应用谱减法及其改进型算法进行语音增强
谱 减 法也 可 用 线 性 时 变 滤 波 器 形 式 来 表 示 ， 即
对Ｉ（ Ｉ ） 乘以增益 函数 Ｇ ） （） ｙ （ 将 ２ 式变为乘积形式 ：
ｌ （Ｉ ｌ （Ｉ・ ｙ ｔ ｌ ｔ ＝Ｇ ｔ ｌ （Ｉ Ｓ ｔ ） ｔ ｔ ） ） Ｏ （Ｉｓ１ ｓ Ｇ ｔ） ｔ （） ４
Ｓ ， ＝胛 （Ｏ Ｉｅｐｊｒｙ ” ） （） Ｉ （Ｉ ｔ） ・ｘ（ａ （ ） ］ Ｓ ｇ （） ３
题 。实 际 上 ， 低 信 噪 比条 件 下 ， 小 语 音 失 真 和 降 在 减 低 剩余 噪 声 不 可 兼 得 ， 能 在 二 者 之 间 达 到 最 好 的 只 折衷 ， 高可懂度 。 提 语 音 信 号 中 ， 话 人 由 于 呼 吸会 不 断 产 生 语 音 说 间歇 ， 们 可 以利 用 这 些 间歇 估 计 背 景 噪 声 ， 中一 我 其 种 方 法 就 是 利 用 端 点 检 测 （ Ａ 来 判 定 有／ 语 音 。 Ｖ Ｄ） 无
ｌ” ＝’ 一‘ ’ ） ｛ ｓ ｌ 。 。∞ 如 （ Ｄ
（ ）相 乘 恢 复 出 增 强 后 的 语 音 ， ： Ｉ 即
＞‘ （ 。 ２ Ｄ ｗ ）
由于 人 耳 对 语 音 信 号 的 相 位 不 敏 感 ， （ ）ｌ Ｉ 可 在 无 音 段 估 计 得 到 。 带 噪 语 音 的 相 位 直 接 与 Ｉ §
实 线 ： 觉掩 蔽阈 值 听
虚线 ： 音 粗 估计 语
图 ２ 一 帧 听 觉 掩 蔽 阚 的 计 算 结 果
在 根 据 （ ） 调 节 谱 减 系 数 ａ， 来 ｌ ， 觉掩 ９时 听 蔽 阈值 较 大 说 明 此 Ｂ ｒ ａｋ关 键 频 率 段 中 人 耳 对 其 他 相 近频 率 段 的语 音信 号 和 噪 声 信 号 的抗 干扰 能 力 较 强 ， 以 应 采 用 较 小 的 谱 减 阈值 系数 ； 之 对 于 听 觉 所 反 掩 蔽 阈值 较 小 的 Ｂ ｒ 键 频 率 段 ， 采 用 较 大 的谱 ａｋ关 应 减 阈值 系数 。ａ， 的值 应 由下 式 确 定 ：
口 ｉ＝１ 铂口 ＝６ ｐ ｉ＝０ 一 ； 和
和 ｙ ２＝１ １：０． ／７ ５。
＝０ ０ ； ．２ ｙ＝ ７ ＝２ ｌ
则
到。 ： 即
和
的值 可 通 过 所 给 出 的 参 数 拟 合 得
！ 竺 二！ 竺 一！ 竺 二！ 竺 ！ ！
一 曲 ｍａ ～ ｚ
１ 引 言
语音 增 强是语 音 信号处 理 的一个 重要 分支 ， 一 直 是 非 常 活 跃 的研 究 领 域 。语 音 增 强 的 目的是 改 善
的 每 一 个 频 谱 分 量 乘 以 一 个 系 数 Ｇ ） 当该 段 只 （ 。 含 语 音 时 ， 有 任 何 衰 减 ， ）＝１ 而 当 该 段 只 含 没 Ｇ（ ； 噪 声 时 ， 减 最 大 ， ）＝０ 当 介 于 两 者 之 间 时 ， 衰 Ｇ（ 。
音 质 ， 高 清 晰 度 和 可 懂 度 ， 少 听 觉 疲 劳 。 由 于 信 提 减 号 的 相 位 对 语 音 的感 知 并 不 重 要 ， 以 基 于 短 时 谱 所 幅 度 （ Ｔ Ａ） Ｓ Ｓ 的增 强 方 法 应 用 最 为 广 泛 ， 减 法 及 其 谱 改 进 型 算 法 是 其 中 的典 型 代 表 。 本 文 主 要 研 究 了 基 本 谱 减 法 、 于 先 验 信 噪 比 基 估 计 的 谱 减 法 、 用 人 耳 听 觉 掩 蔽 效 应 的 谱 减 法 等 利 几 种 算 法 在 语 音 增 强 中 的应 用 。在 对 以上 几 种 算 法 的 理 论 分 析 基 础 之 上 ， 行 了对 比仿 真 试 验 研 究 ， 进 并 给 出 了实 验 和 分 析 结 果 。
８ ＂） ［ ｍ ， ， ＂） （ ＝ 口 ｉ 一 （ ］ ｎ
卢 ＂） ［ ，一 ， （ ］ （ ＝ 卢 卢 ＂）
ｆ
９
…
ａ ．， 和 ０ ， 分 别 为 ０， ｎ卢 ； ｔ 卢 ｔ 卢的最 小值 和 最
图 １ 基 于听 觉掩 蔽 效 应 的 改进 型 谱 减 法 主要 算 法流 程
