正交匹配追蹤在語音增強中的應用

李明

摘要：將正交匹配追蹤應用于語音增強領域，提出了一種新的語音增強方法。分析時頻域的實驗結果表明，該方法在低信噪比下能較好地還原語音信號的有用信息。

關鍵詞：語音增強，正交匹配追蹤，時頻分析

中圖分類號：TN912.35文獻標識碼：A 文章編號：1674-098X（2017）12（a）-0000-00

語音增強的目的是從帶噪語音信號中提取出盡可能純凈的原始語音，從而提升語音質量，提高語音的可懂度[1]。實際環境中，語音通常會受到外界環境的干擾，尤其是在傳輸媒介中引入的噪聲，電器設備的噪聲，以及其他說話人的干擾等，表現形式為周期性噪聲、沖激噪聲和高斯白噪聲等。純凈的語音信號一般只能在實驗室采集，為此語音增強技術已發展為語音信號處理中的一個重要組成部分。語音增強最為經典的方法是譜減法，其基本思想是利用語音信號的短時和平穩性，將帶噪語音信號的短時譜減掉估計噪聲的短時譜，從而得到較為純凈的語音信號[2]。然而，譜減法由于在頻域會出現隨機尖峰，相應時域則會出現一些類正弦信號的疊加現象。1993年，Mallat提出從高度冗余的完備字典中選擇最為匹配的原子來逼近原始信號的方法，該方法具有很好的自適應能力[3]。本文將正交匹配追蹤應用于低信噪比下的語音增強，實驗結果表明，該方法能較好地還原有用語音信息成分。

1. 算法原理

正交匹配追蹤 （OMP）是在匹配追蹤（MP）的基礎上提出的，其算法核心是將所構原子庫空間的原子按Gram-Schmidt正交化方法進行正交化處理，然后用類似于MP算法將信號在這些正交原子構成的空間上進行分解[4]。由于該方法在遞歸過程中增加了原子正交化的環節，因此確保了每次迭代得到的結果最優。其算法步驟如下：

（1）假設D為信號稀疏分解的過完備原子庫， 為待處理的信號序列，信號殘余 ，已選原子的集合 為空集，迭代次數 。

（2）從字典D中選出與待分解信號 最為匹配的原子 ，需滿足以下條件：

（1）

（3）更新已選原子的集合 。

（4）根據最小二乘法求得投影系數 ，信號 ，殘余 。

（5）更新迭代次數 ，判斷殘余信號與原始信號的能量比 是否小于設定值，若不滿足則返回步驟（2），若滿足則輸出重構信號： ，殘余 。

由此可知，OMP是一種將信號依據原子逐步分解的過程。首先，在原子庫中選取與信號最為匹配的原子，然后將匹配的成分從原信號中減去殘余；在之后的每次迭代中，選擇與殘余最為匹配的原子，并將所有選中的原子正交化，在其原始信號上進行投影，并提取匹配部分、留下殘余。按照這種方式反復迭代，直到殘余信號的能量小于設定的閾值或達到最大迭代次數。該方法利用過完備原子庫D 對帶噪信號進行分解，從而去除噪聲干擾[5]。

2. 實驗結果與分析

分析圖1和圖2可知，在低信噪比環境下，文中所提方法能較好地去除高斯白噪聲對純凈語音信號的干擾，語音增強后的頻譜圖更為清晰地反映了純凈語音信號的有用細節信息。

3. 結語

本文將自適應信號處理中的正交匹配追蹤算法應用于語音增強領域，提出了一種新的語音增強方法。實驗結果表明，該方法在低信噪比下能較好地還原原始語音信號的有用信息，魯棒性較好。

參考文獻：

[1] 蘆靖. 單通道語音增強算法的研究與應用[D]. 西安：西安電子科技大學， 2009.

[2] Xu H Y. Speech Enhancement Based on Compressed Sensing Technology[J]. Sensors & Transducers， 2014，181（10）：141-145.

[3] Mallat S G， Zhang Z. Matching pursuits with time-frequency dictionaries[J]. IEEE Transactions on Signal Processing， 1993， 41（12）： 3397-3415.

[4] 郭昕， 于鳳芹. 基于匹配追蹤與子空間聯合的語音增強[J]. 電聲技術， 2008， 32（9）： 52-55.

[5] 王林， 蔡改改， 高冠琪， 等. 基于改進MP的稀疏表示快速算法及其滾動軸承故障特征提取應用. 振動與沖擊， 2017， 36（3）： 176-182.