1 [论文摘要]

谱减法是消除噪音的经典算法,它有多个版本的改进方法,原始谱减法和它的各种改进方法可以归纳为一个通用谱减法参数公式,本文从这个公式出发,运用最小平均方误差(MMSE)的方法进行参数优化,得到约束的短时语音谱估计器和非约束的短时语音谱估计器,它们在保持谱减法计算简单的优点的同时更好的消除了噪音。这两种估计器不同于以往的估计器。以往的都是非统计性的估计器,是靠经验来调整参数的。而本文提出的估计器是统计性估计器,是通过统计来调整估计器的参数,使之达到更好的效果。在此基础上,本文又进一步提出两种修改办法：变换带宽法(Change Band-Width)和信噪比加权法(SNR Waiting),研究谱减法通用公式的优化。以往的消除噪音的算法都是在某个单独的确定的频带划分算法上进行的,算法割裂了相邻频带之间可能存在的联系,变换带宽法(CBW)可以克服这个问题。信噪比加权法(SNRW)用于谱减法完成后的信号提升,尽可能的使得强信号更强,弱信号更弱,从而使语音信号得到进一步巩固。本文提出的算法最后在白色高斯噪音和粉红噪音(Pink)下测试得到满意的效果,加入-20dB的背景噪音后污染得十分模糊的频谱图,经过消除噪音后,频谱图与未加噪音前几乎完全一样。

关键词：语音信号处理、语音增强、噪音消除

2 一、简介

噪音消除在实际生活中有很多应用,例如：话音通讯、语音识别、耳疾者特殊语音处理等等^[1]^－^[4]。把各种经典谱减法概括成一个统一的参数公式,目的在于从中找出一种方便有效的单通道的自适应的谱减法。有关多通道谱减法(例如[19])以及其他消除噪音方法(例如向量子空间法^[17])不是本文重点,不再提及。除了对参数的优化选择,本文还提出另外两种非参数选择上的优化,分别是变换带宽算法(CBW)和信噪比加权法(SNRW),它们能对谱减法进一步优化,使得处理后的数据更接近没有噪音下的语音。

2.1 1.1 谱减法

谱减法是消除噪音的经典算法。其基本思想是计算出含有噪音的语音文件中背景噪音的平均频谱,然后求出含有噪音文件的频谱,把两个谱相减,就得到消除了噪音之后的频谱,用这个频谱反求对应的时间域信号,就得到消除了噪音的语音文件^[5]^－^[7]。虽然这种方法能够去除大部分噪音,但是这种方法会人为的加入令人不悦的音乐噪音(Music noise)应用这种方法消除噪音之后,残余噪音可以分为下面两种：1。与原来背景噪音有同样听觉特性的噪音。2。在谱减法过程中生成的短时谱峰,造成人为的音乐噪音。

为了消除这两种噪音,特别是音乐噪音,不少论文作者提出他们对谱减法的修改办法。他们通过主观的听觉测试,经验的加入各种参数以及修订频谱的阶来达到比原始谱减法更好的消除噪音效果^[9]^－^[13]。例如：Berouti等人提出的“过度减法(oversubtraction)”^[9],作减法的时候,保留一小部分原来的背景噪音,用这部分背景噪音来掩盖住音乐噪音的谱峰,从而消除了令人不悦的音乐噪音。Kushner等人发现通过经验的调整“内减法(undersubtraction)”^[11],可以改善LPC估计和语音识别效果。Boll等人提出把谱减法之后的频谱在一小段时间内进行谱平均^[10]等几种噪音消除方法。Crozier等人提出采用共振峰滤波^[13]的方法可以消除音乐噪音。Vaseghi等人提出“删除谱成分(delete spectral components)”^[12]的方法,经验的确定时域和谱域的阈值来判定是否删除该谱成分,可以减小音乐噪音。这些方法的共同特点是都是经验的确定一些参数值,这些参数一旦确定就不再改变,所以不能根据不同的情况作自适应的调整。

本文在概括出的通用参数公式的基础上,应用统计学方法进行参数优化,使得参数估计器能够不断统计和重估,根据不同情况作自适应调整,从而提高消除噪音效果。这个通用公式概括了参考文献[9]－[13]提出的各种改进谱减法。本文用最小均方误差(MMSE)方法优化这个公式的参数,并用这些参数设计出非约束谱估计器和约束谱估计器。因为语音信号和噪音信号是独立的,于是两个估计器还可以在数学上进一步进行简化和优化。

2.2 1.2 变换带宽与信噪比加权法

变换带宽算法(CBW)是本文新提出的对谱减法的改进算法。算法的基本思想是要综合考虑各种不同的频谱带宽划分,要考虑相邻频带之间的联系。因为随机噪音不是平稳过程,而频谱带宽划分是确定的,因而经常出现在某一个频带内部的信号能量小于同一频带内噪音信号能量的情况,这时候可以考虑把频带加宽,把相邻频带能量合并,直到频带内部语音能量大于噪音能量为止。单纯使用非优化参数的谱减法和变换带宽算法做实验,便已经可以达到很好的效果。

信噪比加权法(SNRW)也是本文新提出的对谱减法的改进算法。算法基本思想是设计出一种办法,它能够使得占优信号进一步增强,而次要信号进一步减弱。信噪比(SNR)是一个很好的天然参数,SNR越大,说明语音信号越强,那么这部分语音的权值就越大,SNR越小,说明语音信号非常小,噪音信号比较强,那么这部分信号应该减弱。单纯采用非优化参数的谱减法和SNRW结合做实验,消除噪音后的频谱图变得非常清晰。

这两种算法将在第三部分作详细描述。

2.3 1.3 论文接下来的安排

论文接下来的组织如下：第二部分是算法推导,把各种谱减法归纳为一个统一公式,并逐个演绎,然后采用MMSE得到最优的参数估计。第三部分是变换带宽法与信噪比加权法。第四部分是实验结果主要通过波形图、频谱图、信噪比对比讨论。第五部分是结论,提出本人对成功消除噪音的看法以及以后可以改进的方向。最后是鸣谢和参考文献。