第15章語音增強第15章語音增強1目錄15.1概述15.2語音特性、人耳感知特性及噪聲特性15.2.1語音特性15.2.2人耳感知特性15.2.3噪聲特性15.3濾波器法15.3.1固定濾波器15-.3.2自適應濾波15.3.3變換技術15.4非線性處理15.4.1中心削波15.4.2同態濾波法15.5減譜法15.5.1減譜法15.5.2減譜法的改進形式15.6自相關相減法15.7自適應噪聲對消15.7.1自適應濾波15.7.2具有參考信號的自適應噪聲對消15.7.3利用延遲來建立參考信號的自適應噪聲對消目錄15.1概述215.1概述語音增強是解決噪聲污染的一種有效方法，它的一個主要目標是從帶噪語音信號中提取盡可能純凈的原始語音，即去掉語音信號中的噪聲和干擾，改善它的質量。語音增強是語音信號處理系統的重要組成部分。各種增強方法各有長處并且適用于不同的應用場合。15.1概述語音增強是解決噪聲污染的一種有效方法，它的315.1概述語音增強的目的主要有兩個：一是改進語音質量，消除背景噪聲，使聽者樂于接受，不感覺疲勞，這是一種主觀度量；二是提高語音可懂度，這是一種客觀度量。這兩個目的往往不能兼得。15.1概述語音增強的目的主要有兩個：4語音增強方法語音增強方法有多種，大致分為三類：①基于語音產生模型如：線性濾波法、梳狀濾波法、自相關法②基于語音模型和噪聲模型如：維納濾波法、卡爾曼濾波法③基于噪聲特性(短時譜估計)

如：頻譜減法、自適應噪聲抵消法語音增強方法語音增強方法有多種，大致分為三類：515.2語音特性、人耳感知特性及噪聲特性

------語音特性

語音是一時變的、非平穩的隨機過程，但由于一段時間內(10～30ms)人的聲帶和聲道形狀的相對穩定性，可認為其特征是不變的，因而語音的短時譜具有相對穩定性。在語音增強中，可以利用濁音的周期性特征，采用梳狀濾波器提取語音分量或者抑制非語音信號，而清音則難以與寬帶噪聲區分。語音信號可以用統計分析特性來描述。語音的短時譜幅度的統計特性是時變的，只有當分析幀長趨于無窮大時，才能近似認為其具有高斯分布。高斯分布模型是根據中心極限定理得到的，將高斯模型應用于有限幀長只是一種近似的描述。在寬帶噪聲污染的語音增強中，可將這種假設作為分析的前提。15.2語音特性、人耳感知特性及噪聲特性

------語音特615.2語音特性、人耳感知特性及噪聲特性

------人耳感知特性語音感知問題涉及到生理學、心理學、聲學和語音學諸多領域，人耳對背景噪聲有很大的抑制作用，其中很多問題有待進一步研究。目前已有一些結論可用于語音增強：①人耳對語音的感知主要是通過其幅度譜獲得的，而對相位譜則不敏感。②人耳對頻率高低的感受近似與該頻率的對數值成正比。③人耳有掩蔽效應，即強信號對弱信號有抑制作用，能夠將其掩蓋。利用人耳的生理特點，提高語音信號的信噪比，使有用的語音信號大于噪聲一定級別，就可以在語音與噪聲共存的情況下感覺不到噪聲的存在。④共振峰對語音的感知十分重要，特別是第二共振峰比第一共振峰更為重要，因此對語音信號進行一定程度的高通濾波不會對可懂度產生影響。⑤人耳在兩個人以上的說話環境中能夠分辨出他所需要的聲音。15.2語音特性、人耳感知特性及噪聲特性

------人耳感715.2語音特性、人耳感知特性及噪聲特性

------噪聲特性周期性噪聲的特點是有許多離散的窄譜峰，來源于發動機等周期性運轉的機械。可以容易地通過檢查功率譜發現并通過濾波或變換技術將其去掉。沖激噪聲表現為時域波形中突然出現的窄脈沖是放電的結果。根據帶噪語音信號幅度的平均值確定閾值。當信號幅度超出這一閾值時，判別為沖激噪聲，再對其進行衰減甚至完全消除。如果干擾脈沖之間不太靠近，還可以根據信號相鄰樣本數值簡單地通過內插法將其從時間函數中去掉。寬帶噪聲通常可以假定為高斯噪聲和白噪聲。來源:風、呼吸噪聲和一般隨機噪聲源。量化噪聲通常作為白噪聲來處理，也可以視為寬帶噪聲。消除的最成功的方法利用了某些非線性處理。目前的一些方法雖然降低了背景噪聲，提高了信噪比，但并不提高語音的可懂度。15.2語音特性、人耳感知特性及噪聲特性

