语音通信降噪研究

语音通信系统中,语音通过信道传输将不可避免地引入码间串扰和信号畸变,同时受到噪声污染。本文在分析自适应盲均衡算法CMA(constant modulus algorithm）和改进盲均衡算法的基础上,考虑到自适应盲均衡技术在语音噪声控制方面能力有限,将自适应盲均衡技术与小波包掩蔽阈值降噪算法联合使用,形成一种基带语音增强新方法。仿真试验结果显示自适应盲均衡技术可以使星座图变得清晰而紧凑,有效减小误码率。研究证实该方法在语音信号ISI和畸变严重情况下,在白噪及有色噪声不同的噪声环境中都具有稳定的降噪能力,消噪同时可获得汉语普通话良好的听觉效果。     

基于小波变换和矢量量化的语音压缩编码方案

对于一种新的语音压缩编码方法——基于小波变换和矢量量化的语音压缩编码方案进行了开发和研究。该方法先对语音进行小波变换和小波包变换,然后使用矢量量化来压缩数据．我们还研究了使用摘编码方法进一步降低比特率的算法,实验结果表明对于采样频率为８ｋＨｚ,每样本量化为８ｂｉｔ的６４ｋｂｉｔ／ｓ语音信号压缩到６ｋｂｉｔ／ｓ～８ｋｂｉｔ／ｓ时,具有良好的语音质量．同时该算法还具有低延迟的优点,其算法延迟只有８ｍｓ。     

小波包自适应阈值语音降噪新算法

为了克服低信噪比输入下,语音增强造成语音清音中的弱分量损失,造成重构信号包络失真的问题。论文提出了一种新的语音增强方法。该方法根据语音感知模型,采用不完全小波包分解拟合语音临界频带,并对语音按子带能量进行清浊音区分处理,在阈值计算上,提出了一种清浊音分离,基于子带信号能量的小波包自适应阈值算法。通过仿真实验,客观评测和听音测试表明,该算法在低信噪比输入时较传统算法,能够更加有效地减少重构信号包络失真,在不损伤语音清晰度和自然度的前提下,使输出信噪比明显提高。将该算法与能量谱减法结合,进行二次增强能进一步提高降噪输出的语音质量。     

低码率语音编码中过渡帧对合成语音的影响*

过渡段对语音清晰度、可懂度和人耳听觉感知都起到不可忽视的作用。参数语音编码中,包含有过渡段的语音帧能否得到恰当处理,是决定其合成语音是否清晰可懂的关键。本文以混合激励线性预测编码为参考,将其中的语音帧划分为静音、清音、浊音、过渡四大类后分别处理,在以往低码率语音编码(1 kbps)工作基础上,比较了八种过渡帧划分方法对合成语音PESQ MOS的影响。经分析后发现:不同的过渡帧对PESQ MOS的贡献也不同。由清、静音向浊音变化的过渡帧的贡献最大;介于浊辅音与元音之间的过渡帧的贡献也不应被忽略。     

全局特征及弱尺度融合策略的小样本语音情感识别

语音是一种短时平稳时频信号,因此大多数的研究者都通过分帧来提取情感特征。然而,分帧后提取的特征为局部特征,无法准确反应情感语音动态特性,故单纯采用局部特征往往无法构建鲁棒的情感识别系统。针对这个问题,先在不分帧的语音信号里通过多尺度最优小波包分解提取语句级全局特征,分帧后再提取384维的语句级局部特征,并利用Fisher准则进行降维,最后提出一种弱尺度融合策略来将这两种语句级特征进行融合,再利用SVM进行情感分类。基于柏林情感库的实验结果表明本文方法较单纯使用语句级局部特征最后识别率提高了4.2%到13.8%,特别在小样本的情况下,语音情感识别率波动较小。      

面向自定义语音唤醒的关键词相关的单通道语音增强

提出一种面向自定义语音唤醒的单通道语音增强方法。该方法预先将关键词音素信息存入文本编码矩阵,并在常规语音增强模型基础上添加一个基于注意力机制的音素偏置模块。该模块利用语音增强模型中间特征从文本编码矩阵中获取当前帧的音素信息,并将其融入语音增强模型的后续计算中,从而提升语音增强模型对关键词相关音素的增强效果。在不同噪声环境下的实验结果表明,该方法可以更有效地抑制关键词部分噪声。同时所提出方法对比常规语音增强方法与其他文本相关语音增强方法,在自定义语音唤醒性能上可以分别获得14.3%和7.6%的相对提升。     

