本文選題：語音增強(qiáng) + MMSE　； 參考：《南京航空航天大學(xué)》2017年碩士論文

【摘要】：語音增強(qiáng)算法是語音信號處理領(lǐng)域的重要技術(shù),旨在提高低信噪比環(huán)境中語音信號的質(zhì)量和可懂度,為進(jìn)一步處理語音打下基礎(chǔ)。在較低信噪比或者高度不平穩(wěn)噪聲環(huán)境中,語音的質(zhì)量和可懂度會急劇下降,導(dǎo)致人類或者機(jī)器無法很好的識別或者傳輸,所以提高語音信號的質(zhì)量對于語音的處理十分重要,具有較高的研究意義和應(yīng)用價值。本文在分析經(jīng)典語音增強(qiáng)算法的基礎(chǔ)上,重點對基于最小均方誤差(Minimum Mean Square Error,MMSE)幅度譜估計器的語音增強(qiáng)算法進(jìn)行了研究和改進(jìn),并使用MATLAB工具對算法性能進(jìn)行了評估;最后,將該算法移植到DM642芯片上實現(xiàn)音頻采集處理和播放,并對算法進(jìn)行了定點優(yōu)化,提升了其實時性。本文主要內(nèi)容如下:1.分析了語音增強(qiáng)算法的研究現(xiàn)狀和各類算法的優(yōu)缺點,通過對比選擇基于MMSE幅度譜估計的語音增強(qiáng)算法進(jìn)行研究,指出該算法存在著先驗信噪比估計不足、噪聲估計誤差較大、DSP實現(xiàn)實時性較差等問題。2.針對MMSE幅度譜估計器所使用判決引導(dǎo)(Decision Directed,DD)先驗信噪比估計算法延遲較大的缺點,提出了新的基于熵值變化的DDBSE(DD Based on Single frequency Entropy,DDBSE)先驗信噪比計算方法。該算法基于熵值變化,能夠快速追蹤語音的變化,從而改善DD算法的不足,為幅度估計器提供更精確的信噪比估計。3.針對噪聲估計不足的問題,提出了基于無偏噪聲估計(Unbiased MMSE)和語音活動檢測(Voice Activity Detection,VAD)的新的噪聲估計算法UMVAD。該算法能夠減小噪聲的過估計和欠估計,提供最小的中值估計均方誤差。實驗結(jié)果表明,DDBSE與UMVAD結(jié)合,能在分段信噪比和綜合評分上取得較好的效果,特別適合于低信噪比和不平穩(wěn)噪聲環(huán)境中的語音增強(qiáng)。4.對VAD算法進(jìn)行改進(jìn),提出了雙閾值VAD判決方式,改進(jìn)后統(tǒng)計VAD結(jié)合能量熵(Energy-Entropy,EE)特征和平均峰值點偏差(Mean-Delta,MD)特征,能夠取得較為滿意的整體命中率;同時,基于噪聲分類思路,結(jié)合支持向量機(jī)(Supported Vector Machine,SVM)對算法中可調(diào)參數(shù)進(jìn)行優(yōu)化,并將噪聲分類器結(jié)合到算法中,提出了具有環(huán)境意識的語音增強(qiáng)算法。5.在DSP芯片DM642上實現(xiàn)了本文的語音增強(qiáng)算法,設(shè)計了一個語音采集播放系統(tǒng),并對浮點算法進(jìn)行了定點化。相比于浮點型算法,本文所提的定點型算法取得了83%左右的處理速度提升,并且實現(xiàn)了音頻信號的實時采集處理和播放,能夠?qū)⑻幚硪粠臅r間限制在8毫秒左右。
[Abstract]:璇煶澧炲己綆楁硶鏄闊充俊鍙峰鐞嗛鍩熺殑閲嶈鎶，

本文編號：1785412