改進(jìn)譜加減在語音噪聲檢測中的應(yīng)用

改進(jìn)譜加減在語音噪聲檢測中的應(yīng)用

0語音信號去噪的現(xiàn)有技術(shù)在語音通信過程中，人們不可避免地會受到環(huán)境和傳輸手段引入的噪聲的干擾。在各種語音處理的應(yīng)用中,由于背景噪聲使得語音質(zhì)量降低的現(xiàn)象非常普遍,例如在移動通訊和語音識別中就希望語音信號有盡可能高的信噪比,因此設(shè)法去除語音信號中的非相關(guān)噪聲,提高語音信號的信噪比,改善語音質(zhì)量,即語音去噪技術(shù)就成為語音研究中的一個重要課題。目前語音信號的去噪方法大體上有四類:噪聲對消法、諧波增強(qiáng)法、基于參數(shù)估計(jì)的語音再合成法和基于語音短時譜估計(jì)的增強(qiáng)算法。其中,基于短時譜估計(jì)的譜相減法是一種發(fā)展較早且應(yīng)用較為成熟的語音去噪算法,該算法利用加性噪聲與語音不相關(guān)的特點(diǎn),在假設(shè)噪聲是統(tǒng)計(jì)平穩(wěn)的前提下,用無語音間隙測算得到的噪聲頻譜估計(jì)值取代有語音期間噪聲的頻譜,與含噪語音頻譜相減,從而獲得語音頻譜的估計(jì)值。譜減法具有算法簡單、運(yùn)算量小的特點(diǎn),便于實(shí)現(xiàn)快速處理,往往能夠獲得較高的輸出信噪比,所以被廣泛采用。該算法經(jīng)典形式的不足之處是處理后會產(chǎn)生具有一定的節(jié)奏性起伏、聽上去類似音樂的“音樂噪聲”。針對這一問題人們提出了各種改進(jìn)形式,這些形式雖未將“音樂噪聲”徹底濾除,但的確在不同程度上使其有所消弱,令聽者樂于接受。文中對譜減法經(jīng)典形式及多種改進(jìn)形式在理論上加以分析,在此基礎(chǔ)上,提出了在信噪比較低的情況下一種簡單的改進(jìn)方案,在改進(jìn)譜減法的基礎(chǔ)上,根據(jù)語音的短時能量和過零率綜合判斷在無聲或有聲期間是否含有過高的偶然噪聲,這樣設(shè)定一定的參數(shù)就可以去除剩余的偶然噪聲。1譜法的原理1.1號sn被加性噪聲bn所污染的語音yn所污染的語音yn語音yn語音yn語音是非平穩(wěn)隨機(jī)過程,但在10～30ms的分析幀內(nèi)可近似看成是平穩(wěn)的過程,因此語音的短時譜具有相對穩(wěn)定特性。假設(shè)純凈語音信號s(n)被加性噪聲d(n)所污染,形成帶噪語音y(n),即y(n)=s(n)+d(n)。短時譜處理時要將信號分幀處理,分幀時時域信號首先分成相疊的幀信號,幀長為N,幀移為N/2,設(shè)觀察到的一幀帶噪語音信號為:其中,s(i)為一幀純凈語音,d(i)為一幀平穩(wěn)加性高斯噪聲,且有s(i)與d(i)相互獨(dú)立,為了避免分幀時的截?cái)嘈?yīng),應(yīng)在變換到頻域之前對y(i)加窗處理。1.2不同紅外噪聲下的nk、k-nk的語音預(yù)測和運(yùn)用譜減法的經(jīng)典形式即在頻域?qū)г胝Z音的功率譜減去噪聲的功率譜得到語音功率譜估計(jì),開方后就得到語音幅度估計(jì),將其相位恢復(fù)后再采用逆傅里葉變換恢復(fù)時域信號?？紤]到人耳對相位失真的感知不敏感,相位恢復(fù)時所采用的相位是帶噪語音的相位信息。譜減法的基本原理如圖1所示,設(shè)y(i)的傅里葉系數(shù)為Yk,s(i)的傅里葉系數(shù)為Sk,d(i)的傅里葉系數(shù)為Nk,則如式(2)所示:由于s(i)和d(i)相互獨(dú)立,Nk滿足高斯分布且均值為零,所以有:對于一個分析幀內(nèi)的短時平穩(wěn)過程,有:|Yk|2=|Sk|2+λn(k),其中λn(k)是無話時|Nk|2的統(tǒng)計(jì)平均。