有色噪聲下基于Unscented粒子濾波的語音增強(qiáng)方法

第24卷第3期電波科學(xué)學(xué)報Vol.24,No.32009年6月CHINESEJOURNALOFRADIOSCIENCEJune,2009文章編號100520388(2009)0320476206有色噪聲下基于Unscented粒子濾波的語音增強(qiáng)方法3尹偉1易本順1沈小豐2(1.武漢大學(xué)電子信息學(xué)院,湖北武漢430079;2.湖北大學(xué)物理學(xué)與電子技術(shù)學(xué)院,湖北武漢430062)摘要針對含有色噪聲的語音,提出了一種基于Unscented粒子濾波的單通道語音增強(qiáng)方法。采用時變自回歸模型(TVAR)對干凈語音建模,通過Unscented粒子濾波器估計AR模型的參數(shù)并濾除有色噪聲。與大多數(shù)常用的粒子濾波選擇的建議分布不同,Unscented粒子濾波器采用Unscented卡爾曼濾波器生成粒子濾波的建議分布。由于在粒子的更新過程中考慮了最近的觀測值,Unscented粒子濾波器能夠在粒子數(shù)少于傳統(tǒng)粒子濾波算法所需粒子數(shù)目的基礎(chǔ)上改善估計的性能。仿真實驗結(jié)果表明,在有色噪聲背景下該算法具有良好的語音增強(qiáng)效果。關(guān)鍵詞語音增強(qiáng);Unscented粒子濾波;中圖分類號TN912.3文獻(xiàn)標(biāo)志碼Afilter2gaussiannoisesYINWei1YIBenΟshun1SHENXiaoΟfeng2(1.SchoolofElectronicInformation,WuhanUniversity,WuhanHubei430079,China;2.SchoolofPhysics&Eleetronics,HubeiUniversity,WuhanHubei430062,China)AbstractConsideringspeechsignalswithcolornoises,anovelspeechenhance2menttechniqueisproposedbasedonunscentedparticlefilter(UPF).Thetech2niquemodelsspeechsignalswithtimeΟvaryingautoregressive(TVAR)models.UnscentedparticlefilterisappliedtoestimatetheparametersofARmodelandfil2tercolornoises.Insteadofmostpopularchoiceofproposaldistribution,UnscentedparticlefilterusesanUnscentedKalmanfilter(UKF)togeneratetheimportanceproposaldistribution.Itallowstheparticlefiltertoincorporatethelatestobserva2tionsintoapriorupdatingroutinesoastoimproveestimationperformancegreatlywithfewerparticles.Simulationresultsdemonstratethattheproposedalgorithmpossessesgoodperformancewithcolornoises.Keywordsspeechenhancement;Unscentedparticlefilter;timeΟvaryingautore2gressivemodels;UnscentedKalmanfilter收稿日期:2008209201.