基于稀疏表示的自適應語音增強方法研究.pdf

1、現(xiàn)代語音通信系統(tǒng)中，大部分的語音信號往往受到背景噪聲的干擾，在一定程度上降低了語音信息的可辨性和人耳的聽覺舒適性，不利于后繼的語音信號處理工作的開展。為了改善語音質(zhì)量，語音增強技術應運而生，希望在盡可能不引入新噪聲的前提下，抑制背景噪聲對語音信息的負面影響，提高帶噪語音的可辨性。
　　鑒于語音信號的稀疏先驗性，本文基于稀疏表示框架實現(xiàn)對帶噪語音的增強處理。通過對字典訓練算法和目標優(yōu)化函數(shù)的分析，分別研究了基于K-SVD(K-Sin

2、gular Value Decomposition，K-奇異值分解)自適應稀疏字典的語音增強方法、基于CNMF（Convolution Nonnegative Matrix Factorization，卷積非負矩陣分解）的語音增強方法、基于BPFA(Beta Process Factor Analysis)融合模型的自適應語音增強方法和基于魯棒貝葉斯自適應字典稀疏表示(Robust BayesianDictionary Learning

3、 using Spike-slab Prior，RBDL)模型的語音增強方法。為驗證語音增強效果，本文采用信噪比SNR和主觀評測PESQ分數(shù)作為評價標準。在ZOIEUS語音庫上，分別針對攜帶不同信噪比高斯噪聲或有色噪聲的帶噪語音，采用上述四種不同的語音增強方法（KSVD、CNMF、BPFA和RBDL）進行降噪處理，由實驗統(tǒng)計出的主客觀指標結(jié)果顯示，相較于傳統(tǒng)的語音增強方法（譜減法和維納濾波法），本文基于稀疏表示實現(xiàn)的四種語音增強方法都能

4、取得較好的降噪性能，其中BPFA算法和RBDL模型在計算速度上有很大優(yōu)勢，在干凈語音及噪聲類別未知的情況下能夠獲得很好的PESQ及SNR值。
　　本文的創(chuàng)新點如下:
　　(1)基于CNMF字典融合策略，提出一種統(tǒng)一參考字典的語音增強算法，利用與待處理帶噪語音無關的干凈語音訓練出統(tǒng)一參考字典，融合各種噪聲字典，以解決干凈語音未知情況下帶噪語音增強的問題。與直接使用相關干凈語音訓練得到的字典進行CNMF語音增強處理相比較，統(tǒng)一參

5、考字典的CNMF語音增強方法獲得的SNR和PESQ主客觀評價結(jié)果有一定程度的降低，但對有色噪聲的抑制能力較強，具有較好的實用價值。
　　(2)基于非參數(shù)貝葉斯概率模型，對字典原子增加Bernoulli先驗分布及貝塔分布的約束，采用BPFA融合模型實現(xiàn)語音增強。不需要人工干預設置模型參數(shù)，基于BPFA的語音增強方法可根據(jù)輸入語音信號自適應收斂得到最佳解決策略，相較于其他基于稀疏表示的語音增強方法，具有較快的計算效率和較高的降噪性能，