基于小波包变换的红外与可见光图像融合

针对红外与可见光图像特点,提出一种基于小波包变换的融合算法。该算法先对源图像进行小波包分解,得到低频分量和各带通方向子带分量,并对不同分量采用不同的融合规则进行融合处理,得到各融合系数,然后经小波包重构获得融合图像。该方法可提取源图像细节信息,取得较好的融合效果。     

小波包变换潜变量回归同时测定钐和钇

采用小波包变换潜变量回归(WPLVR)方法,同时测定了钐和钇。该法结合小波包变换和潜变量回归改进了除噪质量。信号的小波包表述提供了一个局部时频描述, 因此在小波域, 除噪质量可以改善。潜变量是把小波包处理过的信号投影到正交基本征矢量上获得。潜变量可由原始变量的线性组合来表示。使用该法, 人们可从没有选择性的全光谱数据中获得极有选择性的信息。通过最佳化,选择了小波函数及小波包分解水平(L)。编制了两个程序(PWPLVR)和(PFTLVR)执行WPLVR和傅里叶变换潜变量回归(FTLVR)法计算。试验结果表明两种方法都是成功的,且WPLVR法更优于FTLVR法。     

基于听觉掩蔽效应和Bark子波变换的语音增强

提出了一种适用于低信噪比下的提高语音的听觉效果的语音增强方法。该方法在谱减法的基础上有两个特点:首先减参数是根据人耳听觉掩蔽效应提出的且是自适应的;其次采用了与人耳听觉系统特性更为适应的Bark子波变换方法对增强前后的语音进行分析。对该算法进行了客观和主观测试,结果表明:与谱减法相比对低信噪比的语音信号,(1)能更好地抑制残留噪声和背景噪声,(2)增强后的语音具有更好的清晰度和可懂度。     

听觉模型反演方法及其应用

听觉模型已应用于语音信号处理的许多方面,并已取得了较好的结果。论文根据目前应用较为广泛的听觉模型,提出了模型中各部分的逆变换。首先通过对自相关图谱逆变换并经迭代运算重构相位信息恢复神经发放率,再经半波整流逆运算恢复负半部分信号,最后对描述内毛细胞、突触模型的相关方程进行逆运算和Gammatone逆滤波,构成整个听觉模型的反演方法。作为应用论文提出了一种基于听觉模型逆变换的含噪语音增强方法。实验结果表明,该方法对含噪语音有很好的降噪效果,特别是当信噪比较低时,该方法较常用的方法更为有效。论文提出的听觉模型逆变换方法可应用于语音增强等领域。     

时频结合自适应阈值小波包消噪算法

在充分考虑人耳听觉特性和噪声统计特性的基础上,提出一种时频结合Bark尺度自适应阈值的语音消噪算法,在Bark频域上自适应调整增强系数可以较准确地进行阈值判定。仿真实验验证,时频结合算法在低信噪比输入情况下较传统语音降噪方法具有明显优势,其在消除高斯白噪声的同时有效降低了语音损失,可获得最大信噪比,谱失真测度最小,增强语音的MOS(Mean Opinion Score)评分明显提高,具有较好的听觉效果。     

用于无监督语音降噪的听觉感知鲁棒主成分分析法

针对现有稀疏低秩分解语音降噪方法对人耳听觉感知特性应用不充分、语音失真易被感知的问题,提出了一种用于语音降噪的听觉感知鲁棒主成分分析法。由于耳蜗基底膜对于频率感知具有非线性特性,该方法采用耳蜗谱图作为语噪分离的基础。此外,选用符合人耳听觉感知特性的板仓-斋田距离度量作为优化目标函数,在稀疏低秩建模过程中引入非负约束以使分解分量更符合实际物理含义,并在交替方向乘子法框架下推导了具有闭合解形式的迭代优化算法。文中方法在语音降噪时是完全无监督的,无需预先训练语音或噪声模型。多种类型噪声和不同信噪比条件下的仿真实验验证了该方法的有效性,噪声抑制效果较目前同类算法更为显著,且降噪后语音的可懂度和总体质量有所提高、至少相当。      