基金項目:中國博士后基金(No.20070411054);江蘇省博士后基金(No.0701017B);國家自然科學(xué)基金(No.60871013,No.60701005);高等學(xué)校博士學(xué)科點專項科研基金(No.20070288043)聯(lián)系人:沈小豐E2mail:sxfcn@126.com4763第3期尹偉等:有色噪聲下基于Unscented粒子濾波的語音增強(qiáng)方法477引言語音增強(qiáng)技術(shù)無論是在復(fù)雜環(huán)境下的語音通信還是在語音編碼或語音識別的預(yù)處理中都有著很廣泛的應(yīng)用。它通過對帶噪語音進(jìn)行語音增強(qiáng)處理來改善語音質(zhì)量、提高語音可懂度,因而具有非常重要的意義。在眾多語音增強(qiáng)方法中,譜減法[1,2]是最常用的。但是其處理后的語音會產(chǎn)生音樂噪聲,而且在信噪比較低時殘留噪聲較大,不能得到很好的增強(qiáng)效果。另一類常見的語音增強(qiáng)算法是基于語音生成模型的方法,如卡爾曼濾波[3]。卡爾曼濾波的語音增強(qiáng)方法通過線性預(yù)測系數(shù)獲得干凈語音參數(shù),并通過無語音幀獲得噪聲特性。當(dāng)噪聲是高斯過程時,卡爾曼濾波給出了對干凈語音的最小均方差估計。但是卡爾曼濾波假設(shè)語音滿足高斯分布,因此在對實際非高斯分布的語音的建模方面有其局限性。近年來一種新的非線性濾波方法———結(jié)合貝葉斯原理和蒙特卡羅的粒子濾波器,獲得成功的應(yīng)用。問題,音增強(qiáng)。]模型(TVAR),提出一種基于RaoΟBlack2wellized粒子濾波的語音增強(qiáng)方法。金乃高等人在Vermaak算法的基礎(chǔ)上通過子帶分解降低了Rao-Blackwellized粒子濾波中采樣空間的維數(shù),達(dá)到減x(n)可以描述為一個由白噪聲信號驅(qū)動、全極點線性自回歸過程,即px(n)=i=1∑a(i)x(n-i)+u(n)(1)式中,p為AR模型的階數(shù);{a(i)}ip=1為AR模型的系數(shù);{u(n)}為零均值且方差為σu的高斯白噪聲。激勵源參數(shù)和聲道模型參數(shù)即使在短時間間隔內(nèi)仍然是時變的,因此,為了更有效地描述語音信號的非平穩(wěn)特性將式(1)改寫為TVAR模型,即pxt=i=1∑a(i)xtt-i+ut(2)在此引入一個對數(shù)域偏差<ut=log(σut),并假設(shè)其變化規(guī)律滿足高斯隨機(jī)移動模型,則激勵噪聲的似然函數(shù)為22μσ(3)p(<ut|<ut-1,σ<u)=B(<u,<u)2σ在此μ<u=log(αut-1),α是小于1的系數(shù)。對TVAR系數(shù)a(i)pat|a1)at-1,a)(4),就是確保TVAR模型所有瞬時極點位于單位圓內(nèi)。為了確保系統(tǒng)模型的穩(wěn)定,文中采用另一種參數(shù)建模的方法,對TVAR模型采用時變反射系數(shù)(TVΟPARCOR)[6]來重新參數(shù)化。采用TVΟPARCOR模型原因在于其能更容易地驗證模型的少計算量的目的。上述的兩種方法在語音增強(qiáng)上獲得了不錯效果,但是它們在建立語音的TVAR模型時未考慮模型的穩(wěn)定性。此外,將附加噪聲假設(shè)為高斯白噪聲,采用對數(shù)域偏差來模擬噪聲的時變特性,這樣的設(shè)定對于高斯白噪聲能有比較好的效果,但是對有色噪聲就不一定。而且在選擇重要性采樣時將狀態(tài)的先驗分布作為建議分布進(jìn)行狀態(tài)估計,不能很好地逼近實際的后驗分布,影響了估計精度,同時也導(dǎo)致粒子的退化。為此,文中采用Unscent2ed粒子算法來進(jìn)行語音增強(qiáng),通過TVAR模型對語音建模,為了確保模型的穩(wěn)定,對TVAR模型采用TVΟPARCOR系數(shù)來重新參數(shù)化,引入Un2scented卡爾曼濾波器方法來產(chǎn)生建議分布。仿真穩(wěn)定性和對模型進(jìn)行評估,而且其對語音信號的特性有很好的描述。