此時,原始語音的估計(jì)值如式(4)所示:|S?k|2=[|Yk|2?E[|Nk|2]]1/2=[|Yk|2?λn(k)]1/2(4)|S^k|2=[|Yk|2-E[|Νk|2]]1/2=[|Yk|2-λn(k)]1/2(4)|S?S^k|是增強(qiáng)后語音信號的幅度,圖1是功率譜相減法的經(jīng)典形式。在譜減法中,采用的是用噪聲的統(tǒng)計(jì)均值代替當(dāng)前幀的噪聲,因而在當(dāng)前幀噪聲的一些隨機(jī)譜峰處,經(jīng)過譜減后就剩下殘余的譜峰,而在當(dāng)前幀的噪聲譜谷處,由于采用了半波整流,殘余噪聲譜成份被設(shè)成接近于零的值,這樣經(jīng)過增強(qiáng)后的殘余噪聲在頻域上就成為一些離散的譜峰,相應(yīng)地在時域就呈現(xiàn)出一些類似正弦信號的疊加,所以就會呈現(xiàn)出樂音的特性,即“音樂噪聲”。1.3通過譜相減時的噪聲去噪方案針對基本形式的譜減法的殘留噪聲過多且殘余“音樂噪聲”過強(qiáng),眾多研究者提出了各種譜相減法的改進(jìn)形式。提出較早的有:在估計(jì)噪聲譜時用無語音頻譜的最大值取代基本算法中的均值進(jìn)行處理;譜相減時給噪聲譜乘上一個大于1的參數(shù),使剩余噪聲能量減至更低等。這些方案均在不同程度上消弱了“音樂噪聲”對語音的影響。RobertD.Preuss提出了取各無語音頻譜的最大值,替代經(jīng)典形式中取各無語音頻譜均值,作為估計(jì)噪聲譜。如式(5),(6)所示:通過這種改進(jìn)即可使噪聲分量得到進(jìn)一步抑制,以達(dá)到減少“音樂噪聲”的目的。但試聽時發(fā)現(xiàn)個別位置語音損失較大。Berouti提出的重要改進(jìn)方案是通過譜相減時給噪聲譜乘上一個大于1的參數(shù),使在頻譜減法時減去的值比估計(jì)的噪聲譜更多,即:|S?k|=[|Yk|α?βλαn(k)]1/α(7)|S^k|=[|Yk|α-βλnα(k)]1/α(7)這里引入了兩個參數(shù)α和β用來進(jìn)行調(diào)節(jié)。顯然,當(dāng)α=2,β=1時就是普通譜相減法。通過適當(dāng)調(diào)節(jié)這兩個參數(shù)可使去噪效果達(dá)到比較好的增強(qiáng)效果。但過多增加去噪程度會使增強(qiáng)后的語音失真增大。2濾音、清音剩余噪聲模型在輸入信噪比較低的情況下,改進(jìn)的譜減法也很難去除偶然的高噪聲。文中在改進(jìn)譜減法的基礎(chǔ)上,根據(jù)語音的短時能量和過零率綜合判斷在無聲或有聲期間是否含有偶然噪聲過高,由此設(shè)定合適的參數(shù)降低偶然噪聲,從而提高語音質(zhì)量和輸出信噪比。設(shè)s?s^(i)為譜減法輸出的某一幀增強(qiáng)語音信號,短時能量為:amp=∑i=1Ns?2(i)(8)amp=∑i=1Νs^2(i)(8)短時過零率為:ZCR=12∑n=1N|sgn[s?(i)]?sgn[s?(i?1)]|(9)ΖCR=12∑n=1Ν|sgn[s^(i)]-sgn[s^(i-1)]|(9)式中ZCR表示一幀信號樣本改變符號的次數(shù)即過零率。其中sgn是符號函數(shù):sgn[s?(i)]=[1s?(i)≥0?1s?(i)＜0(10)sgn[s^(i)]=[1s^(i)≥0-1s^(i)＜0(10)設(shè):式中:α1+α2=1,β1+β2=1(α1,α2,β1,β2>0),h1,h2,h3為門限值。