[发明专利]基于GMM噪声估计的语音增强方法

摘要

本发明公开一种基于高斯混合模型(GMM：Gaussian Mixture Model)噪声估计的语音增强方法，用GMM估计背景噪声和谱减系数，对含噪语音进行谱减，恢复纯净语音。首先，含噪语音经过预处理得到含噪语音的幅度和相位，幅度用于噪声估计和谱减，相位用于恢复时域信号；然后利用GMM从含噪语音中实时估计噪声参数和纯净语音倒谱特征，并根据估得的纯净语音倒谱特征计算谱减系数；最后，对含噪语音的频谱进行谱减，恢复时域信号，并用重叠相加法得到增强后的语音。本发明可以显著提高语音增强算法对非平稳噪声的跟踪能力。

主权项

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。