[发明专利]一种结合MMSE和谱减法的语音增强方法

说明书

本发明提出了一种结合MMSE和谱减法的语音增强方法。该方法包括：获取语音信号并作预加重与傅立叶变换；估计噪声功率谱；计算先验与后验信噪比，对信号作基于短时谱的MMSE处理；利用改进的谱减法计算增益矩阵和孤立因子；利用孤立因子修正增益矩阵以抑制音乐噪声；反变换得到增强的语音信号。本发明提出的算法能更有效地抑制音乐噪声，显著提高了去噪后的语音信噪比与可懂度。

技术领域

本发明属于语音信号处理技术领域，具体地说是指一种结合MMSE和谱减法的语音增强方法。

背景技术

我们日常接收到的语音信号很难是纯净的，它们都夹杂着或多或少的噪声，噪声可能来自环境、录音设备甚至是说话人自身，因此为改善语音质量，提高语音可懂度，我们需要应用语音增强技术。

语音增强是语音处理的一项重要技术，其目的是从带噪语音中提取尽可能纯净的原始语音。但由于噪声信号都是随机产生的，完全消噪几乎不可能。因此，实际语音增强的目标主要有：提高语音清晰度，改善语音质量；提高语音可懂度，方便听者理解。

在语音增强领域，基本谱减法(SS)是原理简单，计算量小的一种经典方法，它最初由美国学者Steven Boll提出，利用人耳对相位不敏感的特点，用带噪语音相位替代纯净语音，然后用带噪语音的频谱减去噪声频谱，其结果与带噪语音相位结合得到语音增强后的结果。其基本公式为其中是增强语音频谱，Y(ω)是带噪语音谱，是估计的噪声谱。之后有很多人对谱减法作出了改进，目前最流行的谱减法公式为：

容易看出当参数ε＝2，α＝1时，上式即化为传统谱减法。但是无论是传统还是改进的谱减法，增强后的语音都会引入尖锐的音乐噪声，从而影响可懂度和信噪比的提升。如何抑制音乐噪声也是谱减法面临的最大的问题。

相比于谱减法，最小均方误差短时谱幅值估计法(MMSE-STSA)引入的音乐噪声就要小很多，这也是一种基于傅立叶短时谱的语音增强算法。它通过假设语音与噪声服从独立高斯分布，根据估计的后验和先验信噪比来计算纯净语音。MMSE能在一定程度上抑制音乐噪声的原因是它采用了Decision-Directed方法(直接判决法)来估计先验信噪比，起到了平滑作用。但是MMSE也存在着语音增强程度有限的问题，在抑制音乐噪声的同时也限制了其提升语音质量的能力。

发明内容

有鉴于此，本发明提出了一种基于MMSE和谱减法的语音增强方法，综合了二者的优点，在保证语音质量的同时抑制了音乐噪声。

第一方面，本发明实施例提供了一种结合MMSE和谱减法的语音增强方法，包括：获取输入语音，对输入语音做预加重及短时傅立叶变换处理得到语音谱，从中估计初始噪声谱，采用MMSE算法预处理。预处理后的语音用改进的谱减法进一步处理，并引入孤立因子抑制音乐噪声的产生。然后将处理后的频谱反傅立叶变换以及去加重得到最终音频。

所述预加重包括：采用滤波器H(z)＝1-μz^-1对原始语音滤波，提升高频质量，其中z表示作z变换，μ是预加重系数。

所述短时傅立叶变换包括：带噪语音、纯净部分、加性噪声分别用y(t),s(t),n(t)表示，有y(t)＝s(t)+n(t)，假设语音与噪声不相关，对语音分帧加汉明窗，变换到频域后对第k帧第i个点有Y²(k,i)＝S²(k,i)+N²(k,i)，其中Y,S,N表示变换到频域后的带噪语音、纯净部分和加性噪声。

所述估计初始噪声谱包括：利用语音间隙估计噪声功率谱N²(k,i)。静寂帧的起始段采用VAD语音活动检测，将最长的一段判别为噪声的起点作为估计噪声的起点，并返回那段噪声的长度。设静寂段帧数为NIS，则估计噪声谱并且每一次迭代过程中，利用VAD语音活动检测更新此估计值。