声 抑 制 、 余 噪声 衰 减 和 语 音 失 真 之 间 达 到 最 好 的 剩 折 衷 。其 中 ： １ 过 减 系 数 口 口＞１ ： ） （ ） 俚值 越 大 ， 余 噪 声 衰 减 剩 越大 ， 时语音失真也 会越大 。 同 ２ 谱 平 滑 系 数 ｐ ０＜ｐ＜１ ： ） （ ） Ｂ值 增 大 可 降 低 剩 余 的音 乐 噪 声 ， 会 增 加 增 强 后 语 音 的背 景 噪 声 。 但 ３ 指 数 ｙ＝ｙ ＝１ ７ ： 个 参 数 决 定 了 增 益 函 ） ｌ ／ ２这 数 从 Ｇ（ ） ＝０到 Ｇ（ ）＝１的 平 滑 程 度 。
因此 在 相 减 时 ， 该 帧 某 频 率 点 噪 声 分 量 较 大 ， 会 若 就
产 生 很 大 一 部 分 的 残 留 噪 声 ， 频 谱 上 呈 现 随 机 出 在 现 的 尖 峰 ， 听 觉 上 形 成 节 奏 性 起 伏 的 类 似 音 乐 的 在 噪 声 ， 常 称 之 为 “ 乐 噪 声 ” 这 是 在 谱 减 法 中常 出 通 音 ，
２ 端 点 检 测 ， 无 音段 进 行 噪 声 估 计 ； ） 在 ３利用 基本 谱减 法 得 到语 音频谱 的粗估 计 ， ） 由
此计 算 听 觉 掩 蔽 阈 （ ； 加） ４ 根 据 （ ） 调 节 谱 减 系 数 口， ） 来 口； ５ 利 用 调 整 后 的 ａ， 的进 行 系 数 谱 减 ； ）
６ ＩＦ ， 叠 接 相 加 法 得 到 ； ｎ 。 ）Ｆ Ｔ 用 ｒ （ ） 其 中 ， 算 听 觉 掩 蔽 阈 （ ） 最 为 关 键 的 一 计 是
Ｔ ）ｉ 每 一 帧 语 音 的 听 觉 掩 蔽 阈 值 的 最 大 值 和 （ 是 最 小 值 。通 过 大 量 的 实 验 ， 顾 提 高 信 噪 比 和 保 证 兼 语 音 信 号 可 懂 度 和 清 晰 度 ， 小 音 乐 噪 声 ， 择 减 选
可 保 证 Ｇ ） 实 函 数 。从 式 （ ） 式 （ ） 可 以 清 （ 为 ４、 ５中 楚 地 看 出 谱减 法 的 物 理 意 义 ： 相 当 于 对 带 噪 语 音 它
其 中 ， 为 当前 帧数 ， 一１为 前 一 帧 。 ｉ ｉ 谱减 法 中 ， 由于 是 利 用 无 音 期 间 加 权 平 均 值 来 代 替 当前 分 析 帧 各 频 率 点 的 噪 声 频 谱 分 量 ， 噪 声 且
ｒ ＂） 一 （ （ 一 ＂） 卢一卢 ｉ ｍ 一
（ ＂）一 （ ） ｉ ｍ Ｊ 一Ｊ ９ 一 ９
ｒ１ ｎ、
‘
步 ， 可 由 以下 计 算 步 骤 得 到 ： 它 １ 计 算 Ｂｒ ） ａｋ谱 ： 临 界 带 内 信 号 的 功 率 谱 相 将 加 ， 可得到 Ｂｒ 即 ａｋ谱 ； ２ 计 算 扩 展 谱 ： ａｋ谱 反 映 的 只 是 临 界 带 内被 ） Ｂｒ 激 励 的情 况 ， 映 各 临 界 带 间 响 应 情 况 的 谱 称 之 为 反 扩展谱 ， 展 谱 由 Ｂｒ 扩 ａ ｋ谱 与 扩 展 函 数 卷 积 得 到 ， 即 任一 临 界 带 处 的 扩 展 谱 应 是 各 临 界 带 Ｂ ｒ ａｋ谱 贡 献 的总和 ；
谱 减 参 数 ａ、 和 ｙ 的 选 择 是 谱 减 法 的 核 心 问
ｓ ｎ 为 纯 净 语 音 ， ｎ） 加 性 平 稳 高 斯 噪 声 ， （） ｄ（ 为 二者 不 相 关 。 谱 减 法 中 ， 噪 语 音 的 短 时 谱 幅 度 带 （ Ｔ Ａ Ｉ （ ） 减 去 噪 声 谱 的估 计 值 Ｉ （ ） 后 可 以 Ｓ Ｓ ） Ｉ ｙ Ｉ 得 增 强 后语 音 的短 时 谱 幅 度 Ｓ Ｓ §（ ） ， ： Ｔ ＡＩ Ｉ 即
Ｇ ＂） 后 验 信 噪 比决 定 ， ： （ 由 即
＝
（） ６
在 实 际 的 增 强 过 程 中 ， 多 地 使 用 的 是 谱 减 法 更
的推 广 形 式 ：
ｃ ）ｃ （ ＝【
（） 《 － ： ］
ｆ－ （ａ １（ －
【
【
，她
南
（ ７ ）
２ 基 本 谱 减 法
基 础 上 。 行 了 对 比仿 真 实验 研 究 。 客 观 测 试 和 非 正 式 听 音 测 试 表 明 ， 强 后 的 语 音 的 信 噪 比 及 音 质 均 有 明 显 改 善 ， 中基 进 增 其
于先验 信 噪 比估计 的 改进 型谱 减 法 效果 最好 。
关 键 词
语 音 信 号 处 理 语 音 增 强 谱 减 法 及 其 改 进 型 算 法
其 中 ， 界 带 的划 分 、 展 函 数 和 偏 移 量 具 体 的 临 扩 计 算 方 法 可 见 参 考 文 献 ［ 图 ２为 一 帧 听觉 掩 蔽 阈 引。 的计算结果 。
