人工影響天氣作業飛機中語音增強算法的研究

王山海，馬鑫鑫，劉 謙，楊 敏

(河南省人工影響天氣中心,鄭州 450003)

人工影響天氣作業飛機中語音增強算法的研究

王山海，馬鑫鑫，劉 謙，楊 敏

(河南省人工影響天氣中心,鄭州 450003)

飛機實施人工影響天氣作業，具有覆蓋范圍廣，作業效果好的優點，是未來人工影響天氣工作的發展方向;但人影作業飛機內部工作環境復雜，工作人員的正常語言交流會受到飛機引擎、機艙內設備、飛機外部等噪聲的影響，甚至無法正常交流;因此，需要設計一種語音增強裝備或設施來消除噪聲，方便人影飛機上工作人員的正常溝通交流;從理論上闡述了參數法、非參數法、統計方法及其他語音增強算法;重點研究了維納濾波法、譜減法和基于短時對數譜幅度的MMSE算法，并對這3種語音增強算法都進行了實驗仿真，對比了各種算法的優缺點;針對人影飛機的特定工作環境，提出基于短時對數譜幅度的MMSE算法比較適合用于人影飛機上進行語音增強，消除噪音。

人工影響天氣；語音增強；譜減法；維納濾波；最小均方誤差

0 引言

人工影響天氣，是指為避免或者減輕氣象災害，合理利用氣候資源，在適當條件下通過科技手段對局部大氣的物理、化學過程進行人工影響，使某些局地天氣過程朝著有利于人類的方向轉化，從而實現增雨雪、防雹、消雨、消霧、改善環境等目的。

目前實施人工影響天氣作業主要有地面和空中兩種方式。地面作業通常利用高炮或者火箭架向空中具有一定條件的目標云發射含有催化劑的炮彈、火箭彈，它們在云中爆炸，把催化劑播撒在云中，以影響云物理過程。這種作業方式具有播撤路徑長、發射高度高、成核率高、便于操作、機動性強等特點。但在發射高炮和火箭彈前需要申請空域，得到空管部門的批復后才能作業。隨著民航事業的發展，航線逐年增多，空域申請難度也隨之增加。例如在河南周口上空，每天過境飛機最高達1300架次。在申請空域過程中，往往會失去最佳作業時機，使人工影響天氣效果大打折扣[1]。

第二種方式是利用飛機直接入云，在具有一定條件的目標云中直接播撒含有催化劑的物質，進行人工影響天氣作業，以影響云物理過程。飛機機動性強，可根據飛機實時探測的云作業條件直接將催化劑播入云中預定的部位，播撒均勻，作業面積大，覆蓋范圍較廣。因此這種作業方式相比地面具有明顯的優勢，作業效果較好，是未來人工影響天氣工作的發展方向。同時，可以通過飛機上的觀測設備對云結構進行直接觀測，進一步了解掌握云中作業條件，促進人影科學研究。

目前河南所使用的人工影響天氣飛機主要有運-8、運-12等小型運輸機。機艙內工作環境復雜，噪音較大，正常的語言交流往往受到很大影響。因此，如何從被干擾的語音中恢復清晰的語音，使交談雙方能夠清晰的交談是一個亟待解決的問題。語音增強作為一種處理手段，不失為解決噪聲污染的有效途徑。語音增強就是盡可能地消除背景噪聲、提高信噪比，使處理后的語音信號和原始語音盡可能地保持一致[2]。

1 語音增強算法研究

1.1 語音增強算法簡介及分類

實際環境中，噪聲特點多種多樣，不可能設計出一種算法用來消除所有噪聲。人們針對不同的噪聲源，研究了多種方法，大致可以分為如下幾種，下面對這幾類方法分別進行闡述和分析。

參數方法主要依賴于語音生成模型，需要提取如基音周期、LPC系數等模型參數，常常使用迭代方法。維納濾波器[3]、卡爾曼濾波器[4]都是屬于這種方法。但是在實際噪音與模型差別比較大的情況下，這種去噪方法效果不好。

