[发明专利]一种语音滤波方法

说明书

技术领域

本发明涉及一种语音滤波方法，尤其是涉及一种基于改进的卡尔曼滤波算法的语音滤波方法。

背景技术

语音增强算法中一个很重要的问题是噪音估计问题。基于语音活动检测(VoiceActivity Detection，VAD)和最小值统计跟踪两种噪音估计方法是都是较好的噪音估计方法，对噪声功率谱有较好的整型效果，使得增强后的语音具有较好的听觉效果。另一个重要的问题是如何有效地去除噪声信号，以得到较好的语音增强效果。扩展卡尔曼滤波算法是一种良好的非平稳噪声环境下的语音增强算法，具有良好的语音增强效果，在语音的信噪比、可懂度、舒适度方面都有所提高，同时降低语音信号的失真度。

VAD用于判断语音信号有声段和无声段，是常用的语音信号处理技术，通过与门限阈值的比较，来检测有声段和无声段。最小值统计跟踪方法相比于VAD可以较快地跟踪变化的噪音，以判断有声段与无声段，应用最小值统计跟踪方法进行参数估计可以获得较好的噪声谱估计值。

大部分的语音活动检测判决都是基于背景噪声是平稳的这种假设之上的，但在不断变化的语音和背景噪声的实际环境中，语音活动检测就很难找到一个或一系列数值作为判断有声段和无声段的门限阈值，使得这种判断方法变得复杂，也对噪声谱的估计造成了影响。在复杂度背景噪声环境下，噪声具有随机非平稳性且语音停顿阶段或者语音微弱时，带噪声语音功率谱不是噪音功率谱，在上面这种情况下，应用最小值统计跟踪方法时带噪声语音功率谱的估计值就会产生较大的误差。扩展卡尔曼滤波由于误差的影响可能出现滤波发散的问题，采用平方根卡尔曼滤波可以抑制滤波发散，但不能完全保证滤波的收敛性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种噪声小、信号收敛性好的语音滤波方法。

本发明的目的可以通过以下技术方案来实现：

一种语音滤波方法，包括以下步骤：

1)采集带噪声的语音信号作为输入信号；

2)采用功率谱相减法对输入信号进行初步去噪处理；

3)对初步去噪后的语音信号采用二阶扩展卡尔曼滤波算法进行消噪处理；

4)对步骤3)处理后的语音信号采用二阶扩展卡尔曼平滑算法消去尖峰毛刺；

5)判断经步骤4)处理后的语音信号是否收敛，若为是，则输出该语音信号，若为否，则对所述的语音信号进行平方根扩展卡尔曼滤波后执行步骤6)；

6)判断进行平方根扩展卡尔曼滤波后的语音信号是否收敛，若为是，则输出该语音信号，若为否，则通过增益矩阵加权的方法得到收敛的语音信号，并输出。

语音信号是否收敛的判断条件为：

ε^T(k)ε(k)＝Tr{E[ε^T(k)ε(k)]}

其中，ε(k)为白噪声序列，Tr为矩阵迹，ε^T(k)ε(k)是新息序列的平方和，表示实际估计误差，E表示求矩估计，Tr{E[ε^T(k)ε(k)]}是新息序列的协方差矩阵的迹，表示理论误差。

步骤6)中增益矩阵加权递归到不满足滤波收敛的条件时，增益矩阵就保持常数不变，直到重新满足滤波收敛的条件为止。

与现有技术相比，本发明采用二阶扩展卡尔曼滤波与二阶扩展卡尔曼平滑的方法使得语音信号逼近二阶精度，在滤波发散问题上，采用平方根卡尔曼滤波算法和增益矩阵加权的方法可以使滤波具有较好的稳定性和收敛性。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，一种语音滤波方法，包括以下步骤：

步骤S1：采集带噪声的语音信号作为输入信号；

步骤S2：采用功率谱相减法对输入信号进行初步去噪处理；

步骤S3：对初步去噪后的语音信号采用二阶扩展卡尔曼滤波算法进行消噪处理；

步骤S4：对步骤S3处理后的语音信号采用二阶扩展卡尔曼平滑算法消去尖峰毛刺；

步骤S5：判断经步骤S4处理后的语音信号是否收敛，若为是，则执行步骤S9输出该语音信号，若为否，则执行步骤S6：

步骤S6：对语音信号进行平方根扩展卡尔曼滤波后执行步骤S7；

步骤S7：判断进行平方根扩展卡尔曼滤波后的语音信号是否收敛，若为是，则执行步骤S9输出该语音信号，若为否，则执行步骤S8通过增益矩阵加权的方法得到收敛的语音信号，然后执行步骤S9输出语音信号。