采用標(biāo)準(zhǔn)的Levinson遞歸式可以將at轉(zhuǎn)換成時變反射系數(shù)ρPARCOR模t。TVΟ型的穩(wěn)定性可以通過每個反射系數(shù)ρt保證。當(dāng)系數(shù)ρt的值在(-1,+1)范圍內(nèi)時表明系統(tǒng)穩(wěn)定,則時變ρt的受限的移動模型為2σN(ρmax{|ρt,aI)t,i|}<12iσp(ρt|ρt-1,a)∝0,otherwise(5)Tρ在此ρPARCORt=[t(1),…,ρt(p)]。文中TVΟ模型設(shè)定前向反射和后向反射系數(shù)定相同。這是考慮到人的聲道形狀由于物理特性的限制是隨時間緩慢變化的,前向反射系數(shù)可以近似認(rèn)為等于后向反射系數(shù)。則AR系數(shù)ai和反射系數(shù)ρi可用如下的實驗表明,針對有色噪聲,在計算量相近時文中算法能在采用少量粒子數(shù)的情況下獲得更好的性能。1語音和噪聲模型假設(shè)語音和噪聲信號相互無關(guān),干凈語音信號非線性可逆的映射關(guān)系進(jìn)行轉(zhuǎn)換(aj=1(i)-ρa(bǔ)j(i)=j+1aj+1(j-i+1))21-ρj+1j=p-1,…,1i=1,…,j(6)在這個遞歸式中ρp=ap(p)且ρj=aj(j)。478電波科學(xué)學(xué)報N第24卷在只考慮加性噪聲的條件下,帶噪語音yt的模型可以表示為yt=xt+vt(7)i=1∑wt=1i(15)在此vt為與干凈語音無關(guān)的附加噪聲。為了描述附加噪聲對vt采用AR過程來建模有q而X0:t=(Xj,j=0,…,t)表示到t時刻系統(tǒng)所有狀態(tài)的集合,所以t時刻的后驗密度可以近似表示為Np(Xt|y1:t)≈(8)i=1t-i∑wδ(Xitt-Xt)i(16)vt=i=1∑b(i)v+et2式中,et是方差為σ對b(i)采用高e的高斯白噪聲。斯隨機(jī)移動模型,則有2p(bt|bt-1)=N(bt-1,σbI)(9)在此引入一個已知分布且容易采樣的重要性分布函數(shù)q(Xt|y1:t),通過對重要性函數(shù)的采樣粒子點進(jìn)行加權(quán)來近似p(Xt|y1:t)。對系統(tǒng)的轉(zhuǎn)態(tài)轉(zhuǎn)移函數(shù)f(Xt)有N由此干凈語音和帶噪信號的模型可以通過一個參數(shù)向量θt來描述,θt=(at,<ut,bt)。式(1)與式(2)描述的語音信號TVAR轉(zhuǎn)化為依賴于參數(shù)θtE(f(Xt))=i=1∑if(X)q(Xt|y1:t)p(y1:t)iti(17)的狀態(tài)空間的描述形式,即θxt=At(θt)xt-1+Bt(t)utθθyt=Ct(θt)xt+Dt(t)vt+Et(t)et式中,At(θt)=atIp-10p-1式中,iiw∝iq(Xt|y1:t)it(10)(11)(18)θ,Bt(t)=ut0p-1×若在t-1時刻已經(jīng)得到t-1pi(X0:t-|y1:t-1),且語音參數(shù),itw∝witit-1Ct(θt)=101Dt(θt)t10q-1,t(θt)e0q-1×iiq(Xt|Xt-1,yt)iii(19)式中,q(Xt|Xt-1,yt)=q(Xt|X0:t-1,y1:t)=q(X0:t-1|y1:t-1)(20)2基于粒子濾波器的語音增強(qiáng)算法粒子濾波算法是求解貝葉斯概率的實用算法,通過非參數(shù)化的蒙特卡羅模擬方法來實現(xiàn)貝葉斯濾波。而貝葉斯濾波原理的實質(zhì)是用所有已知信息來構(gòu)造系統(tǒng)狀態(tài)變量的后驗概率密度。選取語音模型狀態(tài)為(12)Xt=(xt:t+p-1,θt)=(xt:t+p-1,at,<ut,bt)假設(shè)語音參數(shù)滿足一階馬爾可夫隨機(jī)過程p(Xt|Xt-1,Xt-2,…,X0)=p(Xt|Xt-1)(13)[7]由權(quán)值wit即可得到t時刻的后驗概率密度p(Xt|y1:t)。