MMSE—LSA語音增強算法的研究及實現

趙宏志 安朋博 杜麗霞

摘 要：語音增強是解決語音噪聲污染的一種有效手段。本文簡單介紹了現有的基于語音短時對數譜的最小均方誤差（MMSE-LSA）進行估計的語音增強算法。利用幀間平滑定義平滑系數來對先驗信噪比進行連續估計，在減少語音失真機會的同時，能夠有效地抑制殘留噪聲。文章還通過MATLAB仿真分析其優劣，并結合算法的優點來達到語音增強的最佳效果，從而提高語音信號的可懂度和識別率。

關鍵詞：語音增強；MMSE-LSA；幀間平滑；MATLAB仿真

中圖分類號：TP391.42；TN912.3 文獻標識碼：A 文章編號：2096-4706（2018）02-0118-02

Research and Implementation of MMSE-LSA Speech Enhancement algorithm

ZHAO Hongzhi，AN Pengbo，DU Lixia

（School of Electronics and Information Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China）

Abstract：Speech enhancement is an effective means to solve speech noise pollution.This paper briefly introduces the existing speech enhancement algorithm based on the minimum mean-squared error （MMSE-LSA） estimation of speech short-time log spectrum，then improve the speech enhancement algorithm based on MMSE-LSA，to improve the effect of speech enhancement，and the enhanced speech is more in line with human hearing.Using inter-frame smoothing to define the smoothing coefficient continuously estimates the a priori SNR，which can effectively suppress the residual noise while reducing the opportunity for speech distortion.The advantages and disadvantages are analyzed through MATLAB simulation，and the advantages of the algorithm are combined to achieve the best effect of speech enhancement，thereby improving the intelligibility and recognition rate of the speech signal.

Keywords：speech enhancement；MMSE-LSA；inter-frame smoothing；MATLAB simulation

0 引 言

語音信號是人類傳播信息和表達感情的重要媒體，是聽覺器官對聲音傳播介質機械振動地感知，也是人類最重要、最有效、最常用和最方便的通信方式。但是語音信號在傳送過程中會受到不同程度的干擾，這會影響語音的質量與自然度。因此需要從帶噪語音信號中提取出盡可能純凈的原始語音，并對帶噪語音信號進行語音增強處理，從而達到抗噪效果。

本文以基本的MMSE-LSA算法為基礎，結合其優點提出了新的增強算法，并對其進行了大量的仿真實驗，實驗結果說明該方法對語音有顯著的增強效果。

1 短時對數譜的MMSE語音增強算法

設帶噪信號為y（t）=s（t）+d（t），0≤t≤T，其中s（t）為純凈語音信號，d（t）為平穩、加性、高斯白噪聲。令Yk=Rkexp（jθk），Sk=Akexp（jαk），分別表示帶噪語音y（t）、信號s（t）和噪聲d（t）進行FFT后的第k個頻譜分量；Rk、Ak分別表示帯噪語音和純凈語音信號的幅值。語音增強的任務就是利用已知的噪聲功率譜信息，從y（t）中估計出s（t），即由Yk估計出Sk。這里僅需求出頻譜幅度的對數，然后對純凈語音的短時對數譜作最小均方誤差估計。處理后的語音由估計得到的幅度譜和相位重建。因而估值問題可以簡化為估計Ak。Ak的估計式為：?k=exp{E[lnAk|Yk]}。

設Zk=lnAk，則有：

（1）

為求均方誤差最小值。通過計算的到增益函數可以寫成：

（2）

其中ξk、γk分別是先驗信噪比和后驗信噪比。

2 先驗信噪比的求解及進行幀間平滑

先驗信噪比ξk的求解是由前一幀先驗信噪比ξk-1與當前后驗信噪比γk共同決定的。然而MMSE-LSA估計量是在假定先驗信噪比ξk和噪聲方差λd（k）己知的條件下得到的。在實際系統中，這些參數通常由估計得到。在語音起始段和結束段時不能很好地跟蹤先驗信噪比的變化。因此，先驗信噪比和在頻域進行頻譜的平滑是問題的關鍵。