非參數方法不需要從帶噪的語音信號中估計模型參數，因此這種方法應用更為廣泛，但是效果并不是最優。較為常用的這種方法包括譜減法[5]、自適應濾波法[6]。

統計方法主要根據語音和噪聲的統計特性，通過訓練得到的統計數據建立模型，采用的方法有最小均方誤差估計(MMSE, minimum mean square error)、聽覺掩蔽效應等。

除了上面所說的幾種方法，還有小波變換[7]、離散余弦變換(DCT)、人工神經網絡等方法。這些方法目前應用還不夠廣泛，是一些新興知識在語音增強領域的應用[8]。

1.2 譜減法語音增強算法

譜減法利用了噪聲的平穩統計特性以及噪聲和語音信號不相關的特性，它是一種較為經典和有效的算法。這種算法的使用前提是需要假定噪聲統計平穩。用無音期間計算得到的頻譜值作為有語音期間噪聲的頻譜值，然后用帶噪語音信號的頻譜值減去噪聲頻譜值，這樣就近似地得到了純凈語音信號的頻譜值。如果得到負值，將其置0。另外，人耳主要是通過對語音信號的頻譜幅度值來獲得信息，而語音信號頻譜的相位值對信息的獲取不起主要作用。因此，對語音信號短時譜的幅度估計是譜減法主要考慮的內容[9]。

假設帶噪信號為：

y(n)=s(n)+d(n),0≤n≤N-1

(1)

其中:s(n)為有用的語音信號，d(n)為要消除的噪聲信號。y(n)是對原始語音信號進行加窗和分幀處理后的信號。設y(n)的傅里葉變換為Yk=|Yk|exp(jθk)，s(n)的傅里葉變換為Sk=|Sk|exp(jαk)，d(n)的傅里葉變換為Nk，則有:

Yk=Sk+Nk

(2)

Nk表示的含義是多個噪聲信號樣本的加權和，它滿足高斯分布，其均值為0，方差通過對靜音期間的噪聲計算得到。根據統計得到的噪聲功率譜信息，就可以從Yk中計算出Sk。然后用含有噪聲信號中的相位，再進行傅里葉反變換就得到了消除噪音后的增強語音信號。

譜減法語音增強算法原理如圖1所示。y(n)經FFT變換后，有Yk=Sk+Nk，由此得:

|Yk|2=|Sk|2+|Nk|2+SkNk*+Sk*Nk

(3)

圖1 譜減法原理圖

由于s(n)和d(n)相互獨立，所以Sk和Nk也相互獨立，而Nk是均值為0的高斯分布，所以有：

E(|Yk|2)=E(|Sk|2)+E(|Nk|2)

(4)

短時平穩過程在一個短時幀內有：

|Yk|2=|Sk|2+λn(k)

(5)

λn(k)表示的意思是靜音時|Nk|2的統計平均值，則原來語音信號的估計值可以用式(6)表示：

(6)

(7)

(8)

式中，當γk小于1時，沒有意義。因此，將公式(8)改寫為:

(9)

其中:ε是個大于零的常數。

譜減法比較簡單，實現比較容易，但這種方法會出現“音樂噪聲”。

1.3 維納濾波語音增強算法

維納濾波法的基本思想是：以最小均方誤差的準則設計一個數字濾波器，然后從此數字濾波器處理后的輸出信號中估計得到原始信號。當數字濾波器的性能達到最佳狀態的時候，也就是維納濾波器。維納濾波器是在最小均方誤差準則意義下，基于統計意義的最優數字濾波器，但它是對平穩條件設計的一種的最優估計。維納濾波器相比譜減法有其優點，即經過維納濾波器處理后的語音中的噪聲不是“音樂噪聲”，而是一種近似于白噪聲的噪聲。但是維納濾波方法存在一個嚴重的缺點，就是它對于所有頻率的響應是固定不變的，沒有考慮人耳對于語音的頻率感知特性，并且需要在濾波前對信號和噪聲的功率譜進行估計[10]。