现 的 ， 是 较 难 解 决 的 问题 。 为 了有 效 抑 制 “ 乐 噪 也 音 声 ” 我 们 可 以对 原 始 的基 本 谱 减 法 进 行 改 进 ， 到 ， 得
对 应 于 式 （ ）则 ： ２ ，
Ｇｃ
√一 ・ 鲁群
（ ５ ）
Ｉ ‘ ） ＝ 西．（ ） ＋ １ ） （ （ ） （ Ｉ Ｉ ‘ ” Ｉ （ 一 ｌ ｙ” ｌ Ｄ” １
（） ８
如果 Ｉ （ Ｉ ＞ Ｉ （ Ｉ， Ｇ ） ， 样 ） ） 则 （ ＝０ 这 ｙ
带 噪 语 音 Ｙ ｎ） 般 可 表 示 为 ： （ 一
， ， ：ｓ ， ＋ｄ（Ｉ ，Ｉ （ ） （Ｉ ） ， ） （） １
式 （ ） 谱 减 法 最 为 灵 活 的一 种 形 式 ， 包 含 谱 ７是 它 减 法 的基 本 思 想 ， 且 给 出 了 三 个 调 节 系数 ， 而 以在 噪
基于谱减法的语音增强(参考)
第四章 毕设环境 .....................................................................................................................................8
4.1 LabVIEW...........................................................................................8 4.3 LabVIEW 应用范围 ........................................................................................................................9
第二章 语音和噪声的特性 ...................................................................................................................3
2.1 语音特性.........................................................................................................................................3 2.2 耳感知特性.....................................................................................................................................3 2.3 噪声特性.........................................................................................................................................3 2.4 音乐噪声的抑制方法 .....................................................................................................................3
改进语音增强多频带谱减算法研究
改进语音增强多频带谱减算法研究孙博凯【期刊名称】《电子设计工程》【年(卷),期】2012(020)007【摘要】Aimed at addressing ＂music noise＂,as is evident in voice signals produced by conventional spectral subtraction speech enhancement algorithm,an improved multi-band spectral subtraction algorithm for a desired performance is proposed.The algorithm works by dividing noisy speech signal into different