[发明专利]一种基于人耳掩蔽效应与贝叶斯估计的改进谱减方法

权利要求书

1.一种基于人耳掩蔽效应与贝叶斯估计的改进谱减方法，其特征在于，包括以下步骤：

1)采用改进的最小控制值递归平均算法，对原始带噪语音进行噪声估计，得到噪声功率谱估计；

2)结合步骤1)求解的噪声功率谱估计对带噪语音信号进行初次谱减；

3)对初次谱减后的带噪语音信号进行基于加权似然比失真测度的贝叶斯估计，计算信号增强谱；

4)利用人耳掩蔽效应计算第二次谱减的减参数；

5)再次采用改进的最小控制值递归平均算法进行噪声估计，利用步骤4)计算的减参数对信号增强谱进行第二次谱减，得到最终的增强语音信号；

6)对增强后的语音信号进行反傅里叶变换，得到最终的增强语音。

2.根据权利要求1所述的一种基于人耳掩蔽效应与贝叶斯估计的改进谱减方法，其特征在于，所述步骤1)，噪声功率谱估计的具体求解如下：

11)对离散时间带噪语音信号y(n)的M个样本加窗，并进行M点的FFT，将带噪语音信号变换到频域，得到带噪语音的频域信号Y(λ,k)，

其中，y(n)＝d(n)+x(n)，d(n)为噪声信号，x(n)为纯净信号，n代表不同时刻；

λ为帧数标记，k，k＝0,1,2,…,M-1表示频点；

12)对带噪语音的频域信号进行第一次平滑，采用公式(1)计算平滑功率谱S(λ,k)，并不断更新其最小值S_min(λ,k)；

S(λ,k)＝α_sS(λ-1,k)+(1-α_s)S_f(λ,k) (1)

其中，α_s为平滑因子，

其中，w(i)为Hanning窗函数，L_w为i的取值上限；

最小值S_min(λ,k)的更新如下：

首先设置一个临时变量S_tmp(λ,k)，初始化S_tmp(0,k)＝S(0,k)，如果当前帧数λ能够被D整除，则S_min(λ,k)根据公式(3)进行更新，同时将S_tmp(λ,k)设为S(λ,k)：

S_min(λ,k)＝min{S_tmp(λ-1,k),S(λ,k)} (3)

如果当前帧数λ不能够被D整除，那么先依据公式(4)更新S_min(λ,k)，同时再根据公式(5)更新临时变量S_tmp(λ,k)：

S_min(λ,k)＝min{S_min(λ-1,k),S(λ,k)} (4)

S_tmp(λ,k)＝min{S_tmp(λ-1,k),S(λ,k)} (5)

13)利用S_min(λ,k)，通过公式(6)计算指示函数I(λ,k)：

其中，γ₀与ζ₀为阈值参数，且

其中，B_min表示最小噪声估计的偏差；

14)根据指示函数I(λ,k)进行第二次平滑，利用公式(8)、公式(9)计算平滑功率谱密度并实时更新最小值

15)利用通过公式(10)、公式(11)计算不存在语音的先验概率q(λ,k)：

其中，γ₁，为阈值参数；

16)计算语音存在概率p(λ,k)：

其中，γ_k(λ)和ξ_k(λ)分别为频点k的后验信噪比与先验信噪比，

其中，是前一帧经过补偿后的噪声功率谱估计，α_q为权重因子，为对数增益函数，为一个指数积分，t为积分变量；

17)利用语音存在概率p(λ,k)通过公式(16)计算平滑参数α_d(λ,k)，并根据公式(17)和公式(18)更新噪声谱，

其中，为计算的噪声功率谱估计，为经过补偿后的噪声功率谱估计，

α_i取0.8，β_i为偏差补偿因子，取1.47。