(10)

由正交性原理可知，最優濾波器必須對任意的m都滿足：

(11)

將式(10)代入式(11)中，兩邊同時取傅立葉變換，得:

(12)

這里，Ssy(k)是s(n)與y(n)的互功率譜密度，Sy(k)是y(n)的功率譜密度。

因為s(n)與噪聲d(n)不相關，所以Rsd(m)=0，則:

Sy(k)=Ss(k)+Sd(k)

(13)

Ssy(k)=Ss(k)

(14)

所以公式(12)可以化簡為：

(15)

公式(15)就是維納要求的維納濾波器的響應函數。因為開始不存在語音信號，所以需要通過迭代進行反復的改善，在第一次維納濾波后，輸出的語音信號更為純潔并且更接近原始語音，再將輸出的語音信號作為估計繼續濾波[11]。迭代的維納濾波法原理如圖2所示。

圖2 維納濾波法原理框圖

1.4 短時對數譜幅度的MMSE估計語音增強算法

使用基于譜減法的語音增強算法對帶噪語音進行消噪處理時，處理結果會產生“音樂噪聲”，使聽者在聽覺效果上受到一定的干擾。最小均方誤差算法(minimummeansquareerror,MMSE)能夠有效地去除增強語音中的“音樂噪聲”，該算法最初是由Y.Ephrain和D.Malah在1984年提出的[12]。MMSE算法在語音可懂度和降噪比之間取得了較好的折衷，適用范圍較廣。

設接收到的一幀帶噪語音為：

y=x+d

(16)

式中,y為帶噪語音，x為純凈語音，d為加性平穩噪聲。令Yk=Rkexp[jθk]，Xk=Bkexp[jαk]和Dk分別表示y，x和d經過FFT變換后的第k個頻譜分量。其中Rk和Bk分別為帶噪語音、純凈語音在頻點k的幅度；θk和αk分別為帶噪語音、純凈語音在頻點k的相位。MMSE算法的核心就是從Yk中估計出Bk。

(17)

(18)

基于短時對數譜最小均方誤差估計為[13]：

(19)

增益函數可以表示為：

(20)

式中，

其中:ξk和γk分別為先驗信噪比(SNR)和后驗信噪比(SNR)；λs為純凈語音方差，λn為噪聲方差。因此，MMSE算法的增益函數僅依賴于先驗信噪比和后驗信噪比。MMSE算法達到了語音可懂度和降噪比的折衷，適用信噪比的范圍較廣，但是由于需要統計各種參數，算法運算量大，實時性有待提高。

2 語音增強實驗及結果分析

為了對比分析不同語音增強算法的處理效果，使用Matlab軟件分別就3種語音增強算法進行仿真實驗。實驗所需的語音信號來自NOIZEUS語料庫，NOIZEUS是德克薩斯大學達拉斯分校語音處理實驗室為方便對比各種語音去噪算法效果開發的語料庫，總共包含了從IEEE語料庫中選取出的30條連續語音，其中包括15個男聲和15個女聲樣本，采樣頻率為8kHz，量化為16bit。噪聲選自NOISEX-92語料庫，從中選取比較具有代表性的高斯白噪聲(white)、說話人噪聲(babble)和戰斗機噪聲(f16)。

2.1 譜減法實驗仿真分析

在眾多語音增強算法中，譜減法因其原理簡單、容易實現且計算量小等優點，應用非常廣泛。本文通過對混入不同類型、不同信噪比噪聲的語音信號用譜減法進行語音增強處理。選用”sp01.wav”樣本進行實驗，在純凈的語音中混入0db的戰斗機噪聲(f16)，處理前后波形對比如圖3所示。

