语音增强教程课件.ppt

1、第15章 语音增强第1页，共26页。目录n15.1 概 述n15.2语音特性、人耳感知特性及噪声特性15.2.1 语音特性15.2.2人耳感知特性15.2.3噪声特性n15.3滤波器法15.3.1固定滤波器15-.3.2自适应滤波15.3.3变换技术n15.4非线性处理15.4.1 中心削波15.4.2同态滤波法n15.5减谱法15.5.1减谱法15.5.2减谱法的改进形式n15.6自相关相减法n15.7自适应噪声对消15.7.1自适应滤波15.7.2具有参考信号的自适应噪声对消15.7.3利用延迟来建立参考信号的自适应噪声对消第2页，共26页。15.1 概 述 n语音增强是解决噪声污染的一种

2、有效方法，它的一个主要目标是从带噪语音信号中提取尽可能纯净的原始语音，即去掉语音信号中的噪声和干扰，改善它的质量。n语音增强是语音信号处理系统的重要组成部分。n各种增强方法各有长处并且适用于不同的应用场合。第3页，共26页。15.1 概 述语音增强的目的主要有两个：n一是改进语音质量，消除背景噪声，使听者乐于接受，不感觉疲劳，这是一种主观度量；n二是提高语音可懂度，这是一种客观度量。这两个目的往往不能兼得。第4页，共26页。语音增强方法 语音增强方法有多种，大致分为三类：基于语音产生模型 如：线性滤波法、梳状滤波法、自相关法 基于语音模型和噪声模型 如：维纳滤波法、卡尔曼滤波法 基于噪声特性(

3、短时谱估计)如：频谱减法、自适应噪声抵消法第5页，共26页。15.2语音特性、人耳感知特性及噪声特性-语音特性 n语音是一时变的、非平稳的随机过程，但由于一段时间内(1030 ms)人的声带和声道形状的相对稳定性，可认为其特征是不变的，因而语音的短时谱具有相对稳定性。n在语音增强中，可以利用浊音的周期性特征，采用梳状滤波器提取语音分量或者抑制非语音信号，而清音则难以与宽带噪声区分。n语音信号可以用统计分析特性来描述。语音的短时谱幅度的统计特性是时变的，只有当分析帧长趋于无穷大时，才能近似认为其具有高斯分布。高斯分布模型是根据中心极限定理得到的，将高斯模型应用于有限帧长只是一种近似的描述。在宽带

4、噪声污染的语音增强中，可将这种假设作为分析的前提。第6页，共26页。15.2语音特性、人耳感知特性及噪声特性-人耳感知特性 n语音感知问题涉及到生理学、心理学、声学和语音学诸多领域，人耳对背景噪声有很大的抑制作用，其中很多问题有待进一步研究。目前已有一些结论可用于语音增强：n 人耳对语音的感知主要是通过其幅度谱获得的，而对相位谱则不敏感。n 人耳对频率高低的感受近似与该频率的对数值成正比。n 人耳有掩蔽效应，即强信号对弱信号有抑制作用，能够将其掩盖。利用人耳的生理特点，提高语音信号的信噪比，使有用的语音信号大于噪声一定级别，就可以在语音与噪声共存的情况下感觉不到噪声的存在。n 共振峰对语音的感

5、知十分重要，特别是第二共振峰比第一共振峰更为重要，因此对语音信号进行一定程度的高通滤波不会对可懂度产生影响。n 人耳在两个人以上的说话环境中能够分辨出他所需要的声音。第7页，共26页。15.2语音特性、人耳感知特性及噪声特性-噪声特性 n周期性噪声的特点是有许多离散的窄谱峰，来源于发动机等周期性运转的机械。可以容易地通过检查功率谱发现并通过滤波或变换技术将其去掉。n冲激噪声表现为时域波形中突然出现的窄脉冲是放电的结果。根据带噪语音信号幅度的平均值确定阈值。当信号幅度超出这一阈值时，判别为冲激噪声，再对其进行衰减甚至完全消除。如果干扰脉冲之间不太靠近，还可以根据信号相邻样本数值简单地通过内插法将

6、其从时间函数中去掉。n宽带噪声通常可以假定为高斯噪声和白噪声。来源:风、呼吸噪声和一般随机噪声源。量化噪声通常作为白噪声来处理，也可以视为宽带噪声。消除的最成功的方法利用了某些非线性处理。目前的一些方法虽然降低了背景噪声，提高了信噪比，但并不提高语音的可懂度。第8页，共26页。15.2语音特性、人耳感知特性及噪声特性-滤波器法 n有三种常用的滤波器：固定滤波器自适应滤波器傅里叶变换滤波器。第9页，共26页。15.2语音特性、人耳感知特性及噪声特性-固定滤波器n固定滤波器用于滤除平稳干扰成分。n最常见的是50或60 Hz交流声。n滤除60 Hz成分很少采用高通滤波器，因为干扰是由60 Hz的奇次