frequency bands according tofrequency,preventing these bands from overlapping each other,and obtaining noise reduction factor for the band,depending on signal noise ratio between the speech signal with noise within the band and noise signal and using adaptive algorithm.The simulation results show that the improved multi-band spectral subtraction algorithm exhibits a better speech enhancement than conventional spectral subtraction speech algorithm.%针对传统谱减语音增强算法增强后的语音信号会残留明显的＂音乐噪声＂的问题,采用多频带谱减算法对其进行改进。
基于谱减法的语音增强技术
算法实现流程
逆快速傅里叶变换（IFFT）
对增强后的频谱进行逆快速傅里叶变换，得到增强后的时域信号。
后处理
对增强后的信号进行后处理，如门限判决、非线性处理等，以提高增强效果。
算法优化与改进
01
02
03
自适应噪声估计
采用自适应滤波算法，根 据输入信号自动调整噪声 估计的参数，以提高噪声 估计的准确性和鲁棒性。
基于谱减法的语音增强技术是 一种常用的方法，通过去除噪 声成分来提高语音质量。
研究意义
基于谱减法的语音增强技术在实 际应用中具有重要意义，如语音 通话、语音助手、语音识别等。
通过对谱减法的研究，可以深入 了解语音信号的特性，为语音处
理技术的发展提供理论支持。
基于谱减法的语音增强技术还可 以为其他相关领域提供借鉴和参 考，如音频处理、音频分析等。
在实际应用中，谱减法常用于语音信 号处理领域，特别是在语音识别、语 音合成和语音存储等场景中。
谱减法还可以与其他语音增强技术结 合使用，如基于规则的增强方法、基 于神经网络的增强方法等，以进一步 提高语音增强的效果。
通过使用谱减法，可以有效降低噪声 干扰，提高语音信号的清晰度和可懂 度，从而提高语音处理系统的性能。
谱减法在语音增强中表现出较好的效果，能够有效降低噪声干扰，提高语 音质量。
通过对不同噪声环境下的实验，证明了谱减法在不同场景下的适用性和鲁 棒性。
与传统滤波器方法相比，谱减法具有计算复杂度低、处理速度快等优势， 适合实时语音处理应用。
研究不足与展望
当前研究主要集中在谱减法的基 本算法和改进上，对于复杂噪声 环境的适应性还有待提高。
鲁棒性分析
在不同噪声类型和强度下，谱减法均表现出较好的鲁 棒性。
基于谱减法的语音增强技术
主观听觉效果评价
听觉感受
通过人类听觉感受对增强后的语音进行主观评价，包括清晰度、自然度、噪声残留等方面。
平均意见得分
邀请多名听评者对增强后的语音进行打分，统计平均意见得分（MOS），以客观反映算法在实际应用 场景中的性能表现。
06
基于谱减法的语音增强技 术应用场景
通信系统中降噪处理
通话降噪
在移动通信、VoIP等通话场景中，利用谱减 法有效抑制背景噪声，提高通话清晰度。
实现步骤
谱减法的实现步骤包括带噪语音的预处理、噪声谱估计、语 音存在概率估计、增益函数计算和频谱修改等。其中，噪声 谱估计是谱减法的关键步骤之一，它的准确性直接影响到增 强效果。
技术应用与发展趋势
技术应用
谱减法已经被广泛应用于语音通信、语 音识别、语音合成等领域。例如，在语 音识别系统中，谱减法可以用于提高识 别率；在电话会议系统中，谱减法可以 用于抑制背景噪声，提高通话质量。
个性化定制
针对不同用户、场景和设备，提供个性化的语音增强方案，满足不 同需求。
多模态融合
结合音频、视频等多种信息模态，实现多模态语音增强，提高复杂环 境下的语音通信质量。
THANKS
感谢观看
基于谱减法的语 音增强技术
汇报人： 日期:
目录
• 引言 • 谱减法基本原理 • 谱减法实现过程 • 实验结果与性能评估 • 基于谱减法的语音增强技术应用
场景 • 总结与展望
01
优点
算法简单
谱减法原理简单，实现容易，计算复杂度低。
实时性好