圖3 譜減法語音增強處理前后語音波形對比圖

可以地看出，經過語音增強處理后，受到噪聲干擾的語音信號波形有了明顯的變化，噪聲已被消除。對”sp01.wav”樣本分別加上-5、0、5、10、15db的白噪聲、babble噪聲、f16噪聲，處理后輸出信噪比的對比結果如表1所示。

表1 譜減法語音去噪輸出信噪比 dB

2.2 維納濾波法實驗仿真分析

用維納濾波法對含有噪聲的語音信號進行處理，即將含有噪聲的語音作為對原始語音信號的估計來設計濾波器。因為開始不存在語音信號，所以需要通過迭代進行反復的改善，在第一次維納濾波后，輸出的語音信號更為純潔并且更接近原始語音，再將輸出的語音信號作為估計繼續濾波。

在實驗中，選用”sp01.wav”樣本進行實驗，在純凈的語音中混入0db的戰斗機噪聲(f16)，處理前后波形對比如圖4所示。

圖4 維納濾波語音增強處理前后波形對比圖

從實驗結果對比圖中可以看出，維納濾波算法能夠很好地對帶噪語音信號進行消噪處理。采用維納濾波最大的好處是增強后的殘留噪聲類似于白色噪聲，而不是有節奏起伏的音樂噪聲。但是維納濾波只是在平穩條件下才能保證在最小均方誤差意義下的最優估計。而語音是非平穩的，只在短時間內近似平穩，實際環境中的噪聲也常是非平穩的。這是維納濾波器的缺陷所在。

對”sp01.wav”樣本分別加上-5、0、5、10、15db的白噪聲、babble噪聲、f16噪聲，處理后輸出信噪比的對比結果如表2所示。

表2 維納濾波法語音去噪輸出信噪比 dB

2.3 基于MMSE算法的語音增強實驗仿真分析

最小均方誤差語音增強算法基于語音的短時平穩性，同時人耳對語音信號的相位不敏感。該算法假設原始純凈語音信號和噪聲信號互不相關，因此它們的傅里葉展開系數也相互獨立。基于這個假設采用MMSE準則，在對數域上對純凈語音信號的功率譜進行估計。這種語音增強算法能夠在一定程度上減少音樂噪聲，達到了語音可懂度和降噪比的折衷，適用信噪比的范圍較廣，但是由于需要統計各種參數，算法運算量大。在實驗中，選用”sp01.wav”樣本進行實驗，在純凈的語音中混入0db的戰斗機噪聲(f16)，處理前后波形對比如圖5所示。

圖5 MMSE算法語音增強處理前后波形對比圖

對”sp01.wav”樣本分別加上-5、0、5、10、15 db的白噪聲、babble噪聲、f16噪聲，處理后輸出信噪比的對比結果如表3所示。

3 結語

利用飛機實施人工影響天氣作業，具有作業面積大，覆蓋范圍廣，作業效果好的優點，是未來人工影響天氣工作的發展方向。但人影作業飛機內部工作環境復雜，噪音較大，給工作人員的正常語言交流帶來了影響。因此，需要設計一種語音增強裝備或設施來消除噪聲。本文從理論上闡述了常見的語音增強算法，包括參數方法、非參數方法、統計方法及其他方法，重點研究了譜減法、自適應濾波算法、基于短時對數譜幅度的MMSE算法。譜減法具有原理簡單，便于計算的優點；但這種方法由于沒有考慮噪聲的分布特性，會存在音樂噪聲。維納濾波算法消除噪音效果較好，但這種方法是在假定噪音為平穩條件下的最優估計，而實際語音是非平穩的，這是維納濾波器的缺陷所在。基于短時對數譜幅度的MMSE算法適應范圍較廣，做到了可懂度和信噪比的折衷。對比分析不同算法的優缺點，針對人影作業飛機的特定工作環境，MMSE算法去噪效果優于前兩種語音增強算法。特別是在戰斗機噪聲干擾的情況下，MMSE算法輸出信噪比最高。因此，可以選用基于短時對數譜幅度的MMSE算法來進行語音增強處理。

表3 MMSE算法語音去噪輸出信噪比 dB

[1] 王廣河,胡志晉,陳萬奎.人工增雨農業減災技術研究[J].應用氣象學報,2001,12(s):1-9.