7、谐波引起的，特别是37次谐波(交流哼声就是60 Hz交流声，它具有丰富的谐波，这种谐波一般是由于话筒输入插孔没有接地而造成的)。第10页，共26页。15.2语音特性、人耳感知特性及噪声特性-固定滤波器n(a)中，它由一个延时器和一个加法器构成。延迟时间为T，它等于滤波器凹口间的间隔f0的倒数。n(b)反馈使极点离开原点，并接近零点。当极点靠近零点时，除各零点附近以外，在单位圆各处都会引起部分对消。因此梳齿可以变得很窄，而梳齿之间的响应又是平坦的。第11页，共26页。15.2语音特性、人耳感知特性及噪声特性-自适应滤波 n自适应滤波能够自动辨认应该滤除的成分。n由线性预测器构成一个滤波器，其频率

8、响应近似等于输入信号的逆功率谱，这就可以实现自适应。n如果噪声是平稳或是缓变的，则在无语音期间便可以对噪声进行估计，并根据估计的结果调整波滤器。n采用这种方法的主要问题是，所得到的滤波器一般不是谱平衡的，这种不平衡使恢复的语音着色，并可能干扰线性预测声码器的工作。如果通过上述的部分使极点-零点对消而使凹口变窄，不会明显地改善系统的性能。某些实验表明，如果使LPC预测器的阶数比通常采用的阶数高得多，则可以去除干扰，改善语音。第12页，共26页。15.2语音特性、人耳感知特性及噪声特性-变换技术 n(a)所示。信号要经过DFT变换到频域，在频域进行处理，然后用IDFT来重建语音信号。n(b)所示为

9、频谱整形器，它可以是简单的一系列选通门。它可将噪声成分变换到零值，则反变换后的信号周期性干扰将被滤除。第13页，共26页。15.4非线性处理 n去除宽带噪声的主要方法分为三类：非线性处理减谱法自适应对消第14页，共26页。15.4非线性处理-中心削波 n可以通过削波进行非线性处理。n原理是因为低幅度语音被同时消去将使语音质量变坏，如果噪声的幅度比语音低，则消去整个低幅度成分，就会消去噪声。n时域波形经过中心削波对可懂度是有害的，因为低幅度语音被同时消去将使语音质量变坏，所以中心削波必须在频域内进行。这种方法可以用来降低语音中的混响。n这里使用一个滤波器组，并对各滤波器的输出进行中心削波，然后在

10、组合前使输出再通过一个相同的滤波器组，滤除由削波产生的畸变成分。第15页，共26页。15.4非线性处理-同态滤波法 n同态滤波法的关键部分具有非线性处理性质，它应用于语音识别中，着眼于将语音信息(基音、频谱)中的乘性噪声或干扰分离，或者将已减少了噪声、干扰的信息重新合成得到降噪时域信号再进行识别。图15-3非线性处理中的同态滤波法框图第16页，共26页。15.5减谱法 n由于人耳对语音相位不敏感，所以对语音的可懂度及质量起重要作用的是语音的短时幅度谱，而不是相位。因而，这里只考虑了幅度谱。因为噪声是局部平稳的，故可以认为发语音前的噪声与发语音期的噪声功率谱相同，因而可以利用发语音前(或后)的“

11、寂静帧”来估计噪声。n图中，平方根的处理是用以将功率转换为幅度。只要噪声假定为白噪声，则被减去的估计谱可近似为一常数。此时，减谱法的功能与中心削波法相同。图15-4减谱法的原理框图第17页，共26页。15.5减谱法 改进形式n原来的缺点:噪声的帧功率谱随机变化范围很宽，在频域中的最大、最小值之比往往达到几个数量级，而最大值与均值之比也达68倍。因此，带噪信号在减去噪声谱后，噪声分量很大的那些频率点上就会剩余较大的部分，在频谱上呈现出随机出现的尖峰，使去噪语音在听觉上形成残留噪声。这种噪声具有一定的节奏性起伏感，所以称之为“音乐噪声”，它影响了语音的自然度甚至可懂度。另一方面，在增强语音的过程中