谱减法处理速度快，适用于实时语音通信系统。
对平稳噪声有效
对于平稳噪声，谱减法可以取得较好的增强效果 。
谱减法实现过程
谱减法的语音信号增强
设计性实验4 语音信号增强一、实验目的1、了解语音信号噪声抑制的仿真方法及原理；2、利用谱想减法抑制语音中的噪声；二、实验要求1、仿真合成一段带噪语音；2、使用谱相减法对带噪语音进行增强；三、实验原理1、语音信号特点：语音信号是一种时变的非平稳的随机信号，但是人类的发声系统的生理结构的变化速度是有一定限度的，在一段时间内(10~30ms)人的声带和声道形状具有相对稳定性，可以认为其特性是不变的，因而语音的短时谱分析也有相对稳定性，在语音增强中可以利用短时谱的这种稳定性。
2、语音信号的处理方法根据语音信号的特点，可以将平稳过程中的处理方法和理论引入到语音信号的短时处理当中，将语音信号划分为很多短时的语音段，每个短时的语音段称为一个分析帧。
这样，对每一帧语音信号处理就相当于对特征固定的持续信号进行处理。
帧既可以是连续的，也可以采用交叠分帧，一般帧长取 10~30ms。
取数据时，前一帧和后一帧的交迭部分称为帧移，帧移与帧长之比一般取为0~1/2。
对取出的语音帧要经过加窗处理，即用一定的窗函数与信号相乘，从而形成加窗语音。
加窗的主要作用在于减少由分帧处理带来的频谱泄露，这是因为，分帧是对语音信号的突然截断，相当于语音信号的频谱与矩形窗函数频谱的周期卷积。
由于矩形窗频谱的旁瓣较高，信号的频谱会产生“拖尾”，即频谱泄露。
为此，可采用汉明窗，因为汉明窗旁瓣最低，可以有效地克服泄露现象，具有更平滑的低通特性，得到的频谱比较平滑。
汉明(Hamming)窗定义：3、谱减法简介谱相减方法是基于人的感觉特性，即语音信号的短时幅度比短时相位更容易对人的听觉系统产生影响，从而对语音短时幅度谱进行估计，适用于受加性噪声污染的语音。
谱减法的基本原理：图1 谱相减法原理图图中为加窗后的带噪信号，为的噪声信号功率谱，为增强后的语音信号。
由于人耳对语音相位不敏感，所以用原始含噪语音的相位代替估计语音的相位。
谱减法实现的几条公式如下：(1)(2)(3)由式(1)得到增强后的语音信号的功率谱；然后利用原始含噪语音的相位代替增强后语音的相位，恢复出增强后的语音信号。
一种基于谱减法的语音增强算法研究
一种基于谱减法的语音增强算法研究引言在日常生活中，我们经常会遇到语音信号受到噪声干扰的情形。
语音增强技术可以消除这些噪声，提高语音信号的质量和可听性。
语音增强技术的研究和发展，对于语音通信、语音识别、语音合成等领域都具有重要意义。
目前，基于谱减法的语音增强算法成为研究的热点之一。
本文主要探讨谱减法的基本原理、实现过程及其在语音增强中的应用。
一、谱减法的原理谱减法是一种在频域上处理语音信号的方法，它主要基于以下两个假设：1.噪声信号的能量分布比语音信号的能量分布更广泛，即噪声信号在不同频率上具有不同的能量；2.声音信号的一些部分不依赖于噪声信号，可以在不改变语音信号质量的前提下被减少。
因此，谱减法的基本原理是将语音信号和噪声信号分解为频谱，然后通过频谱相减，再对结果进行逆变换，得到增强后的语音信号。
谱减法的基本步骤如下：1.采集语音信号和噪声信号，并将它们通过FFT 变换转换为频域。
2.对语音信号和噪声信号的频谱进行平滑滤波，获得平滑后的信号谱。
3.求出平滑后语音信号与噪声信号的频谱差值。
4.根据信噪比的大小，确定噪声频谱可以减去的大小，从而减少噪声的影响。
5.对减少了噪声频谱的信号进行IFFT 逆变换，得到增强后的语音信号。
二、谱减法的实现过程1.采集语音信号和噪声信号在采集语音信号和噪声信号时，应尽可能选择质量好的麦克风和录音设备，保证信号的清晰度，避免信号本身存在的噪声干扰。
2.对语音信号和噪声信号的频谱进行平滑滤波平滑滤波的目的是去除语音信号和噪声信号中的高频成分，使其更加平滑。
常用的平滑滤波方法包括：高斯平滑、中位数滤波和均值平滑等。
其中，高斯平滑在实际应用中最为常见。
高斯平滑的过程是：对于每一个频率上的振幅，计算它和周围几个点的平均值，通过利用高斯函数将这些平均值加权，最终得到平滑后的振幅谱。
3.求出平滑后语音信号与噪声信号的频谱差值经过平滑处理后，获得了平滑后的语音信号频谱和噪声信号频谱。
基于谱减法的语音增强技术
语音合成
谱减法可用于提取纯净的语音 特征，用于语音合成和声音重 建。