------噪聲特815.2語音特性、人耳感知特性及噪聲特性

------濾波器法有三種常用的濾波器：固定濾波器自適應濾波器傅里葉變換濾波器。15.2語音特性、人耳感知特性及噪聲特性

------濾波器915.2語音特性、人耳感知特性及噪聲特性

------固定濾波器固定濾波器用于濾除平穩干擾成分。最常見的是50或60Hz交流聲。濾除60Hz成分很少采用高通濾波器，因為干擾是由60Hz的奇次諧波引起的，特別是3～7次諧波(交流哼聲就是60Hz交流聲，它具有豐富的諧波，這種諧波一般是由于話筒輸入插孔沒有接地而造成的)。15.2語音特性、人耳感知特性及噪聲特性

------固定濾1015.2語音特性、人耳感知特性及噪聲特性

------固定濾波器(a)中，它由一個延時器和一個加法器構成。延遲時間為T，它等于濾波器凹口間的間隔f0的倒數。(b)反饋使極點離開原點，并接近零點。當極點靠近零點時，除各零點附近以外，在單位圓各處都會引起部分對消。因此梳齒可以變得很窄，而梳齒之間的響應又是平坦的。15.2語音特性、人耳感知特性及噪聲特性

------固定濾1115.2語音特性、人耳感知特性及噪聲特性

------自適應濾波自適應濾波能夠自動辨認應該濾除的成分。由線性預測器構成一個濾波器，其頻率響應近似等于輸入信號的逆功率譜，這就可以實現自適應。如果噪聲是平穩或是緩變的，則在無語音期間便可以對噪聲進行估計，并根據估計的結果調整波濾器。采用這種方法的主要問題是，所得到的濾波器一般不是譜平衡的，這種不平衡使恢復的語音著色，并可能干擾線性預測聲碼器的工作。如果通過上述的部分使極點-零點對消而使凹口變窄，不會明顯地改善系統的性能。某些實驗表明，如果使LPC預測器的階數比通常采用的階數高得多，則可以去除干擾，改善語音。15.2語音特性、人耳感知特性及噪聲特性

------自適應1215.2語音特性、人耳感知特性及噪聲特性

------變換技術(a)所示。信號要經過DFT變換到頻域，在頻域進行處理，然后用IDFT來重建語音信號。(b)所示為頻譜整形器，它可以是簡單的一系列選通門。它可將噪聲成分變換到零值，則反變換后的信號周期性干擾將被濾除。15.2語音特性、人耳感知特性及噪聲特性