2.1 先驗信噪比的估計

引入直接決策（Decision-Directed）算法對先驗信噪比進行估計，同時決定前一幀先驗信噪比ξk-1與當前后驗信噪比γk對當前幀先驗信噪比的貢獻。根據先驗信噪比與后驗信噪比的關系為ξk（n）=γk（n）-1，由此可得：

（3）

在該式中，pd（k，n-1）表示噪聲能量；Ak（n-1）表示n-1個分幀中第k個分量的語音頻譜幅度；α為直接決策系數，。由于語言信號的短時平穩性，α的取值應該隨著當前后驗信噪比和前一幀的先驗信噪比的變化而變化。但由于直接決策算法估計出的當前幀的增益函數只與前一幀有關，因而不能較好地匹配當前幀。由此需要在幀與幀之間進行增強處理時，要更加平滑以減少各點之間的不連續性。

2.2 幀間平滑處理

由于對當前幀的平滑需要利用后一幀的信息，因此在需要實時處理的情況下，采用一個兩點的平滑濾波器，假設待平滑頻域樣點序列為Si=[si，0，si，1，si，2，…，si，N-1]，其中N為頻點個數。待平滑幀前一幀頻域樣點序列為Si-1=[si-1，0，si-1，1，si-1，2，…，si-1，N-1]，則經由平滑處理后，當前幀頻域樣點序列為，其中。定義平滑因子α（k，n），首先定義前一幀的先驗信噪比為ξk-1，當前幀的后驗信噪比為γk，并定義代價函數J為增強后語音 與純凈語音s（n）的均方誤差，即：

（4）

令J對因子α的偏導數為0，可得：α（k，n）=1-?[ξ（k-1，n），γ（k，n）]，其中函數：

（5）

則可得先驗信噪比為：

（6）

考慮幀間平滑可得：

（7）

3 算法實現及仿真結果

通過MATLAB對算法進行仿真，并對時域波形和語譜圖進行觀察分析，可知優化后的MMSE-LSA與原來的算法相比，能夠有效地濾除背景噪聲并且減少原始語音信號的失真。圖1是原始語音信號及加噪語音信號和增強后語音信號波形。試驗對不同信噪比條件下的含噪語音進行了增強，通過觀察語音信號的時域波形圖和語譜圖，發現新算法能夠在有效濾除背景噪聲的情況下保持原始語音信號的較小失真，從而有效地改善語音質量。

圖1 增強后的波形對比圖

4 結 論

本文主要研究了基于短時對數譜的語音增強（MMSE-LSA）算法，以及算法中先驗信噪比的估計和幀間平滑。試驗表明該新算法在保證較小失真的情況下，比較明顯地降低了噪聲，在性能上比原MMSE-LSA算法有較大的優勢，并且運算量不大，適用范圍廣。

參考文獻：

[1] 朱先和，楊世平.基于小波變換對信號噪聲的處理研究 [J].電子科技，2016，29（6）：128-131.

[2] Hu Y，Loizou P C. Speech enhancement based on wavelet thresholding the multitaper spectrum [J].IEEE Transactions on Speech & Audio Processing，2004，12（1）：59-67.

[3] 李軒，張瑜，關慶陽.衛星信道MMSE和LS均衡算法性能比較 [J].電子科技，2015，28（7）：84-86.

[4] Hasan M K，Zilany MSA，Khan M R. DCT speech enhancement with hard and soft thresholding criteria[J]. Electronics Letters，2002，38（13）：669-670.

[5] 楊龍.幾種單通道的語音增強算法研究 [J].科技視界，2015（26）：155+222.

[6] Wang Y，Han K，Wang D L. Exploring Monaural Features for Classification-Based Speech Segregation [J].IEEE Transactions on Audio Speech & Language Processing，2013，21（2）：270-279.

[7] Xu T，Wang W. A block-based compressed sensing method for underdetermined blind speech separation incorporating binary mask [C]// IEEE International Conference on Acoustics Speech and Signal Processing，2010，130（5）：2022-2025.