语音编码
在低比特率语音编码中，谱减 法可以压缩语音信号的动态范
围，提高编码效率。
谱减法的优缺点
优点
算法简单，计算量较小，实时性较好；在信噪比较高的情况下，能够获得较好 的语音增强效果。
缺点
对于非平稳噪声的处理效果较差；在信噪比较低时，增强后的语音可能产生失 真和残留噪声；此外，谱减法对于语音信号的频谱结构和特性有一定的假设和 限制，可能不适用于所有类型的语音信号。
03
基于谱减法的语音增强方法
基于谱减法的噪声估计
噪声谱估计
在语音增强中，首先需要对噪声 进行估计。基于谱减法的语音增 强方法通过分析语音信号的频谱
，估计噪声的频谱特性。
语音活动检测
为了准确估计噪声，需要进行语音 活动检测，区分语音段和静音段， 以便在静音段中估计噪声。
噪声更新机制
在语音活动过程中，噪声特性可能 会发生变化。为了跟踪这种变化， 需要采用一种有效的噪声更新机制 。
02
语音增强技术介绍
语音增强技术的定义和目标
定义
语音增强技术是一种处理语音信 号的方。
目标
语音增强技术的主要目标是去除 噪声和干扰，提升语音的可懂度 和感知质量，以及改善语音信号 的可用性。
语音增强技术的发展历程
01
02
03
早期方法
早期的语音增强技术主要 基于时域或频域的简单处 理方法，如滤波和谱减法 。
将处理后的频谱通过逆变 换转回到时域，得到增强 后的语音信号。
将处理后的语音保存为文 件或直接输出。
实验设计与评估指标
实验设计 • 选择不同种类的噪声环境，例如白噪声、交通噪声等。
改进谱减法语音增强算法的研究
改进谱减法语音增强算法的研究陈欢;邱晓晖【摘要】For the speech signal,voice quality is greatly affected by the noise. Speech enhancement techniques must be used to suppress background noise,improving voice quality and voice clear degrees. The speech enhancement is to get the speech as original as possible from the speech signal with noise. The spectral subtraction speech enhancement is utilized broadly because it is simple and easy for the re-al-time processing. In this paper,the basic principle of algorithm of the spectral subtraction is presented. Aiming at reducing annoying musical noise in the standard spectral subtraction algorithm,the principle of two kinds of typical improved spectral subtraction is ana-lyzed. Experimental results show that the proposed algorithm reduces the musical noise effectively and improves the speech quality.%语音信号中，噪声的存在极大地影响了语音质量，必须采用语音增强技术在一定程度上抑制背景噪声，最大限度地改善语音通信质量，提高语音的可懂度。
毕业设计(论文)-基于谱减法的语音增强及其dsp实现[管理资料]
基于谱减法的语音增强及其DSP实现摘要语音总会受到外界噪声不同程度的干扰和影响，噪声不但降低了语音质量和可懂度，而且还将导致语音处理系统性能的急剧恶化。
语音增强技术可以用来抑制噪声,提高抗噪声能力和输入信号的信噪比，改善语音质量、可懂度和系统的性能，并作为预处理或前端处理模块存在于语音处理系统中。
本论文首先从语音特性、噪声特性、人耳的感知特性以及语音信号分析得方法入手，重点研究了基于谱减法的增强算法并在MATLAB环境下对其进行了仿真，验证了谱减法在语音增强方面的有效性和可行性。