------變換技1315.4非線性處理去除寬帶噪聲的主要方法分為三類：非線性處理減譜法自適應對消15.4非線性處理去除寬帶噪聲的主要方法分為三類：1415.4非線性處理--中心削波可以通過削波進行非線性處理。原理是因為低幅度語音被同時消去將使語音質量變壞，如果噪聲的幅度比語音低，則消去整個低幅度成分，就會消去噪聲。時域波形經過中心削波對可懂度是有害的，因為低幅度語音被同時消去將使語音質量變壞，所以中心削波必須在頻域內進行。這種方法可以用來降低語音中的混響。這里使用一個濾波器組，并對各濾波器的輸出進行中心削波，然后在組合前使輸出再通過一個相同的濾波器組，濾除由削波產生的畸變成分。15.4非線性處理--中心削波可以通過削波進行非線性處理。1515.4非線性處理--同態濾波法同態濾波法的關鍵部分具有非線性處理性質，它應用于語音識別中，著眼于將語音信息(基音、頻譜)中的乘性噪聲或干擾分離，或者將已減少了噪聲、干擾的信息重新合成得到降噪時域信號再進行識別。圖15-3非線性處理中的同態濾波法框圖15.4非線性處理--同態濾波法同態濾波法的關鍵部分具有非1615.5減譜法由于人耳對語音相位不敏感，所以對語音的可懂度及質量起重要作用的是語音的短時幅度譜，而不是相位。因而，這里只考慮了幅度譜。因為噪聲是局部平穩的，故可以認為發語音前的噪聲與發語音期的噪聲功率譜相同，因而可以利用發語音前(或后)的“寂靜幀”來估計噪聲。圖中，平方根的處理是用以將功率轉換為幅度。只要噪聲假定為白噪聲，則被減去的估計譜可近似為一常數。此時，減譜法的功能與中心削波法相同。圖15-4減譜法的原理框圖15.5減譜法由于人耳對語音相位不敏感，所以對語音的可懂度1715.5減譜法–改進形式原來的缺點:噪聲的幀功率譜隨機變化范圍很寬，在頻域中的最大、最小值之比往往達到幾個數量級，而最大值與均值之比也達6～8倍。因此，帶噪信號在減去噪聲譜后，噪聲分量很大的那些頻率點上就會剩余較大的部分，在頻譜上呈現出隨機出現的尖峰，使去噪語音在聽覺上形成殘留噪聲。這種噪聲具有一定的節奏性起伏感，所以稱之為“音樂噪聲”，它影響了語音的自然度甚至可懂度。另一方面，在增強語音的過程中，提高信噪比與提高語音的可懂度是一對矛盾。在濾除噪聲的同時或多或少地會損害語音信號。一般說來，噪聲濾除得越多，語音信號被損害的程度就越厲害，可懂度就越多。特別在低噪比情況下，這一矛盾更為突出。減譜的改進形式可以較好地消除音樂噪聲，優化處理語音質量和可懂度這一對矛盾。噪聲的能量往往分布于整個頻率范圍，而語音能量則較集中于某些頻率或頻段，尤其在元音的共振峰處。15.5減譜法–改進形式原來的缺點:1815.5減譜法–改進形式引入α、β兩個參數為算法提供了很大的靈活性。當α＝2、β＝1時即變為基本的減譜法。針對語音信號的強弱及噪聲的特點，選擇恰當的參數，可更好地消除音樂噪聲。實際的增強實驗表明，適當調節α、β，可以獲得比原始的減譜法更好的增強效果。15.5減譜法–改進形式引入α、β兩個參數為算法提供了很大1915.5減譜法–改進形式它增加了一步IFFT變換，變換到偽倒譜域中(實際上這并不是真正的倒譜，故稱其為“偽”倒譜)。在偽倒譜域中語音和噪聲可以更好地進行分離。α的數值根據經驗選取。α為3～4時，信噪比可改善6dB左右。將該方法應用于LPC編碼前的帶噪語音上，使可懂度得到了改善。這是因為采用減譜法改善了頻譜畸變，使預測器和要求的語音頻譜匹配得更好。圖15-6偽倒譜相減法15.5減譜法–改進形式它增加了一步IFFT變換，變換到偽2015.6自相關相減法基本出發點是：從含噪語音中減去寬帶噪聲的最佳估計。利用信號本身相關，而信號與噪聲、噪聲與噪聲之間可看做不相關的特性，可以將帶噪信號進行自相關處理，使其得到與不帶噪信號同樣的自相關系數幀序列。15.6自相關相減法基本出發點是：從含噪語音中減去寬帶噪聲2115.6自相關相減法w(t)為窗函數，由于s(t)、n(t)不相關，所以上式第2、3項的交叉乘積項的積分結果為0，故可寫為Ryy(τ)＝Rss(τ)+Rnn(τ)式中Rss(τ)為信號的自相關。因假定噪聲為白噪聲，故其自相關函數Rnn(τ)為沖激函數語音的自相關可以從Ryy(τ)中減去噪聲功率估值的方法來估計。這種方法很有吸引力，因為它不要求進行傅里葉變換。15.6自相關相減法w(t)為窗函數，由于s(t)、n(t)2215.7自適應噪聲對消--自適應濾波帶自適應濾波器的自適應噪聲對消法的語音增強效果最好。這是因為:這種方法比其他方法多用了一個參考噪聲作為輔助輸入，從而獲得了比較全面的關于噪聲的信息。特別是輔助輸入噪聲與語音中的噪聲完全相關的情況下，自適應噪聲對消能完全排除噪聲的隨機性，徹底抵消語音中的噪聲成分，從而無論在信噪比還是語音可懂度方面都能獲得較大的提高。這種方法的缺點是輔助輸入在某些情況下難以獲得，這就限制了其應用范圍。15.7自適應噪聲對消--自適應濾波帶自適應濾波器的自適2315.7自適應噪聲對消--自適應濾波自適應濾波器:在輸入過程的統計特性未知或變化時，能夠調整濾波器參數以滿足某種最佳準則的要求。它根據前一時刻已獲得的濾波器參數等結果，自動地調節當前時刻的濾波器參數。以適應信號或噪聲未知的或隨時間變化的統計特性，從而實現最優濾波。15.7自適應噪聲對消--自適應濾波自適應濾波器:在輸入過2415.7自適應噪聲對消

