语音增强技术研究

论文摘要

真实的环境中，语音信号源很多，相应的，噪声源也很多。当信号信噪比很低时，只有努力提高语音处理系统的抗噪性能，以便使它具有更大的实用性。各种抗噪音的方法大致可分为信号级处理，特征参数，模型域抗噪处理。这些方法适用于不同的应用需求，本文研究的语音增强技术，侧重于信号处理领域的研究，目的是从带噪语音信号中尽可能恢复出纯净的原始语音信号。本文首先简述了语音增强的历史、现状以及主要算法，然后介绍了语音信号的相关基础知识，这是因为语音增强涉及到人的听觉感知、语音学、语言学以及噪声的特性等多方面的知识。接下来重点介绍了谱减、维纳滤波、小波等语音增强方法的理论、算法及其对应仿真。传统的谱减技术很容易给语音信号带来畸变，在信号中引入“音乐噪声”，于是尝试使用功率因数补偿的方式来改进谱减法，并尝试配以增大音量的方法，以达到减少和消除音乐噪声的目的。这是本文的一大重点。本文尝试采用最小均方误差和谱减法相结合的语音增强法，较好地结合了MMSE提高语音可懂度和谱减法提高语音清晰度的优点，较好地改善了带噪语音质量。还提出了MMSE结合小波降噪的语音增强方法，较好地将带噪语音的信噪比提高到了77.54dB，但在信噪比提高的同时，也造成了语音信息的大量丢失，使得语音可懂度有所降低。在论文工作中，还独立完成了Matlab语音增强计算处理系统，能够方便地计算语音的信噪比，并将增强后的语音还原至时域直观分析，这个系统成为论文实验工作的平台，进行了大量的实验仿真和数据分析。独立完成了运用谱减法语音增强的孤立词语音识别系统的设计与程序编写，并通过实验分析了谱减增强法运用与否对系统效果的影响。除了上面的几点贡献之外，独立完成了语音增强效果对比分析评价系统，能够对各种语音主观数据、客观数据进行管理、统计、分析、评价，并用直方图直观显示，并且还具有频率、波形分析等功能，便于大量实验数据的汇总、比较和分析。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 语音增强的发展和现状
• 1.2 语音增强方法概述
• 1.2.1 谱减增强法
• 1.2.2 维纳滤波增强法
• 1.2.3 小波分解法
• 1.2.4 最小均方误差法
• 1.2.5 听觉屏蔽法
• 1.2.6 谐波增强法
• 1.2.7 噪声对消法
• 1.3 语音的主客观评价标准
• 1.3.1 主观评价标准
• 1.3.2 客观评价标准
• 1.4 选题依据
• 1.5 论文框架结构
• 第2章 语音增强相关的语音基础知识
• 2.1 语音信号的产生模型
• 2.2 语音信号的主要特性
• 2.3 人耳语音感知的特点
• 2.3.1 人耳的结构
• 2.3.2 人耳的听觉特性
• 2.4 噪声特性
• 第3章 常用的语音增强算法
• 3.1 谱减法语音增强
• 3.1.1 谱减法基础理论
• 3.1.2 谱减法的实验仿真
• 3.1.3 实验结论
• 3.2 维纳滤波法语音增强
• 3.2.1 维纳滤波增强理论
• 3.2.2 基于 STFT 的维纳滤波增强法
• 3.2.2.1 重叠相加法
• 3.2.2.2 基于 STFT 的维纳滤波增强
• 3.2.3 仿真波形图
• 3.2.4 实验结论
• 3.3 小波法语音增强
• 3.3.1 小波变换基本理论
• 3.3.2 算法介绍
• 3.3.3 仿真波形图
• 第4章 谱减法的改进形式
• 4.1 改进谱减法基础理论
• 4.2 改进谱减法具体算法
• 4.3 增益因数补偿阈值
• 4.4 相关程序说明
• 4.5 增益补偿因子值的适当选取
• 4.6 语音音量的调整
• 4.7 改进谱减法的实验仿真
• 4.8 小结
• 4.8.1 信噪比得到进一步提高
• 4.8.2 在清晰度方面有所提高
• 4.8.3 在语音音量方面有所提高
• 第5章 多种算法相结合的增强算法改进
• 5.1 最小均方误差与谱减相结合的增强法
• 5.1.1 最小均方误差理论
• 5.1.2 最小均方误差法与谱减相结合的算法流程
• 5.1.3 实验仿真波形
• 5.1.4 小结
• 5.2 最小均方误差估计法与小波法相结合的增强算法
• 5.2.1 算法流程
• 5.2.2 实验仿真波形
• 5.2.3 小结
• 第6章 语音系统中语音增强技术的应用
• 6.1 系统的实现
• 6.1.1 声音的采集
• 6.1.2 声音的预处理
• 6.1.3 语音增强处理
• 6.1.4 语音数据的特征提取
• 6.1.5 DTW 方法的实现
• 6.2 进行语音增强处理前后性能对比
• 6.2.1 基于 DTW 的孤立词语音系统
• 6.2.2 语音增强前后系统性能对比
• 第7章 结论与展望
• 7.1 仿真结果与对比
• 7.1.1 语谱图对比实验
• 7.1.2 初步结论
• 7.2 语音增强效果对比分析系统
• 7.3 实验结果客观评价
• 7.4 实验结果主观评价
• 7.5 总结与展望
• 7.5.1 总结
• 7.5.1.1 新算法的改进和提出
• 7.5.1.2 各改进算法分析比较
• 7.5.1.3 在系统研究、开发和测试方面
• 7.5.2 论文创新点
• 7.5.3 展望
• 参考文献
• 致谢
• 个人简历、在学期间发表的学术论文与研究成果