论文部分内容阅读
语音增强是语音信号处理领域中一个重要的研究方向,相关技术可以应用在说话人识别、语音识别以及数字助听器等众多系统中,对提高系统的鲁棒性起着重要的作用。在前人的研究中,一些经典方法被先后提出,其中的谐波增强法则充分利用了语音中谐波结构所具有的抗噪声特性,因此在强噪声干扰情况下性能显著。
本文工作主要围绕谐波增强方法中的关键部分谐波检测问题展开,设计并实现了超定随机霍夫变换算法及其相关的聚类算法,且将其与Chirp谱分析技术相结合引入到谐波结构检测技术中。主要解决了如下问题:
首先,超定随机霍夫变换用于谐波检测摒除了传统方法中高频谐波结构因能量较低而无法对谐波提取的精确性提供足够信息的缺点,综合考虑了各次谐波在语谱图上的能量(幅值)分布特性以及高低频谐波之间的关系,可以在噪声干扰下提取出更加准确的基频。克服了当前算法中由于基频估计不够准确而带来的谐波结构偏差较大问题以及谐波提取算法对噪声敏感的问题。
其次,超定随机霍夫变换的谐波检测方法为Chirp谱分析提供了调频率线索,同时Chirp谱分析的结果又使得谐波检测更为准确。二者迭代进行,最终收敛。使得Chirp谱分析的调频率的确定更加准确。
最后,在检测出谐波结构的基础上,基于听觉研究中的侧抑制机理,对频谱中的非谐波成分予以衰减,以达到谐波增强进而抗噪声的目的。
实验表明,本文所设计并实现的超定随机霍夫变换算法及其相应聚类算法在谐波提取中有良好的效果。在多种噪声情况下,相对于基线系统信噪比平均有1.57dB的提高;SIR平均有5.18dB的提高。