第二次谱相减.ppt

☆算法流程 利用窗函数进行分帧，对含噪语音进行有声无声判决，得到无声帧，统计噪声的幅度谱平方的均值，得到纯噪声幅度谱平方的估值； 求含噪语音帧的幅度谱平方； 将含噪语音帧的幅度谱平方减去纯噪声的幅度谱平方的估值，进行判断，开方，得到语音幅度谱的估值； 借用含噪语音的相位，进行傅立叶逆变换，得到增强语音。 4.改进的谱相减算法（消除音乐噪声） 进行了谱相减后，背景噪声变成了音乐噪声。如能得到音乐噪声的估计帧，就可以消除音乐噪声。 音乐噪声是如何产生的：含噪语音帧和纯净噪声帧在进行谱相减后，残留的噪声引起的。 ☆音乐噪声帧的获得 将任意两帧纯噪声的幅度谱的平方进行相减，可作为音乐噪声幅度谱的平方的估计值。将多帧纯噪声的幅度谱的平方减去同一帧纯噪声（标准纯噪声）的幅度谱的平方，得到不同的音乐噪声幅度谱的平方的估计值。 第一次谱相减：将含噪语音的幅度谱的平方减去标准纯噪声的幅度谱的平方。 第二次谱相减： 将第一次谱相减的结果减去第一帧音乐噪声的幅度谱的平方。 第三次谱相减： 将第二次谱相减的结果减去第二帧音乐噪声的幅度谱的平方。 依次类推 沿性能曲面最陡方向向下搜索曲面的最低点。梯度方向是性能曲面函数增加最快的方向，负梯度方向就是性能曲面函数减小最快的方向。 （6）LMS算法 将参考信号 通过自适应滤波器后，得到信号 ，此信号与 基本一致。 中仍然包含部分噪声 ，要使这部分噪声小，达到完全消除噪声的目的，则 尽可能与 一致。 常常根据 的均方误差最小的准则来调节滤波器的参数，形成自适应地修改滤波器的参数。 滤波器为FIR滤波器，其直接结构为： 每一时刻刷新滤波器系数 如何更新滤波器的权系数，采用 的均方误差最小的准则 利用LMS（Least mean Square）算法。为了便于讲解，将第n个时刻的所有滤波器系数 写为 则有： 2. 自适应滤波器的权系数的求解 （1） 的两种表达形式 （2） 均方误差的求解 在主输入信号和参考信号都是平稳信号的情况下，均方误差为权矢量的二次函数。是一个N+1维空间中一个下凹的超抛物面，有唯一的最低点 2个权系数构成的3维空间中一个下凹的抛物面 超抛物面又称为均方误差性能曲面，自适应过程是自动调整权系数，使均方误差达到最小的过程，相当于沿性能曲面往下搜索到最低点。 （3）均方误差性能曲面 （4）直接求解 困难 （5）最陡下降法 用平方误差代替均方误差，简化梯度的计算公式 2.按性质分为：脉冲噪声（爆炸、撞击和放电）;周期性噪声（如交流电的干扰）; 平稳噪声（如白噪声）和非平稳噪声（如色噪声）；按噪声和信号相关的性质分为加性噪声和乘性噪声。 我们研究的噪声是声音的一种，它具有声波的一切特性，称之为声噪声。 Impulsive noise white noise pink noise brown noise White noise1 White noise2 White noise1- White noise2 aeciphone.wav asfalarm.wav asfradio.wav asfsportscar.wav rnfmusic.wav rnfwailsiren.wav §2 语音增强的原理和方法 一、频域语音增强技术 二、时域语音增强技术 三、时频语音增强技术 四、麦克风阵列语音降噪技术 一、频域语音增强技术(宽带噪声) 是语音信号中的一种重要技术，由于其原理简单所以被广泛使用，如手机中的降噪处理就是采用的此方法，其中谱相减法是频域语音增强技术的常用方法。 1. 谱相减法（Spectral Subtraction）的基本原理 2. 谱相减法的数学推导 3. 谱相减法的特点 4. 改进的谱相减算法 1. 谱相减法的基本原理（流程图描述） ＋ － 含噪语音 纯噪声 原始语音谱幅度的估值 DFT 插入相位 DFT IDFT 原始语音的频谱的估值 将含噪语音信号和有声/无声判别得到的纯噪声信号进行DFT变化，从含噪语音幅度谱的平方中减去纯噪声的幅度谱的平方，然后开方，得原始语音谱幅度的估值，再借用含噪语音的相位，进行IDFT变化，得到增强的语音。 谱相减法的基本原理（文字描述） 2. 谱相减法的数学推导 首先假设语音和噪声信号是线性叠加的，且语音和噪声是平稳的，噪声与语音信号不相关。 对上式两边取数学期望有： 由于噪声与语音信号不相关，且傅立叶变换不会改变信号之间的相关性，上式中，最后两项均为0。则上式简化为： 利用语音信号的短时平稳性，加之噪声信