語音增強報告譜減法和維納濾波

Speech一、語音增強辦法的理論分 引 語音增強算 譜減 二、譜減 算法實 改善算法，減少音樂噪聲 三、Wiene濾波 算法實 迭代Wiener濾波的算法實現(xiàn) 四Wiene濾波法與譜減法的比 五參考文 HMM的語音增強、基于聽覺感知的語音增強、基于多分辨率分析的語音增wienerN(k)的預計，把帶噪語音的相位????(??????)一種線性系統(tǒng)，如果它的單位樣本響應為h(n)，當輸入一種隨機信號且x(n)s(n)y(n)h(m)x(nms(n))y(n)x(n)s(n)

y(n)s與se(n)表達它們之間的e(n)s(n)Ee2n)E(ss?)2最N h(m)x(nNe(n)s(n)s?(n)s(n) h(m)x(n

Ee2(n)E(s(n)1h(m)x(nm))2 上式對h(m)m=0,1,L,N-1 2E(s(n)hopt(m)x(nm))x(nj)

j0,1,

N NNEs(n)x(nj)hopt(m)Ex(nm)x(n

j

NNRxs(j) hopt(m)Rxx(j

,NN j

h(N1)Rxx(N j

R(1)h(0)R(1)h(1)R(0)

h(N1)R(N jN Rxs(N1)h(0)Rxx(N1)h(1)Rxx(N2)Lh(N1)Rxx Rxx

Rxx(N1)

h(0)

Rxs(0) R R R(N2)

R

R(N R(N R h(N R(N RxxHH=[h(0)h(1)Lh(N-1 Rxx

Rxx(N1) R

R

R(NRxx

R(N R(N R %SpectralSubtractionAlgorithmwinsize=256;%窗長n=0.05;);%numofwin=floor(size/winsize)幀數(shù)ham=hamming(winsize)';%GeneratesHammingWindowhamwin=zeros(1,size);%Vectorforwindowgainenhanced=zeros(1,size);%Vectorforenhancedspeechx=speech'+n*randn(1,size);%Contaminatessignalwithwhitenoise=n*randn(1,winsize);%SampleofnoiseN=fft(noise);nmag=abs(N);%Estimatednoisemagnitudespectrumforq=1:2*numofwin-1ize/2:winsize+(q-1)*winsize/2)+ham;%Windowgainmag=abs(y);%MagnitudeSpectrumphase=angle(y);%Phaseforifmag(i)-nmag(i)>0clean(i)=mag(i)-nmag(i);spectral=%IDFTfori=1:sizeifhamwin(i)==0SNR110*log10(var(speech')/var(noise))%SNR210*log10(var(speech')/var(enhanced-speech'))%增強語音信噪比wavwrite(x,fs,nbits,'noise.wav');%輸出帶噪信號wavwrite(enhanced,fs,nbits,'enhanced.wav');%輸出增強信號figure(1),subplot(3,1,1);plot(t/fs,speech')%原始語音波形title(['OriginalVoice(n=',num2str(n),]);figure(2),specgram(speech');%原始語音語譜title(['OriginalVoice(n=',num2str(n),]);figure(1),subplot(3,1,2);plot(t/fs,x);title(['NoiseAdded(SNR=',num2str(SNR1),'dB)']);figure(3),specgram(x);%加噪語音語譜title(['NoiseAddedtitle(['ImprovedVoice(SNR=',num2str(SNR2),'dB)']);figure(4),specgram(enhanced);%增強語音語譜title(['ImprovedVoice(SNR=',num2str(SNR2),'dB)']);其中，'??(??是所求的語音幅度譜，????(??)是帶噪語音幅度譜，????(??)是預計的噪聲幅度譜。當α>1，改善的算法通過消除那些寬波峰，去除全部的寬頻帶噪聲。然后，提高頻譜下限β????(??，使得波峰與波峰間的波谷不會那么深。兩者結(jié)合，使噪聲波峰間的頻譜偏移不再那么大，從而減少了音樂噪聲。forif三、wiene濾波function[y]=mut(x,y,m,L%計算自有關(guān)矩陣的函數(shù)fori=1:L-abs(m)

v=12^(0.5).*(temp-0.5);%讓噪聲信號v(n)變成均值為0，在[-0.5,0.5]for

title('原始信號s(n)和帶噪信號x(n)'xlabel('n');ylabel('x(n)&fori=1:Nforj=1:Nfori=1:Ntitle('Wiener濾波器的系數(shù)h(n)');forform=0:N-1ifi>m

title('經(jīng)Wiener濾波的信號SR(n)和原始信號s(n)');wienefunction[y]=mut(x,y,m,L%計算自有關(guān)矩陣的函數(shù)fori=1:L-abs(m)

for

title('原始信號s(n)和帶噪信號x(n)'xlabel('n');ylabel('x(n)&fori=1:Ntitle('迭代Wiener濾波器的系數(shù)reh(n)');for

title('經(jīng)迭代Wiener濾波的信號SI(n)和原始信號s(n)'四.Wiene濾波法與譜減法的比較1wiener2Wiener3濾波增強后的殘留噪聲類似于白噪聲，而不是音樂噪聲。Wiener濾波法的降噪4，Wiener濾波只在平穩(wěn)條件下才干確保在最小均方誤差意義下的最優(yōu)預計，而Wiener濾波法進行語音增強解決時也需要進一步的改善。M.Berouti,R.SchwartzandJ.Makhoul,"Enhancementofspeechcorruptedbyacousticnoise",InternationalConferenceonAcoustics,Speech,andSignalProcessing,ICASSP,vol.4,pp.208-211,April1979S.F.Boll,"SuppressionofAcousticNoiseinSpeechUsingSpectralSubt