[2] 柴 恒.幾種語音增強技術降噪效果的比較和MATLAB仿真[J].科技資訊,2008,22:8-10.

[3] Fan N P. Low distortion speech denoising using an adaptive parametric Wiener filter[A]. 2004. Proceedings. (ICASSP 04)IEEE International Conference on Acoustics, Speech, and Signal Processing[C]. 2004:1309-1312.

[4] You C H, Koh S N, Rahardja S. Kalman filtering speech enhancement incorporating masking properties for mobile communication in a car environment[A]. 2004, ICME 04. 004 IEEE International Conference on Multimedia and Expo[C]. 2004: 1343-1346.

[5] Flogeras D, Doraiswami R, Kaye M. E. A real time specatral subtraction based speech enhancement scheme[A]. IEEE CCECE 2003. Cnandian Conference on Electrical and Computer Engineering 2003[C]. 2003: 1071-1074.

[6] Hu X, Hu A Q, Zhao L. A robust adaptive speech enhancement system[A]. Proceedings of the 2003 International Conference on Neural Networks and Signal Processing[C]. 2003:814-817.

[7] 史迎馨. 航空飛機計算機通信中濾波器的優化設計[J]. 計算機測量與控制, 2015, 23(1):234-236.

[8] 趙鴻圖, 劉 云. 改進粒子群算法的小波神經網絡語音去噪[J]. 計算機測量與控制, 2013, 21(10):2799-2807.

[9] 張雪英.數字語音處理及MATLAB仿真[M].北京: 電子工業出版社,2010,7.

[10] 李 琴. 語音增強技術研究[D]. 桂林: 桂林電子科技大學, 2007.

[11] 李 洋. 基于小波變換的語音去噪算法研究與實現[D]. 桂林: 桂林電子科技大學, 2014.

[12] Ephraim Y, Malah D. Speeeh enhancement using a minimum mean square error short time spectral amplitude estimator[J]. IEEE Transaetionson Speech Audio Proeessing, 1984, 32(6): 1109-1121.

[13] 陳 琪, 郭 英, 張 群, 等. 基于聽覺感知的LSA-MMSE改進型語音增強方法[J]. 信號處理, 2008, 24(6): 1037-1040.

ResearchofSpeechEnhancementAlgorithmsofWeatherModificationAeroplane

WangShanhai,MaXinxin,LiuQian,YangMin

(WeatherModificationCenterofHenanProvince,Zhengzhou450003,China)

The implementation of weather modification with aeroplane can cover a wide range and produce better results. So it is the future trend of the development of weather modification. However, the internal working environment of the aeroplane is so complex that the normal communication of the staff would be affected by the noise of aircraft engines, inside equipments and external aeroplane. Sometimes they can’t communicate fluently. Therefore, it is need to design a speech enhancement equipment or facilities to eliminate the noise and convenient staff communication. Elaborates theoretically the parametric method, the nonparametric method, the statistical method and other speech enhancement algorithms. Focus research on Wiener filtering algorithm, spectral subtraction algorithm and MMSE algorithm based on short-time logarithm spectrum. The three algorithms are simulated and are compared. The experimental results demonstrate that the MMSE algorithm based on short-time logarithm spectrum is suitable for speech enhancement aiming at the specific circumstance.

weather modification; speech enhancement; spectral subtraction; Wiener filter; minimum mean square error

2016-11-01；

2016-11-22。

河南省氣象局科研項目(Z201508)。

王山海(1982-)，男，河南長垣人，碩士研究生，主要從事人工影響天氣信息技術方向的研究。

1671-4598(2017)04-0162-05DOI：10.16526/j.cnki.11-4762/tp

TP

A