语音时频及非线性增强处理方法研究

论文题目: 语音时频及非线性增强处理方法研究

论文类型: 博士论文

论文专业: 军事通信

作者: 徐静波

导师: 冉崇森

关键词: 语音增强,噪声,小波,分形,神经模糊推理,形态滤波

文献来源: 解放军信息工程大学

发表年度: 2005

论文摘要: 随着通信技术的迅猛发展，在语音处理中，抗噪声技术的研究以及实际环境下的语音信号处理系统的开发，已成为国内外语音信号处理的重要研究课题，噪声抑制所处的地位日渐重要。由于语音信号的质量常常由于高噪声的影响而急剧下降。因此，抑制噪声，有效控制失真度和人为噪声，并提高语音可懂度成为首要任务。本文综合考虑语音信号的传输特性、信号特点及人耳的听觉特征，提出时-频滤波算法及非线性语音处理增强算法。主要贡献如下： 1、提出了一种语音分形二维增强算法。该算法是针对噪声相关及非平稳性的处理方法，是二维傅立叶变换与语音处理技术相结合的综合应用，该算法可明显减小非平稳噪声的影响，并有效抑制音乐噪声。研究表明，分形理论在本质上是非线性的，它可以弥补传统线性分析方法的不足。而采用二维自适应滤波后，语音的包络形状得到较好地保持，使原始语音信号的特征完整。 2、在ANP基础上，提出了自相关噪声处理神经模糊推理(ANFIS)的概念及相关算法。该算法对噪声极为敏感，可以有效的去除线性或非线性噪声，滤波效果比一般的线性滤波器好。仿真证明ANFIS方法优于BP神经网络方法及高阶神经网络方法。它可以做到速度更快，误差更小、训练样本更少。 3、提出基于小波变换的语音信号分析方法及加权函数端点检测法：由于随机噪声常常导致信号的奇异性，奇异性的大小可以用Lipschitz指数来度量。随机噪声的Lipschitz指数与有效信号本身的奇异点的Lipschitz指数大小不一样，从而它们的小波变换模的极大值在不同尺度下的传播行为也不一样，利用这一特征可将有效信号从随机噪声中提取出来。这样的方法对信号的输入信噪比无过高要求，也可适当避免音乐噪声的产生。而种加权函数的提出，为端点检测提供了相关理论基础。 4、提出一种形态滤波增强算法。形态滤波器一般多用在图像处理中，本章却把形态滤波器引入到了语音信号处理中，通过形态处理有效地滤除脉冲噪声。随着结构元素的逐渐增大，可以看到各次谐波得到了不同程度的抑制，特别是当与低通滤波器结合使用时，能够有效地滤除高次谐波和脉冲噪声信号，且增强语音与纯净语音匹配效果好，使语音识别率在大的信噪比范围内得到明显提高。经输入、输出信噪比比较，语音质量主观评分，语音识别精度等试验的评估证明：形态滤波增强算法与其它算法相比，具有更好的效果。

论文目录:

摘要

ABSTRACT

第一章 绪论

1.1 语音数字处理概述

1.2 研究语音抗噪声技术的必要性

1.3 语音增强技术的发展现状

1.4 课题来源

1.5 课题任务、本文工作及各章节安排

1.6 试验结果评价标准

第二章 语音特性、人耳感知特性及噪声特性

2.1 语音和人耳感知特性

2.1.1 语音主要特性的简单概括

2.1.2 人耳的感知特性

2.2 噪声特性

第三章 语音增强算法概述

3.1 谱减法

3.2 自适应梳状滤波器

3.3 wiener滤波器

3.4 语音模型增强算法

第四章 自适应小波变换的应用

4.1 引言

4.2 小波变换与信号的奇异性检测

4.3 一维信号的多尺度边缘重构

4.4 基于多尺度的信号去噪与端点检测

4.5 本章小结

第五章 基于二维空间的语音分形处理算法

5.1 二维的傅立叶变换

5.2 语音信号的混沌特性

5.2.1 相空间重构与Lyapunov指数

5.2.2 语音信号时域波形的分形特征

5.2.3 语音信号网格分形

5.3 基于分形维的二维谱减

5.4 试验与讨论

5.5 本章小结

第六章 自相关噪声处理中神经模糊推理系统

6.1 模糊神经网络结构形式

6.1.1 逻辑模糊神经网络

6.1.2 算术模糊神经网络

6.1.3 混合模糊神经网络

6.2 神经模糊控制系统

6.2.1 Takagi-Sugeno推理的神经模糊控制器

6.3 自适应神经模糊网络(ANFIS)

6.3.1 ANFIS结构

6.3.2 神经络的学习算法

6.3.3 数据预处理阶段

6.4 ANFIS在自相关噪声处理中的应用

6.5 结果与讨论

6.6 本章小结

第七章 基于谱频率矢量量化的语音形态滤波

7.1 数学形态学

7.1.1 数学形态学基本原理

7.2 形态学滤波器设计算法

7.3 对数频谱幅度估计器

7.4 基于线性频谱矢量量化的噪声压缩

7.4.1 线性频谱矢量量化

7.5 算法设计与结果分析

7.6 本章小结

结论

参考文献

攻读博士论文期间完成的论文

致谢

发布时间: 2007-05-15

相关论文

• [1].语音增强系统的研究与实现[D]. 姚峰英.中国科学院上海冶金研究所2001
• [2].语音识别中的抗噪声技术[D]. 丁沛.清华大学2003
• [3].带噪语音信号处理中的稳健性加权方法[D]. 许超.清华大学2005
• [4].基于特征提取的抗噪声语音识别研究[D]. 徐金甫.华南理工大学2000
• [5].Hilbert-Huang变换及其在含噪语音信号处理中的应用研究[D]. 申丽然.哈尔滨工程大学2006
• [6].传声器阵列语音增强中关键技术的研究[D]. 马晓红.大连理工大学2006
• [7].实时语音信号处理系统理论和应用[D]. 陈为国.浙江大学2004
• [8].连续语音识别的稳健性技术研究[D]. 徐望.解放军信息工程大学2006
• [9].基于麦克风阵列的语音增强算法研究[D]. 林静然.电子科技大学2007
• [10].麦克风阵列语音增强的若干方法研究[D]. 王冬霞.大连理工大学2007

标签：语音增强论文;  噪声论文;  小波论文;  分形论文;  神经模糊推理论文;  形态滤波论文;