DSP(数字信号处理器)作为专用的数字信号处理芯片，具有在单机器周期内完成乘加运算、单机器周期内多次访问存储器以及丰富的片上外设等特点。
采用DSP进行语音信号处理代表未来语音信号处理的发展方向，在这种情况下，本文在研究谱减法的基础上，对算法进行了分析和实现，实现了基于DSP的语音信号采集与处理系统。
关键词：语音信号处理,语音增强,谱减法,DSPSPEECH ENHANCEMENT ALGORITHMS ANDIMPLEMENTATION ON DSPABSTRACTSpeech is inevitably interfered by noise. The noise not only degrades the quality and the intelligibility of speech, but also worsens the capability of the system. As speech enhancement technology can be used to reduce the noise, Improve anti-noise ability and the signal-to-noise ratio of the input signal , the input Signal-to-Noise Ratio of the speech processing system and improving the quality and intelligibility of speech, speech enhancement technology is usually used as the pre-processing module in the speech processing system.This paper first from speech characteristics, noise characteristics, the perception of the human ear characteristics and method of speech signal analysis, Focus on the based on the spectral subtraction enhancement algorithm and in the MATLAB environment of the simulation,Verify the spectral subtraction speech enhancement in the effectiveness and feasibility.DSP as special digital signal processor, has some unique features, such as Single-cycle multiply and accumulate (MAC)，multiple accessing memories in single cycle,a wide variety of on-chip peripherals. These features lead DSP applied widely in digital speech processing field. This paper studies the traditional Spectral Subtraction and improves it to reduce “music noise”. Then based on these theories, a practical speech enhancement processing system on DSP is designed and implemented.KEY WORDS:Speech processing,Speech enhancement,Spectral Subtraction,DSP基于谱减法的语音增强及其DSP实现 (I)摘要 (I)ABSTRACT (II)第一章绪论 (1) (1) (2) (3)第二章语音增强的基础知识 (4) (4)人的听觉特性 (4)语音信号产生的数字模型 (5) (5) (5) (5) (6)、采样、A/D变换 (6) (6) (7) (7) (8) (8) (9) (9) (10)第三章谱减法的原理、算法及分析 (11) (11)谱减法的实现与仿真 (14) (16)第四章DSP介绍及基于DSP实时语音处理系统的设计 (17)DSP概述 (17)DSP芯片的基本结构 (17)DSP的运算速度 (19)DSP应用系统 (20) (21) (21) (21) (23)第五章基于谱减法的语音增强在DSP环境下的实现 (25) (25) (25)CCS (Code Composer Studio) DSP集成开发环境 (27) (27) (27) (29) (32) (32) (35)第六章结论与展望 (37) (37) (37)致谢 (38)参考文献 (39)附录外文文献 (39)第一章绪论当今世界正处在信息时代。
改进的谱减法在语音增强中的应用
改进的谱减法在语音增强中的应用一、boll的改进谱减法基本理论1979年，s.f.boll提出一种改进的谱减法。
主要的改进点如下。
（1）在谱减法中使用信号的频谱幅值或功率谱改进的谱减公式为噪声段的平均谱值为当y=1时，算法相当于用谱幅值做谱减法；当y=2时，算法相当于用功率谱做谱减法。
式中，a为过减因子；β为增益补偿因子。
（2）计算平均谱值在相邻帧之间计算平均值：利用yi（k）取代xi（k），可以得到较小的谱估算方差。
（3）减少噪声残留在减噪过程中保留噪声的最大值，从而在谱减法中尽可能地减少噪声残留，从而削弱“音乐噪声”。
此处，max|nr（k)|代表最大噪声残余。
二、基本谱减法的实验boll的改进谱减法函数spectralsubim名称：spectralsubim功能：基于boll的改进谱减法语音降噪。
调用格式：output = spectralsubim(signal,wind, inc, nis, gamma, beta)说明：输入参数signal是输入的含噪语音信号；wind为窗函数或窗长；inc是帧移；nis是前导无话段帧数；gamma和beta是算法参数。
output是降噪后的信号。
函数代码如下：functionoutput=spectralsubim(signal,wind,inc,nis,gamma,beta)nwin=length(wind);if (nwin == 1) % 判断窗长是否为1，若为1，即表示没有设窗函数w = wind; % 是，帧长=windwnd=hamming(w);elsew = nwin; % 否，帧长=窗长wnd=wind;endnfft=w;y=enframe(signal,w,inc)';y=fft(y,nfft);yphase=angle(y(1:fix(end/2)+1,:)); %含噪语音的相位y=abs(y(1:fix(end/2)+1,:)).^gamma; %功率谱numberofframes=size(y,2);n=mean(y(:,1:nis)')'; %初始的能量谱均值d(k)nrm=zeros(size(n)); %噪声残余量最大值noisecounter=0;noiselength=9; %噪声平滑因子ys=y; %平均谱值for i=2:(numberofframes-1)ys(:,i)=(y(:,i-1)+y(:,i)+y(:,i+1))/3;endfor i=1:numberofframes[noiseflag, speechflag, noisecounter,dist]=vad_logspec(y(:,i).^(1/gamma),n.^(1/gamma),noise counter); %基于频谱距离的vad检测if speechflag==0n=(noiselength*n+y(:,i))/(noiselength+1); %更新并平滑噪声nrm=max(nrm,ys(:,i)-n); %更新最大的噪声残余x(:,i)=beta*y(:,i);elsed=ys(:,i)-n; %谱减if i>1 &&i<numberofframes %减少噪声残留项for j=1:length(d)if d(j)<nrm(j)d(j)=min([d(j) ys(j,i-1)-n(j)ys(j,i+1)-n(j)]);endendendx(:,i)=max(d,0);endendoutput=overlapadd2(x.^(1/gamma),yphase,w,inc);信噪比计算函数snr_calc名称：snr_calc功能：计算信噪比。