--具有參考信號的自適應噪聲對消采用兩個(或多個)話筒的語音采集系統，一個用來采集帶噪語音，另一個(或多個)用來采集噪聲兩個話筒必須要有相當的隔離度，但采集到的兩種信號之間不可避免地會有時間差即產生延遲，因此實時采集到的兩路信號中所包含的噪聲段是不同的。因而采集到的噪聲必須經過數字濾波器，以便得到盡可能接近帶噪語音中的噪聲。通常，需要采用自適應濾波器，使相減噪聲與帶噪語音中的噪聲基本一致。圖15-7一種雙話筒采集的自適應噪聲對消原理15.7自適應噪聲對消

--具有參考信號的自適應噪2515.7自適應噪聲對消

--利用延遲來建立參考信號的自適應噪聲對消

利用濁音相鄰基音周期的波形高度相關，而相應的噪聲都不相關這一事實，可以估計出x(n)＝s(n)+n(n)中的周期性較強或相關性較強的成分，因此這種方法只能在噪聲類似白噪聲(相關及周期性較弱)的情況下增強周期性或自相關較強的語音信號。利用輸出(即誤差)對濾波器作自適應調整，使噪聲輸出最小來求出無噪語音的最佳估計圖15-9利用延遲來建立參考信號的自適應濾波器15.7自適應噪聲對消

--利用延遲來建立參考信號26第15章語音增強第15章語音增強27目錄15.1概述15.2語音特性、人耳感知特性及噪聲特性15.2.1語音特性15.2.2人耳感知特性15.2.3噪聲特性15.3濾波器法15.3.1固定濾波器15-.3.2自適應濾波15.3.3變換技術15.4非線性處理15.4.1中心削波15.4.2同態濾波法15.5減譜法15.5.1減譜法15.5.2減譜法的改進形式15.6自相關相減法15.7自適應噪聲對消15.7.1自適應濾波15.7.2具有參考信號的自適應噪聲對消15.7.3利用延遲來建立參考信號的自適應噪聲對消目錄15.1概述2815.1概述語音增強是解決噪聲污染的一種有效方法，它的一個主要目標是從帶噪語音信號中提取盡可能純凈的原始語音，即去掉語音信號中的噪聲和干擾，改善它的質量。語音增強是語音信號處理系統的重要組成部分。各種增強方法各有長處并且適用于不同的應用場合。15.1概述語音增強是解決噪聲污染的一種有效方法，它的2915.1概述語音增強的目的主要有兩個：一是改進語音質量，消除背景噪聲，使聽者樂于接受，不感覺疲勞，這是一種主觀度量；二是提高語音可懂度，這是一種客觀度量。這兩個目的往往不能兼得。15.1概述語音增強的目的主要有兩個：30語音增強方法語音增強方法有多種，大致分為三類：①基于語音產生模型如：線性濾波法、梳狀濾波法、自相關法②基于語音模型和噪聲模型如：維納濾波法、卡爾曼濾波法③基于噪聲特性(短時譜估計)

如：頻譜減法、自適應噪聲抵消法語音增強方法語音增強方法有多種，大致分為三類：3115.2語音特性、人耳感知特性及噪聲特性

------語音特性

語音是一時變的、非平穩的隨機過程，但由于一段時間內(10～30ms)人的聲帶和聲道形狀的相對穩定性，可認為其特征是不變的，因而語音的短時譜具有相對穩定性。在語音增強中，可以利用濁音的周期性特征，采用梳狀濾波器提取語音分量或者抑制非語音信號，而清音則難以與寬帶噪聲區分。語音信號可以用統計分析特性來描述。語音的短時譜幅度的統計特性是時變的，只有當分析幀長趨于無窮大時，才能近似認為其具有高斯分布。高斯分布模型是根據中心極限定理得到的，將高斯模型應用于有限幀長只是一種近似的描述。在寬帶噪聲污染的語音增強中，可將這種假設作為分析的前提。15.2語音特性、人耳感知特性及噪聲特性

