基于TVAR和粒子滤波的语音增强方法研究

论文摘要

语音增强是语音信号处理的重要分支,是消除语音噪声干扰的主要手段。其目的就是从带噪的语音信号中尽可能的提取出原纯净的语音信号,降低噪声的干扰,提高可懂度和清晰度。语音增强技术以成功地应用在日常生活中和军事领域,在语音通信及语音识别等方面有着重要的应用价值。语音增强的方法多种多样,本文分析了非基于语音参数模型的几种方法,包括谱减法、维纳滤波法和基于子空间的语音增强方法。这些算法因没有利用到语音特征任何的先验信息,所以增强效果有限。本文详细讨论了基于TVAR和粒子滤波的语音增强算法,它是一种基于语音参数模型的方法,给出了仿真结果,并针对标准粒子滤波实现过程中会出现粒子退化现象的缺点,提出了正则粒子滤波结合TVAR模型的算法,仿真结果表明,改进后的算法性能明显优于改进前的算法,输出信噪比明显提高,听觉质量上也得到了很大的改善。实验表明,本文设计的增强系统具有以下优点：(1)正则粒子滤波算法可以有效的避免再采样算法引入的粒子多样性消失的问题,并且增强效果显著；(2)在低信噪比条件下取得良好的增强效果；(3)去除噪声显著,听觉质量得到了很大的改善。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究的背景及意义
• 1.2 研究现状及存在问题
• 1.3 语音增强的应用
• 1.4 本文的研究内容
• 1.5 论文的结构安排
• 第2章 语音信号的基本理论
• 2.1 语音信号的产生模型及主要特征
• 2.1.1 语音信号的产生模型
• 2.1.2 语音信号的主要特征
• 2.2 噪声的类型及特点
• 2.3 语音增强算法分类
• 2.4 语音增强性能评价准则
• 2.4.1 主观评价
• 2.4.2 客观评价
• 2.5 本章小结
• 第3章 基于TVAR模型的语音信号模型
• 3.1 非平稳随机信号的TVAR模型
• 3.2 模型阶数的估计
• 3.3 TVAR模型系数与维数的估计
• 3.4 实验结果及分析
• 3.5 本章小结
• 第4章 基于粒子滤波的TVAR模型跟踪
• 4.1 动态状态空间模型
• 4.2 贝叶斯估计
• 4.2.1 贝叶斯定理
• 4.2.2 贝叶斯信号处理方法
• 4.3 蒙特卡罗方法
• 4.4 粒子滤波器
• 4.4.1 标准粒子滤波及其缺点
• 4.4.2 正则粒子滤波器
• 4.5 粒子滤波存在的问题
• 4.6 本章小结
• 第5章 基于TVAR模型和正则粒子滤波的语音增强方法研究
• 5.1 基于粒子滤波的TVAR模型跟踪
• 5.2 基于正则粒子滤波器的语音增强算法
• 5.3 实验结果及分析
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