基于MATLAB的語音增強技術研究

李敏杰

摘 要： 在增強語音的過程中，綜合考慮語音特性、噪聲特性以及聽覺特性，既要提高信噪比，也要不失真，所以為去除不同的噪聲，需要不同的語音增強算法?；谏鲜鲈?，本文以純凈語音和噪聲語音的特性為依據，介紹不同的語音增強方法處理后語音的質量好壞。

關鍵詞： 語音增強；語音特性；噪聲特性

1.前言

在生活中，語音信號往往都帶有噪聲，在對語音信號進行進一步處理（語音識別、語音合成）之前，需要對帶噪語音進行語音增強處理。對帶噪語音進行去噪處理時，要盡可能多的保留有用信號，達到有效傳遞信息，實現語音增強的目的，本文針對不同信噪比的帶噪語音進行語音增強，并對語音增強后質量好壞進行評價。

2.語音增強理論依據

干凈語音和噪聲以及二者結合的帶噪語音的特征是進行語音增強的理論依據。根據上述三類語音的語音特性，需要對其進行多方面分析，其中包括了解其時域特性以及頻域特性。

2.1 純凈語音

語音從人的口腔發聲出來的瞬間，如果周圍的環境是安靜的，則發聲的語音將沒有被周圍的噪聲所污染，我們把它稱作純凈語音信號。語音在不同幀長下服從不同的分布，比如說，進行分幀時，一般取20-30ms的幀長，此時，語音較符合伽馬分布和拉普拉斯分布。對于幀長無窮大時，認為語音此時服從高斯分布。

2.2 噪聲特性

干擾噪聲從疊加方式上可以分為兩種：加性和非加性。研究表明，對于非加性噪聲經過變換，能夠實現轉換為具有加性噪聲的特性。為了便于理論說明，這里僅討論加性噪聲的情況。而加性噪聲里不僅有平穩噪聲，還有非常難去除的非平穩噪聲。平穩噪聲的變化較慢，特性不明顯，而非平穩噪聲變化迅速，從含有非平穩噪聲的帶噪語音中恢復干凈語音信號相對困難。所以，在研究語音增強之前，一定要了解想要去除的噪聲類型，根據噪聲的時域和頻域特性研究不同的算法。

3 語音增強技術

本章重點介紹一些在實際中常用的經典的語音增強算法以及關于它們的改進算法，對結果進行評價。

3.1 譜減法及其改進算法

譜減法是最常用的語音增強算法，譜減法認為噪聲與語音相互獨立，進而估計出噪聲語音的功率譜，利用已知帶噪語音的功率譜減去和估計出的噪聲語音的功率譜相減，利用經過FFT變換得出的相位角，可以恢復出干凈語音信號。譜減法是一種十分經典，但是簡單好用的方法。

由于對帶噪信號和噪聲信號譜估計的偏差，經過譜減法增強后的語音有明顯的“音樂噪聲”，傳統的譜減法多用的是周期圖法進行譜估計，其只是一個數據窗，引入的多窗譜估計用到了同一數據序列的多個正交的數據窗，對其分別計算出直接譜，最后根據求到的譜求取平均值，該方法的估計方差更小，故而譜估計更精確。

3.2 最小均方誤差算法及其改進算法

最小均方誤差估計（）進行語音增強時也要先估計出噪聲功率譜，此增強方法主要以統計理論為基礎，利用統計特性可以實現初始化統計參數，實現最優濾波。經由MMSE增強的目的就是為了得到原始語音信號的的估計，利用處理后語音的幅值估計對均方誤差進行計算求取最小值。

對于人耳來說，頻譜分量的幅度才是最重要的，即人耳對語音強度的聽覺感受與幅度譜的對數成正比關系。研究表明，基于對數失真準則可以得到更好的頻譜估計，故而對基本MMSE的估計譜進行對數修正。

4 實驗仿真及結果分析

針對本章前面論述的各種語音增強算法，應用MATLAB仿真軟件，對譜減法及其改進算法、最小均方誤差法及其改進算法，進行仿真實驗，從信噪比、分段信噪比兩個方面對增強前后的語音進行對比分析，得出實驗結論。實驗所用數據：實驗室環境下，基于LabVIEW和NI八通道數據采集卡NI4472采集的語音，共4男4女，每人9段10秒的中文干凈語音，及噪聲庫noisex-92里的工廠噪聲factory1，語音增強算法通常工作在0～15 dB的SNR環境中，本文主要對0dB的帶噪語音進行研究，結果如下所示：

5.結論

本文介紹了基于氣導語音的語音增強的多種算法，譜減法增強效果明顯，但增強后的語音多含有音樂噪聲。最小均方誤差法達到了語音可懂度和信噪比的折中，但在強背景噪聲環境下，殘留噪聲和音樂噪聲都很大，且運算量大。每個算法均有其優缺點，本文根據上述各算法的缺點，均有其改進算法，取得了明顯的效果。

參考文獻

[1]朱穎莉. 基于多傳感器的語音增強技術研究. 碩士學位論文，華南理工大學，2013.

[2]張賢達， 保錚. 非平穩信號分析與處理.國防工業出版社， 北京， 1998.

[3]隋璐瑛， 張雄偉， 黃建軍等. 一種基于非負矩陣分解的語音增強算法[J]. 軍事通信技術.

[4]戴禮榮， 張仕良. 深度語音信號與信息處理：研究進展與展望. 數據采集與處理. 2014， 29（2）：172-179.

[5]趙力.語音信號處理.北京：機械工業出版社 2003：272-273，282-283.

[6]余建潮， 張瑞林. 改進增益函數的 MMSE 語音增強算法[J]. 計算機工程與設計， 2010 （14）： 3287-3289.

[7]T. erkmann， M. Krawczyk. MSE-optimal spectral amplitude estimation given the STFT-phase[J]. Signal Processing Letters， IEEE， 2013， 20（2）： 129-132.