狀態(tài)Xt包含了對純凈語音xt的估計,直接提取Xt中的xt可獲得語音增強(qiáng)的結(jié)果。由于粒子的選取和估計重要性權(quán)值wit與q(Xt|y1:t)的選取密切相關(guān)。為獲得較好的估計效果,重要性分布應(yīng)接近真實狀態(tài)后驗分布,且應(yīng)包含大部分最近的觀測值。但是為了方便實現(xiàn)大多數(shù)算法,在重要性分布的選擇上采用重要性分布為系統(tǒng)的先驗演化模型,即q(Xt|Xt-1,yt)=p(Xt|Xt-1)(21)則狀態(tài)變量的轉(zhuǎn)移概率密度為σp(Xt|Xt-1)=p(xt|xt-1:t-p,at,σu)p(at|at-1,a)?σp(<ut|<ut-1,σ<u)p(bt|bt-1,b)(14)2222采用粒子濾波算法進(jìn)行語音增強(qiáng)的核心在于從帶噪語音y1:t中估計t時刻語音的后驗概率密度p(Xt|y1:t)。由于直接得到真實的后驗概率密度很困難,則式(19)簡化為(22)wit∝wit-1p(yt|Xit)這樣的簡化不能合并大部分最近的觀測值,因此估計的效果并不理想。為此構(gòu)造一個基于樣本的后驗概率密度函數(shù),用{Xt,wt}i=1表示系統(tǒng)后驗概率密度函數(shù)p{Xt|y1:t}iiN3基于Unscented粒子語音增強(qiáng)算法基本粒子濾波算法的一個主要問題是退化問題,即經(jīng)過幾步迭代以后,除了極少數(shù)粒子外,其他粒子的權(quán)值小到可以忽略不計的程度。在粒子濾波的粒子集合。其中{X:i=1,…,N}是支持樣本集,相應(yīng)的權(quán)值為{wit:i=1,…,N},且滿足it第3期尹偉等:有色噪聲下基于Unscented粒子濾波的語音增強(qiáng)方法算法中抑制粒子退化的一般方法是增加粒子數(shù)和再采樣。但是再采樣會降低粒子的多樣性;而大量增加粒子數(shù),將大大增加計算量。為了解決粒子退化及算法中沒有合并大部分最近的觀測值的問題,文中采用Unscented粒子算法[8]來進(jìn)行語音增強(qiáng),通過Unscented卡爾曼濾波器(UKF)方法引入最新觀測值來產(chǎn)生建議分布。使用Unscented卡爾曼濾波器方法產(chǎn)生建議分布的原因在于語音信號實際具有非線性的特征,用傳統(tǒng)卡爾曼濾波不合適。推廣卡爾曼濾波(EKF)將卡爾曼濾波應(yīng)用到非線性情況,但EKF不能說是卡爾曼濾波的完全推廣,它只是一個用線性去近似非線性的粗糙方法,不能很好地描述系統(tǒng)的非線性性質(zhì),且只能得到一階的精度。UKF也是一種遞歸式貝葉斯估計方法,它利用Un2scented變換(UT)方法,用一組確定的取樣點來近似后驗概率。但是UKF不必線性化非線性狀態(tài)方程和觀測方程,它直接利用非線性狀態(tài)方程來估算狀態(tài)向量的概率密度函數(shù),對任何非線性系統(tǒng)都可精確到泰勒級數(shù)展開的二階精度,由它產(chǎn)生的支撐集更加逼近后驗分布,的信息,更容易,UT性變換后的概率密度分布。對于L維的隨機(jī)變量x,其均值和方差分別為^x和Px。為了得到^y和Pyy,將x用2L+1個加權(quán)sigma點χ表示χ(23)x0=^χx+(i=^L+λ)Px)ii=1,…,LL+λ)Px)j-L479ξ用來合并x分布的先驗知識。式中,i=1,…,2L。這些sigma點俘獲到的均值和協(xié)方差不會因不同的平方根方法而改變。因此可以采用效率高、數(shù)值穩(wěn)定的Cholesky方法,用標(biāo)準(zhǔn)的向量和矩陣運(yùn)算來計算均值和協(xié)方差,實現(xiàn)速度很快。