[发明专利]基于GMM噪声估计的语音增强方法

权利要求书

1.一种基于GMM噪声估计的语音增强方法，其特征是用GMM从含噪语音中实时估计噪声参数和纯净语音特征参数，并根据估得的纯净语音特征参数计算谱减系数，对含噪语音的频谱进行谱减，恢复时域信号，得到增强后的语音；

具体包括：

(1)利用一个含有多个高斯单元的GMM描述纯净语音特征向量的分布，在训练阶段用纯净训练语音的特征向量训练生成该GMM；

(2)用于谱减的噪声均值通过GMM从含噪语音特征向量中实时估计，在噪声估计中，不区分语音帧和非语音帧，而是逐帧更新噪声的均值；

(3)在噪声参数估计中，除估计噪声均值外，还估计噪声的方差；

(4)利用估得的噪声均值和方差对GMM的均值和方差进行变换，使之与当前环境相匹配，并用最小均方误差算法估计纯净语音特征向量；

(5)将估得的纯净语音特征向量变换到线性谱域，计算人耳的掩蔽阈值，得到每个离散数字频率处的掩蔽阈值，并根据掩蔽阈值计算谱减系数；

(6)根据估得的噪声均值和谱减系数，对语音帧的含噪语音频谱进行幅度谱减，得到增强后的语音幅度谱，对非语音帧的噪声幅度谱乘以一个较小的噪声保留系数。

2.根据权利要求1所述的一种基于GMM噪声估计的语音增强方法，其特征在于：噪声的均值和方差通过最大期望算法和最大似然准则从若干帧含噪语音或噪声中估计，用于噪声估计的信号包括当前帧及其之前的若干帧，帧数一般取20～30帧。

3.根据权利要求1所述的一种基于GMM噪声估计的语音增强方法，其特征在于：纯净语音估计中得到纯净语音特征向量不直接作为增强后的语音，而是根据其计算人耳的掩蔽阈值，根据掩蔽阈值计算谱减法的过减系数和噪声保留系数。

4.根据权利要求1所述的一种基于GMM噪声估计的语音增强方法，其特征在于：谱减法的过减系数α(k)根据下式计算：

α(k)=max([α0-T(k)N(k)],1)]]>

其中，k为离散数字频率，T(k)为掩蔽阈值，N(k)为噪声均值，α₀为常数，α(k)为离散数字频率k处的过减系数。