------語音特3215.2語音特性、人耳感知特性及噪聲特性

------人耳感知特性語音感知問題涉及到生理學、心理學、聲學和語音學諸多領域，人耳對背景噪聲有很大的抑制作用，其中很多問題有待進一步研究。目前已有一些結論可用于語音增強：①人耳對語音的感知主要是通過其幅度譜獲得的，而對相位譜則不敏感。②人耳對頻率高低的感受近似與該頻率的對數值成正比。③人耳有掩蔽效應，即強信號對弱信號有抑制作用，能夠將其掩蓋。利用人耳的生理特點，提高語音信號的信噪比，使有用的語音信號大于噪聲一定級別，就可以在語音與噪聲共存的情況下感覺不到噪聲的存在。④共振峰對語音的感知十分重要，特別是第二共振峰比第一共振峰更為重要，因此對語音信號進行一定程度的高通濾波不會對可懂度產生影響。⑤人耳在兩個人以上的說話環境中能夠分辨出他所需要的聲音。15.2語音特性、人耳感知特性及噪聲特性

------人耳感3315.2語音特性、人耳感知特性及噪聲特性

------噪聲特性周期性噪聲的特點是有許多離散的窄譜峰，來源于發動機等周期性運轉的機械。可以容易地通過檢查功率譜發現并通過濾波或變換技術將其去掉。沖激噪聲表現為時域波形中突然出現的窄脈沖是放電的結果。根據帶噪語音信號幅度的平均值確定閾值。當信號幅度超出這一閾值時，判別為沖激噪聲，再對其進行衰減甚至完全消除。如果干擾脈沖之間不太靠近，還可以根據信號相鄰樣本數值簡單地通過內插法將其從時間函數中去掉。寬帶噪聲通常可以假定為高斯噪聲和白噪聲。來源:風、呼吸噪聲和一般隨機噪聲源。量化噪聲通常作為白噪聲來處理，也可以視為寬帶噪聲。消除的最成功的方法利用了某些非線性處理。目前的一些方法雖然降低了背景噪聲，提高了信噪比，但并不提高語音的可懂度。15.2語音特性、人耳感知特性及噪聲特性

------噪聲特3415.2語音特性、人耳感知特性及噪聲特性

------濾波器法有三種常用的濾波器：固定濾波器自適應濾波器傅里葉變換濾波器。15.2語音特性、人耳感知特性及噪聲特性

------濾波器3515.2語音特性、人耳感知特性及噪聲特性

------固定濾波器固定濾波器用于濾除平穩干擾成分。最常見的是50或60Hz交流聲。濾除60Hz成分很少采用高通濾波器，因為干擾是由60Hz的奇次諧波引起的，特別是3～7次諧波(交流哼聲就是60Hz交流聲，它具有豐富的諧波，這種諧波一般是由于話筒輸入插孔沒有接地而造成的)。15.2語音特性、人耳感知特性及噪聲特性

------固定濾3615.2語音特性、人耳感知特性及噪聲特性

------固定濾波器(a)中，它由一個延時器和一個加法器構成。延遲時間為T，它等于濾波器凹口間的間隔f0的倒數。(b)反饋使極點離開原點，并接近零點。當極點靠近零點時，除各零點附近以外，在單位圓各處都會引起部分對消。因此梳齒可以變得很窄，而梳齒之間的響應又是平坦的。15.2語音特性、人耳感知特性及噪聲特性

------固定濾3715.2語音特性、人耳感知特性及噪聲特性

------自適應濾波自適應濾波能夠自動辨認應該濾除的成分。由線性預測器構成一個濾波器，其頻率響應近似等于輸入信號的逆功率譜，這就可以實現自適應。如果噪聲是平穩或是緩變的，則在無語音期間便可以對噪聲進行估計，并根據估計的結果調整波濾器。采用這種方法的主要問題是，所得到的濾波器一般不是譜平衡的，這種不平衡使恢復的語音著色，并可能干擾線性預測聲碼器的工作。如果通過上述的部分使極點-零點對消而使凹口變窄，不會明顯地改善系統的性能。某些實驗表明，如果使LPC預測器的階數比通常采用的階數高得多，則可以去除干擾，改善語音。15.2語音特性、人耳感知特性及噪聲特性

------自適應3815.2語音特性、人耳感知特性及噪聲特性

------變換技術(a)所示。信號要經過DFT變換到頻域，在頻域進行處理，然后用IDFT來重建語音信號。(b)所示為頻譜整形器，它可以是簡單的一系列選通門。它可將噪聲成分變換到零值，則反變換后的信號周期性干擾將被濾除。15.2語音特性、人耳感知特性及噪聲特性

