技 2008(11)
    • [10].基于调频信号子带相关性分析的回波特征提取方法[J]. 应用声学 2010(05)
    • [11].基于子带分解及分数傅立叶变换的语音增强算法[J]. 兰州交通大学学报 2010(04)
    • [12].一种适用于宽带均衡的非均匀子带分解[J]. 黑龙江科技信息 2010(33)
    • [13].基于集员滤波的选择权更新子带有源噪声控制[J]. 计算机工程与应用 2013(23)
    • [14].基于子带分解的语音分离算法研究[J]. 计算机应用与软件 2009(03)
    • [15].基于子带分析稳健的说话人识别[J]. 声学技术 2009(02)
    • [16].基于子带平移的精确时延快速估计[J]. 舰船电子工程 2016(06)
    • [17].合成孔径雷达成像中频带分割与子带处理技术研究[J]. 电子与信息学报 2009(01)
    • [18].5G候选波形Filtered-OFDM技术子带滤波器设计与分析[J]. 信息通信 2018(01)
    • [19].一种新的子带自适应阵列处理算法[J]. 火力与指挥控制 2015(09)
    • [20].一种新的子带滤波器组的设计[J]. 桂林电子科技大学学报 2009(01)
    • [21].基于距离向多子带拼接技术的误差分析[J]. 电子科技 2017(01)
    • [22].基于FPGA的子带滤波硬件加速器设计[J]. 五邑大学学报(自然科学版) 2015(03)
    • [23].基于多级滤波的子带信号分析及应用[J]. 测试技术学报 2012(03)
    • [24].基于子带频谱质心特征的高效音频指纹检索[J]. 清华大学学报(自然科学版) 2017(04)
    • [25].基于子带分析的非线性电路故障诊断[J]. 仪器仪表学报 2011(07)
    • [26].基于子带模式的AMC技术算法分析[J]. 制造业自动化 2011(04)
    • [27].一种新的子带声音强度参数及提取算法[J]. 电子设计工程 2016(20)
    • [28].基于子带干涉技术监测大型桥梁形变[J]. 武汉大学学报(信息科学版) 2017(03)
    • [29].基于全子带栈式稀疏自编码的水果图像融合[J]. 现代计算机(专业版) 2017(14)
    • [30].基于独立分量优化子带特征的三类运动想象分类[J]. 生物医学工程学杂志 2016(02)

    标签:;  ;  ;  ;  ;  

    基于子带分解的分数傅里叶变换语音增强算法研究
    下载Doc文档

    猜你喜欢