考虑帧间信息的语音带宽扩展

语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,该方法的映射函数是分段线性函数,且没有考虑语音前后帧的相关信息。因此,提出了一种基于条件受限玻尔兹曼机的方法。该方法利用条件受限玻尔兹曼机提取了语音信号的帧间信息,同时将语音低频、高频特征参数映射为高阶统计特性,深层发掘和模拟了语音低频和高频之间的非线性关系。客观和主观对比测试结果都表明,该方法性能优于传统的高斯混合模型方法。      

一种彩色图像的小波域预测编码方法

彩色图像存在空间相关性和帧间相关性,如何有效的去除这两种相关性是提高彩色图像压缩比的关键。提出一种小波变换域的自适应预测无损压缩方法,分为三个步骤:首先对彩色图像各个分量进行可逆整数小波变换减小空间相关性,然后利用联想记忆神经网络对小波系数图像分别进行空间预测和帧间预测,进一步去除空间和帧间相关性,最后对预测残差进行算术编码。实验证明该算法是可行的和有效的,对测试图像的压缩效果优于JPEG LS标准。     

听觉模拟的语音增强方法

本文通过分析听觉系统的信号提取方法，提出了适合于信号提取的动态多阈值的概念，并以此提出了实现语音增强的方法。实验结果表明，与传统的语音增强方法相比，听觉模拟的语音增强方法有更好的增强效果。     

基于小波变换的分水岭图像分割方法

图像分割技术在数字图像处理中占有重要地位.提出了一种基于小波变换的图像分割方法,有效地将小波分析、小波包分解与数学形态学中的分水岭方法相结合.首先,通过小波包对图像有效降噪,在一定程度上减少了分水岭方法的过分割现象.然后利用小波变换得到的梯度向量进行分水岭变换,有效保持边缘信息.实验结果证明该算法是可行的,与基于形态梯度的分割结果相比,得到了较好的分割效果.     

采用压缩感知的改进的语音转换算法

提出了一种基于压缩感知的考虑语音帧间信息的语音转换算法。根据连续多帧语音的线谱对参数所构成的矢量在离散余弦变换域具有稀疏性,利用压缩感知技术对该矢量压缩成短矢量,并将该压缩后的短矢量作为特征参数训练语音转换函数。实验测试结果表明,选择合适的语音帧数时,该算法的性能要比传统的采用加权频率卷绕的转换算法提高3.21%。这说明,充分有效地利用语音帧间的相关信息会使转换语音保持更稳定的帧间声学特性,有利于提高语音转换系统的性能,      

基于小波包分析的心磁信号消噪

心磁图(Magnetocardiography)是一种无创性记录和分析心脏电磁场的方法.由于心磁场强度极其弱小,必须使用超导量子干涉仪(SQUID)才能检测,其中心磁信号消噪处理十分重要.本文对心磁测量中的消噪进行了研究,在小波分析的基础上,提出使用小波包分析方法消噪,通过实验发现小波包分析消噪能获得很好的效果.     

基于主成分分析的汉语连续语音切分算法

连续语音切分是汉语连续语音识别中的一项重要技术。本文将通常用于图像处理的主成分分析(PCA)方法引入汉语连续语音切分领域,目的是通过PCA,降低语音帧之间的频谱相关性。再利用相邻语音帧特征构成的三维子空间的大小,实现连续语音切分,取得了不错的切分效果。     

一种基于听觉特性的语音失真测度方法

提出了一种基于听觉特性的语音失真测度方法──感知谱失真 ＰＳＤ（Ｐｅｒｃｅｐｔｕａｌ Ｓｐｅｃｔｒｕｍ 　Ｄｉｓｔｏｒｔｉｏｎ）测度,该测度方法通过模拟人的听觉特性把语音短时频谱转变为符合听觉特性的感知频谱,再以感知谱为基础来度量语音失真程度。经过对不同质量的语音进行仿真实验以及与Ｉｔａｋｕｒａ测度方法作对比实验,结果表明ＰＳＤ测度是一种与语音质量主观评价一致性较好的语音失真测度方法。