根據(jù)FF來判斷濁音和清音中是否含有剩余白噪聲,無聲段中是否含有剩余白噪聲,然后設(shè)定合適的參數(shù)來降低噪聲。因?yàn)閍mp和ZCR可以判斷清音和濁音、有聲和無聲。濁音的amp比清音大,清音具有較高的ZCR。3語音去噪效果分析語音信號是一典型的非平穩(wěn)隨機(jī)信號,用文中方法對實(shí)際語音信號進(jìn)行了仿真研究。實(shí)驗(yàn)中,所用語音是在安靜的環(huán)境下,利用話筒錄得的一段語音信號。內(nèi)容為“走進(jìn)了經(jīng)濟(jì)生活,走出了自己的風(fēng)格”。經(jīng)8kHz采樣,PCM編碼,量化為數(shù)字信號,單聲道,數(shù)據(jù)長28000點(diǎn)。噪聲為高斯白噪聲。按一定比例混合生成三種不同的信噪比(-5dB,0dB,5dB)的帶噪語音。帶噪語音通過長度為256點(diǎn)(32ms)的漢明窗形成長度為256點(diǎn)的語音幀,相鄰兩幀之間重疊128點(diǎn),然后對帶噪語音逐幀進(jìn)行去噪處理,用Matlab7仿真實(shí)現(xiàn)。如圖2,圖3所示,給出不同輸入SNR下語音去噪的仿真結(jié)果。不難看出,經(jīng)過去噪后的語音質(zhì)量和輸出SNR在一定程度上都有所改善,文中算法的去噪效果明顯優(yōu)于改進(jìn)算法,特別是在低信噪比的情況下,效果更為明顯。如圖4,圖5所示,給出了不同輸入SNR下語音去噪前后的寬帶語譜圖偽彩色顯示圖。其橫坐標(biāo)表示時間,縱坐標(biāo)表示頻率,而每像素的灰度值大小反映相應(yīng)時刻和相應(yīng)頻率的信號能量密度,這種時頻圖稱為語譜圖(Spectrogam)。從語譜圖上不僅能看出任一時刻發(fā)音器官的共振峰特征,而且可以看出語音的基因頻率,是否清音、爆破音等。語譜分析在語音識別、合成及編碼中很有意義。語譜圖中的花紋有橫杠、亂紋和豎直條等。橫杠是與時間軸平行的幾條帶紋,它們是共振峰。從橫杠對應(yīng)的頻率和寬度可以確定相應(yīng)的共振峰頻率和帶寬。在一個語音段的語譜圖中,有沒有橫杠出現(xiàn)是判斷它是否是濁音的標(biāo)志。豎直條是語譜圖中出現(xiàn)與時間軸垂直的一條窄條。每個豎直條相當(dāng)于一個基音,條紋的起點(diǎn)相當(dāng)于聲門脈沖的起點(diǎn),條紋之間的距離表示基音周期。條紋越密表示基音頻率越高。實(shí)驗(yàn)結(jié)果表明,用文中算法去噪后的語音,其語譜圖能清楚地看到濁音共振峰時變過程,特別是時間分辨率高。語音去噪效果的客觀評價是以語音系統(tǒng)的輸入信號和輸出信號之間的誤差大小來判別語音質(zhì)量的好壞。信噪比(SNR)是衡量針對寬帶噪聲失真的語音去噪效果的常規(guī)方法。假設(shè)y(n)為帶噪語音信號,s(n)為其中的純凈語音信號,s?s^(n)為去噪后的語音信號,L為語音信號的長度,則輸入信噪比為:SNRin=10lg∑n=0Ls2(n)∑n=0L[y(n)?s(n)]2(13)SΝRin=10lg∑n=0Ls2(n)∑n=0L[y(n)-s(n)]2(13)輸出信噪比為:SNRout=10lg∑n=0Ls2(n)∑n=0L[s?(n)?s(n)]2(14)SΝRout=10lg∑n=0Ls2(n)∑n=0L[s^(n)-s(n)]2(14)表1給出了在語音信號輸入信噪比分別為-5dB,0dB和5dB的情況下,由文中方法得出的實(shí)驗(yàn)結(jié)