由此,將基于Unscented粒子濾波的語音增強(qiáng)方法的具體步驟描述如下:(1)初始化:t=0時刻,設(shè)置粒子總數(shù)N,指定N個初始權(quán)重,從p(X0)中抽取粒子X0,其中222μσσp(X0)=N(a0,σaI)N(<u,<u)N(b0,bI)(29)(i)由式(30)求出計算增廣狀態(tài)變量的均值X0ia和方差P0i()a()X0=E(X0)iiiiiiiT)(X0)]P0=E[(X0-X0-X0X0P0i,ai,a=E[X0]=[(X0),0,0]=E[(X0i,ai,aiTT(30)i,ai,ai,aT)(X0)]-X0X0i=ag((t=2,…)KF更新粒子狀態(tài),先對粒子由UT變換(i)a生成sigma點χt-1,然后通過時間和測量更新得到(i)各個粒子的均值Xt(i)和方差^Pt。由此將建議分布定義為q(XtX^t(i)(i)(i)()(i)|X0:t-1,y1:t)=N(Xti,^Pt)(31)從建議分布中抽取粒子()()()(i)～q(Xti|X0i:t-1,y1:t)=N(Xti,^Pt)(24)(25)χj=^x-(2(32)j=L+1,…,2L2)計算粒子的權(quán)值w(i)t()(i)(i)i∝(i)(i)q(Xt|X0:t-1,y1:t)λ=α(L+κ)-L是一個比例參數(shù)。常數(shù)α決式中,-4α定^x周圍sigma點的分布范圍,一般來說取e≤≤1。另一比例參數(shù)κ用來調(diào)節(jié)高階矩的作用減小預(yù)測誤差,且當(dāng)L+κ=E[(x-^x)]時,預(yù)測誤差最)Px)i是矩陣(L+λ)Px的平方根的第小。(L+λ)后得到i列。這些sigma點經(jīng)過非線性函數(shù)f(?一系列變換點,這些變換點的均值和方差如下2L(33)3)對權(quán)值歸一化Nw(i)t=w(i)ti=1∑wt(i)-1(34)4)重采樣消除權(quán)值較小的粒子,復(fù)制權(quán)值較大的粒子,獲i得N個隨機(jī)樣本X0:t,近似服從分布p(X0:t|y1:t),^y≈2Li=0∑WiyiTm(26)為每個再采樣之后的樣本粒子賦以相同的權(quán)值,對i=1,…,N,有wt=1/N。iPyy≈i=0W∑ci(yi-^y)(yi-^y)(27)5)馬爾可夫鏈蒙特卡羅(MCMC)計算式中,加權(quán)系數(shù)Wi為(m))W0=λ/(L+λW0Wi(c)(m)為了增加粒子的多樣性,由固定不變的分布p(i)(i)(i)(X0:t|y1:t)采用馬爾可夫轉(zhuǎn)換核獲得(X0:t,P0:t)。2)+(1-α)=λ/(L+λ+ξ(28)6)輸出=Wi(c))]=1/[2(L+λ用采樣值近似后驗分布480p(X0:t|y1:t)≈^p(X0:t|y1:t)=電波科學(xué)學(xué)報NN第24卷i=1δ∑X0:t(i)(dX0:t)(35)4實驗仿真為了驗證文中算法的有效性,文中采用2種不同的干擾噪聲測試算法的增強(qiáng)效果。實驗語音數(shù)據(jù)來自國外著名TIMIT語料庫的時長為2s、采樣率為16kHz語音,通過軟件CoolEditPro重采樣為8kHz。加入的噪聲類型包括有色噪聲和類似語音的Babble噪聲。在MATLAB中將語音與噪聲按比例線性相加,生成不同信噪比的帶噪語音,其信噪比(SNR)范圍為0dB至10dB。在實驗中,TVAR模型的階數(shù)p為10,噪聲的AR模型的階數(shù)q為5。UT參數(shù)設(shè)置為α=1,κ=0,ξ=2。為了驗證文中提出算法的語音增強(qiáng)效果,將文中算法與文獻(xiàn)[4]中算法進(jìn)行比較。考慮到Unscented粒子濾波算法中由于Unscented卡爾曼濾波器的引入大大增加了計算量。非常大。,,實驗時30,文獻(xiàn)[4]中算法的粒子數(shù)為200。此時兩種算法的運(yùn)算量基本接近。1)有色噪聲下語音增強(qiáng)實驗文中有色噪聲取自噪聲庫NOISEXΟ92B。圖1所示為有色噪聲下兩種算法語音增強(qiáng)效果的語譜圖對比。橫坐標(biāo)表示時間,單位為秒;縱坐標(biāo)表示頻率,其單位為赫茲。