[发明专利]语音增强方法

说明书

技术领域

本发明涉及语音信号处理技术领域，特别是涉及一种语音增强方法。

背景技术

现实生活中语音信号不可避免的会受到背景噪声的污染，背景噪声使许多语音处理系统的性能急剧下降。语音增强作为一种信号处理方法，是解决噪声污染的一种高效途径。语音增强的目的就是在保证语音可懂度的前提下，尽可能的去除背景噪声，提高语音的主观听觉效果。传统语音增强算法在平稳噪声以及高信噪比环境中可以取得较好的效果，然而，在非平稳噪声及低信噪比下增强效果由于语音失真和残留噪声的影响而不能令人满意。

尽管目前语音增强在理论上并未完全解决，还有待发展，但某些增强算法已被证明是有效的，代表性的语音增强算法包括谱减法、维纳滤波法、最小均方误差估计法（minimum mean square error，MMSE）、子空间法、基于小波变换的增强方法等。这些方法大都基于频域中语音和噪声分量的统计模型，并结合各种估计理论来设计具有针对性的噪声消除技术。

传统谱减法用带噪语音功率谱减去噪声功率谱，由于人耳对相位不敏感，因此相位不做处理。谱减法算法复杂度比较低，容易实现，但由于其局部平稳性的假设与实际情况并不相符，因此增强后的语音信号中存在着影响听觉效果的音乐噪声。

维纳滤波法通过最小化目标信号和估计信号之间的均方差获得干净语音的谱幅度估计。但是，算法主要针对平稳噪声，在非平稳噪声及低信噪比环境下，增强后的语音信号中残留背景噪声较大。

MMSE方法中，假设语音谱和噪声谱服从零均值高斯分布，基于谱幅度MMSE准则计算得到了谱增益函数。但是，由于语音和噪声信号的非平稳性和多样性，语音和噪声的假设模型与实际情况不可避免的会存在偏差，而且在求解过程中为了能够得到一些复杂方程的解，还需要做一些简化与假设，因而MMSE方法在追求减小噪声的同时，也导致了语音畸变，而且残留噪声也严重影响了语音的清晰度和可懂度。

发明内容

基于此，有必要针对传统的语音增强方法仍然会有噪声残留的问题，提供一种语音增强方法。

一种语音增强方法，包括如下步骤：基于短时谱幅度估计方法对语音信号进行降噪处理；基于人耳掩蔽效应对经过降噪处理的语音信号中的残留噪声进行掩蔽处理。

在其中一个实施例中，所述短时谱幅度估计方法为对数谱幅度最小均方误差估计方法。

在其中一个实施例中，所述对数谱幅度最小均方误差估计方法包括如下处理步骤：

对语音信号以10～30毫秒为一段进行分帧；

对每一帧语音信号进行快速傅里叶变换，获得所述语音信号的短时对数谱，提取并存储相位信息；

对所述短时对数谱进行最小均方误差估计得到幅度谱；

利用所述幅度谱和相位信息重建语音信号。

在其中一个实施例中，在所述对短时对数谱进行最小均方误差估计得到幅度谱的步骤中，所述估计得到的幅度谱为：

其中ξ(k)为先验信噪比，定义为λ_x(k)、λ_d(k)分别表示信号和噪声第k个谱分量的方差；γ(k)为后验信噪比，定义为R(k)为语音信号的第k个谱分量。

在其中一个实施例中，所述短时谱幅度估计方法中所需要的噪声估计方法选自如下方法中的一种：

基于最优平滑和最小统计的噪声估计算法；

改进的最小受控递归平均法。

在其中一个实施例中，所述基于人耳掩蔽效应对经过降噪处理的语音信号中的残留噪声进行掩蔽处理的步骤包括：

对输入带噪语音信号进行初估获得初估纯净语音；

将所述初估的纯净语音结合心理声学模型计算听觉掩蔽阈值；

根据所述听觉掩蔽阈值计算感知增益函数，所述感知增益函数使得语音失真最小同时残留噪声处于所述听觉掩蔽阈值下。

在其中一个实施例中，所述对经过降噪处理的语音信号进行初估获得纯净语音的步骤中，采用谱减法进行纯净语音信号的初估。谱减法计算过程为：

|X(k)|＝(|R(k)|^m-n(λ_d(k))^m)^1/m

式中R(k)为输入带噪语音的幅度谱，λ_d(k)为估计的噪声，m和n为常数。

在其中一个实施例中，所述感知增益函数G(k)为：

其中Z(k)是残留噪声幅度谱，T(k)是所述听觉掩蔽阈值。