語音信號的譜減增強法分析綜述 1 2 2 5在1900年，因為當時的聲學領域發展十分之快，所以語音信號的增強技術在其可懂度的分析中有著無可厚非的作用。在1960年，隨著各種梳狀理論和電子計算機的發展，使得語音增強技術可以運用在信號處理領域。在1978年，維和算法，解決了維納濾波法的缺點。在1970年前后，當時的半導體技術不斷發型。在1979年，譜相減法由Boll提出，并且該方法是利用噪聲的平均譜來進行估計語音中的噪聲，這種辦法十分方便和有效，是最基本的語音信號增強算法。效果變得越來越好5。與此同時，可以通過利用獨立分量的分析方法或者時運用噪聲混合系統混合系統解混系統號源信號混合信號人們在日常生活中通過語音信號等其它方式來進行交流信息。通常需要將語音信號進行變換成電信號才能夠在通信系統中進行傳輸。因為通常而言，語音信號是模擬的，并且語音信號中小信號出現的概率比較大，要進行PCM編碼，從而可以保證高質量的語音信號的傳輸。在本文中通過對語音信號的頻譜結構以及時域角度進行了分析說明，從中證明了語音信號的增強方案可行性。在當今社會中，所獲得的所有信號波形都是其對應分布的一組觀測值。平穩信號指的是其分布及分布的參數不會發生變化，非平穩信號則是其分布或分布的參數發生變化。對于語音信號來說，由于信號直接由說話者控制，其分布的類型和分布的參數都是不確定的，因為這些不確定性造成語音信號是一個非平穩的過程，并且語音信號中小信號出現的概率比較大6。以一個宏觀的角度來看，語音信號具有非平穩性。而在這個尺度，受人的發聲器官所限定，即在微觀的角度來說語音信號是一個平穩的過程。正是由于這種特性，可以使得語音信號在實際處理過程中，把該語音信號可以當作一個平穩過程，從而對該語音信號進行短時譜1.2基本譜減法首先先介紹語音信號增強的基本型譜減法的原理思路：因為在日常的語音信號交流中，大多數的語音信號中都是夾雜背景噪聲，即是不純凈的。進行語音信號增強第一步是將帶噪聲的語音信號(時域)通過傅里葉變換從而能夠轉化到頻域上，接下來就可以估計語音信號的噪聲譜，然后進行語音信號的增益函數的計算，即能獲得噪聲譜和純凈語音信號的功率譜，通過相減的運算，將帶噪的語音信號譜進行減去的操作，即可獲得了純凈語音信號的功率譜。最后將純凈的語音信號功率譜進行傅里葉反變換的操作，即可獲得到純凈的時域的語音信號。通過以上操作步驟，就是譜減法的流程。通過譜減法即可對帶噪的語音信號進行提純和增強信號的作用。假定不純凈的語音信號是y(n),y(n)是由純凈的語音信號x(n)和加性噪聲譜|X(w)|。再將原始信號的功率譜進行傅里葉反變換(轉換到時域上),就能得程，于是可以將譜減法的操作進行一個MATLAB程序的編寫和仿真過程，從而用SNR_singlech函數來進行信噪比的計算，其中SNR設為5dB8。 根據以上的圖像和譜算法，計算出信噪比的變化：開始時信噪比為5dB,經過譜減運算之后的信噪比變成11.3dB,可見信噪比改善了6.3dB。通過消噪后的語音信號有明顯的音樂噪聲，不難發現，當我們在進行增加過減因子a的數值時，雖然有時候可以減少其噪聲，但是當a值過大時會使波形發生畸變，所以設定一個合適的a值來進行仿真設計。又因為在語音信號上會疊加一些隨機的噪聲，并且每一次的噪聲值都是隨機和不可預測的，所以在進行譜減法后的信噪比的結果snr2的結果都會不同，因為每次的結果不能確定，所以會產生相對的誤差。因此在進行相減的噪聲時會使得其頻譜函數上出現一些明顯的尖峰現象，在聽覺上有很明顯的噪聲。將它們通過傅里葉變換轉換頻域之后，其峰值聽起來就像是不同幀之間不斷變換的頻率和音調。此種表現在清音段時特別顯著的，由于基本型的譜減法會帶來一定的“音樂噪聲”。在進行基本型譜減法操作的時候，帶來一定的音樂噪聲的主要原因有：進行增益函數的計算的時候，會具有較大范圍的變換；對語音信號中的噪聲信號功率譜估計不準確；還有就是對基本型譜減法中的負數沒有進行線性處理，而是非線性。因為基本型譜減法會帶來一定的音樂噪聲，要對音樂噪聲進行消除或者是消弱的處理，所以要進行改進型譜減法的相關研究9。在本文中，所采用的改進型譜減法為多窗譜估計法進行語音信號的增強，該方法1.3改進型譜減法 (正交即不同窗譜相乘為0)相乘之后再分別求其直接譜，之后將以上結果得到現過程方便，不需要太多的計算步驟和正交條件的要求，但是會帶來音樂噪聲功率譜的計算、VAD檢測更新、后驗先驗信噪比、改進維納濾波以及重疊相加的操作。圖1.4為改進型譜減法的原理框圖。多窗譜估計改進維納濾波平滑功率譜和噪聲功率譜先驗信噪比新噪聲譜后驗信噪比圖1.4改進型譜減法的基本原理框圖圖1.5增強效果的對比圖通過圖1.5可以明顯地看出，對于周期圖法而言，其對5dB的帶噪語音的增音結果明顯地更好。當設定a=2,b=0.01時，通過利用多窗譜譜減法的結果中可以看出其帶來的音樂噪聲更小，所以增強效果比較好I1。但是對于周期圖譜減結果來說，雖然該算法中音樂噪聲減小，但與多窗譜相對比其噪聲還是十分明顯。在MATLAB軟件上進行的帶噪的語音信號的處理過程中，通過pmtm估計函數運用在算法的過程中，對該函數進行多窗譜的功率譜密度分析以及處理估算這一過程[12]。通過一系列的運算結果，可以得到增益因子，通過增益因子來實現語音信號增強的計算。通過以上的實驗結果可以表明，對于多窗譜法來說其對于語音信號的增強作用更強并且效果更好，并且其帶來的音樂噪聲會更小，那么其信噪比會提高。所以，多窗譜法可以適合運用在短時間序列或者是頻譜動態范圍比較大的情況，但是在語音信號處理上的應用十分少[13。圖1.6信噪比為5dB下的仿真圖圖1.7信噪比為OdB下的仿真圖通過以上三個MATLAB仿真