圖1(a)中為原始的干凈語音的語譜圖;圖1(b)為含噪語音信號混入了很強(qiáng)的有色噪聲干擾,其語譜特征很模糊;圖1(c)為文獻(xiàn)[4]中算法處理后語音的語譜圖,可以可看到背景噪聲得到很大程度的抑制;圖1(d)為文中算法處理后語音,其語譜圖相對于圖1(c)語譜特征更加清晰。在不同輸入信噪比下,文中方法與文獻(xiàn)[4]語音增強(qiáng)方法的比較結(jié)果,如表1所示。可以看出對有色噪聲,文中算法相對于文獻(xiàn)[4]中算法性能有一定程度提高。表1有色噪聲下不同信噪比的增強(qiáng)效果比較輸入信噪比/62NOISEX292B。,其能量集中在低頻段,也可視作是一類有色噪聲。如圖2所示為Bab2ble噪聲下兩種算法語音增強(qiáng)效果的語譜圖對比。文獻(xiàn)[4]輸出5.567.218.72文中算法輸出6.328.139.34圖2(a)中為原始的干凈語音的語譜圖;圖2(b)為含噪語音信號混入了Babble噪聲干擾;圖2(c)為文獻(xiàn)[4]中算法處理后語音的語譜圖;圖2(d)為文中算法處理后語譜圖。通過比較圖2(c)和圖2(d)第3期尹偉等:有色噪聲下基于Unscented粒子濾波的語音增強(qiáng)方法的語譜圖可以很清楚地看出,對于含Babble噪聲的語音去噪,文中的算法要好于文獻(xiàn)[4]中的算法。表2為文中方法與文獻(xiàn)[4]語音增強(qiáng)方法的Babble噪聲下不同信噪比的增強(qiáng)效果比較結(jié)果,同樣可以看出對Babble噪聲文中算法效果好于文獻(xiàn)[4]中算法。表2Babble噪聲下不同信噪比的增強(qiáng)效果比較輸入信噪比/dB0.233.746.048.31481[4]VERMAAKJ,ANDRIEUC,DOUCETA.Particlemethodsforbayesianmodelingandenhancementofspeechsignals[J].IEEETransactionsonSpeechandAudioProcessing,2002,10(3):1732185.[5]金乃高,殷福亮,等.基于子帶粒子濾波的一種語音增強(qiáng)方法[J].通信學(xué)報,2006,27(4):23228.JINNaigao,YINFuliang,etal.Subbandparticlefil2teringforspeechenhancement[J].JournalonCommu2nications,2006,27(4):23228.(inChinese)[6]DOUCETA,GODSILLSJ,WESTM.MonteCarlofilteringandsmoothingwithapplicationtotime2var2yingspectralestimation[C]//IEEEInt.Conf.Acoust.,Speech,SignalProcess,2000:7012704.[7]CAPPEO,GODSILLSJ,MOULINESE.Anover2viewofexistingmethodsandrecentadvancesinse2quentialMonteCarlo[J].ProceedingsoftheIEEE,2007,99(5):8992924.[8]MERWEVDR,DOUCEA,ND,etal.Univer2[]JULIERSJ,UHLMANNJK.Anewmethodforthenonlineartransformationofmeansandcovariancesinfiltersandestimators[J].IEEETrans.A.C.,2000,45(3):4772482.[10]JULIERSJ,UHLMANNJK.Unscentedfilteringandnonlinearestimation[J].IEEE,2004,92(3):4012HYPERLINK"/retype/zoom/64c18cd9ad51f01dc281f1ad?pn=6&x=0&y=474&raww=278&rawh=393&o=pn