------變換技3915.4非線性處理去除寬帶噪聲的主要方法分為三類：非線性處理減譜法自適應對消15.4非線性處理去除寬帶噪聲的主要方法分為三類：4015.4非線性處理--中心削波可以通過削波進行非線性處理。原理是因為低幅度語音被同時消去將使語音質量變壞，如果噪聲的幅度比語音低，則消去整個低幅度成分，就會消去噪聲。時域波形經過中心削波對可懂度是有害的，因為低幅度語音被同時消去將使語音質量變壞，所以中心削波必須在頻域內進行。這種方法可以用來降低語音中的混響。這里使用一個濾波器組，并對各濾波器的輸出進行中心削波，然后在組合前使輸出再通過一個相同的濾波器組，濾除由削波產生的畸變成分。15.4非線性處理--中心削波可以通過削波進行非線性處理。4115.4非線性處理--同態濾波法同態濾波法的關鍵部分具有非線性處理性質，它應用于語音識別中，著眼于將語音信息(基音、頻譜)中的乘性噪聲或干擾分離，或者將已減少了噪聲、干擾的信息重新合成得到降噪時域信號再進行識別。圖15-3非線性處理中的同態濾波法框圖15.4非線性處理--同態濾波法同態濾波法的關鍵部分具有非4215.5減譜法由于人耳對語音相位不敏感，所以對語音的可懂度及質量起重要作用的是語音的短時幅度譜，而不是相位。因而，這里只考慮了幅度譜。因為噪聲是局部平穩的，故可以認為發語音前的噪聲與發語音期的噪聲功率譜相同，因而可以利用發語音前(或后)的“寂靜幀”來估計噪聲。圖中，平方根的處理是用以將功率轉換為幅度。只要噪聲假定為白噪聲，則被減去的估計譜可近似為一常數。此時，減譜法的功能與中心削波法相同。圖15-4減譜法的原理框圖15.5減譜法由于人耳對語音相位不敏感，所以對語音的可懂度4315.5減譜法–改進形式原來的缺點:噪聲的幀功率譜隨機變化范圍很寬，在頻域中的最大、最小值之比往往達到幾個數量級，而最大值與均值之比也達6～8倍。因此，帶噪信號在減去噪聲譜后，噪聲分量很大的那些頻率點上就會剩余較大的部分，在頻譜上呈現出隨機出現的尖峰，使去噪語音在聽覺上形成殘留噪聲。這種噪聲具有一定的節奏性起伏感，所以稱之為“音樂噪聲”，它影響了語音的自然度甚至可懂度。另一方面，在增強語音的過程中，提高信噪比與提高語音的可懂度是一對矛盾。在濾除噪聲的同時或多或少地會損害語音信號。一般說來，噪聲濾除得越多，語音信號被損害的程度就越厲害，可懂度就越多。特別在低噪比情況下，這一矛盾更為突出。減譜的改進形式可以較好地消除音樂噪聲，優化處理語音質量和可懂度這一對矛盾。噪聲的能量往往分布于整個頻率范圍，而語音能量則較集中于某些頻率或頻段，尤其在元音的共振峰處。15.5減譜法–改進形式原來的缺點:4415.5減譜法–改進形式引入α、β兩個參數為算法提供了很大的靈活性。當α＝2、β＝1時即變為基本的減譜法。針對語音信號的強弱及噪聲的特點，選擇恰當的參數，可更好地消除音樂噪聲。實際的增強實驗表明，適當調節α、β，可以獲得比原始的減譜法更好的增強效果。15.5減譜法–改進形式引入α、β兩個參數為算法提供了很大4515.5減譜法–改進形式它增加了一步IFFT變換，變換到偽倒譜域中(實際上這并不是真正的倒譜，故稱其為“偽”倒譜)。在偽倒譜域中語音和噪聲可以更好地進行分離。α的數值根據經驗選取。α為3～4時，信噪比可改善6dB左右。將該方法應用于LPC編碼前的帶噪語音上，使可懂度得到了改善。這是因為采用減譜法改善了頻譜畸變，使預測器和要求的語音頻譜匹配得更好。圖15-6偽倒譜相減法15.5減譜法–改進形式它增加了一步IFFT變換，變換到偽4615.6自相關相減法基本出發點是：從含噪語音中減去寬帶噪聲的最佳估計。利用信號本身相關，而信號與噪聲、噪聲與噪聲之間可看做不相關的特性，可以將帶噪信號進行自相關處理，使其得到與不帶噪信號同樣的自相關系數幀序列。15.6自相關相減法基本出發點是：從含噪語音中減去寬帶噪聲4715.6自相關相減法w(t)為窗函數，由于s(t)、n(t)不相關，所以上