12、，提高信噪比与提高语音的可懂度是一对矛盾。在滤除噪声的同时或多或少地会损害语音信号。一般说来，噪声滤除得越多，语音信号被损害的程度就越厉害，可懂度就越多。特别在低噪比情况下，这一矛盾更为突出。n减谱的改进形式可以较好地消除音乐噪声，优化处理语音质量和可懂度这一对矛盾。噪声的能量往往分布于整个频率范围，而语音能量则较集中于某些频率或频段，尤其在元音的共振峰处。第18页，共26页。15.5减谱法 改进形式n引入、两个参数为算法提供了很大的灵活性。n当2、1时即变为基本的减谱法。n针对语音信号的强弱及噪声的特点，选择恰当的参数，可更好地消除音乐噪声。实际的增强实验表明，适当调节、，可以获得比原始的减

13、谱法更好的增强效果。第19页，共26页。15.5减谱法 改进形式n它增加了一步IFFT变换，变换到伪倒谱域中(实际上这并不是真正的倒谱，故称其为“伪”倒谱)。在伪倒谱域中语音和噪声可以更好地进行分离。n的数值根据经验选取。为34时，信噪比可改善6 dB左右。n将该方法应用于LPC编码前的带噪语音上，使可懂度得到了改善。这是因为采用减谱法改善了频谱畸变，使预测器和要求的语音频谱匹配得更好。图15-6伪倒谱相减法第20页，共26页。15.6自相关相减法 n基本出发点是：从含噪语音中减去宽带噪声的最佳估计。n利用信号本身相关，而信号与噪声、噪声与噪声之间可看做不相关的特性，可以将带噪信号进行自相关处

14、理，使其得到与不带噪信号同样的自相关系数帧序列。第21页，共26页。15.6自相关相减法nw(t)为窗函数，由于s(t)、n(t)不相关，所以上式第2、3项的交叉乘积项的积分结果为0，故可写为Ryy()Rss()+Rnn()n式中Rss()为信号的自相关。因假定噪声为白噪声，故其自相关函数Rnn()为冲激函数n语音的自相关可以从Ryy()中减去噪声功率估值的方法来估计。这种方法很有吸引力，因为它不要求进行傅里叶变换。tttdttwtntntstntntststsTdttwtntstntsTdttwtytyT)()()()()()()()()(1)()()()()(1)()()(1Ryy(t)第

15、22页，共26页。15.7自适应噪声对消-自适应滤波 n带自适应滤波器的自适应噪声对消法的语音增强效果最好。这是因为:这种方法比其他方法多用了一个参考噪声作为辅助输入，从而获得了比较全面的关于噪声的信息。特别是辅助输入噪声与语音中的噪声完全相关的情况下，自适应噪声对消能完全排除噪声的随机性，彻底抵消语音中的噪声成分，从而无论在信噪比还是语音可懂度方面都能获得较大的提高。n这种方法的缺点是辅助输入在某些情况下难以获得，这就限制了其应用范围。第23页，共26页。15.7自适应噪声对消-自适应滤波n自适应滤波器:在输入过程的统计特性未知或变化时，能够调整滤波器参数以满足某种最佳准则的要求。n它根据前

16、一时刻已获得的滤波器参数等结果，自动地调节当前时刻的滤波器参数。以适应信号或噪声未知的或随时间变化的统计特性，从而实现最优滤波。第24页，共26页。15.7自适应噪声对消 -具有参考信号的自适应噪声对消 n采用两个(或多个)话筒的语音采集系统，一个用来采集带噪语音，另一个(或多个)用来采集噪声 n两个话筒必须要有相当的隔离度，但采集到的两种信号之间不可避免地会有时间差即产生延迟，因此实时采集到的两路信号中所包含的噪声段是不同的。因而采集到的噪声必须经过数字滤波器，以便得到尽可能接近带噪语音中的噪声。通常，需要采用自适应滤波器，使相减噪声与带噪语音中的噪声基本一致。图15-7一种双话筒采集的自适应噪声对消原理第25页，共26页。15.7自适应噪声对消 -利用延迟来建立参考信号的自适应噪声对消 n利用浊音相邻基音周期的波形高度相关，而相应的噪声都不相关这一事实，可以估计出x(n)s(n)+n(n)中的周期性较强或相关性较强的成分，因此这种方法只能在噪声类似白噪声(相关及周期性较弱)的情况下增强周期性或自相关较强的语音信号。n利用输出(即误差)对滤波器作自适应调整，使噪声输出最小来求出无噪语音的最佳估计 图15-9利用延迟来建立参考信号的自适应滤波器第26页，共26页。