共查询到20条相似文献，搜索用时 703 毫秒
1.
语音增强是一种消除语音信号中的背景噪声并获得完整原始语音信号的关键技术.谱减算法易于实现,计算量小,可以获得较高输出信噪比的原始语音信号,是增强语音信号的有效方法.然而,使用谱减法进行语音增强过程中会产生新的背景噪声——"音乐噪声",它会影响语音信号识别的准确性.为了解决谱减法产生的"音乐噪声"问题,本文提出一种谱减法... 相似文献
2.
蔡铁 《深圳信息职业技术学院学报》2008,6(2):17-22
针对非平稳噪声环境下的语音活动检测问题,提出了基于在线单类SVM的自适应语音活动检测算法。该算法采用单类SVM对多种特征信息进行在线学习与综合,为非平稳背景噪声建模,并采用双层决策机制,能有效提高语音活动检测的稳健性。在语音识别系统中的实验结果表明,算法在多种噪声环境和信噪比条件下有效,并明显提高了在非平稳噪声环境下的识别率。 相似文献
3.
当今人工智能发展迅速,语音识别成为人机交互的重要方式。为提高语音识别准确度,在分析语音信号前去除语音信号噪声干扰并提高语音信号能量尤为重要。在实际应用中,不同语音信号包含不同的噪声。针对不同的语音噪声,在传统谱减法基础上,通过判断算法窗函数,根据不同的噪声能量改变多窗谱减法的过减因子参数,以增强算法自适应能力。仿真结果表明,在低信噪比情况下,通过改变过减因子值,可取得一个最优过减因子值以改进谱减法下的音乐噪声和失真度。自适应多窗谱减法改进后与基本谱减法相比,信噪比提高了 29%;与多窗谱减法相比,信噪比提高了 16%。该自适应多窗谱减法可适应不同噪声环境下的语音信号,增强语音信号中的关键信息并减少噪声干扰。 相似文献
4.
为了对非平稳、非连续的语音信号进行降噪,提出一种基于VMD分解和小波阈值的语音降噪方法。通过仿真信号对比分析了VMD、EMD和EEMD算法对信号分解中存在的伪分量、模态混叠问题。先用VMD对语音信号进行分解,再利用小波阈值降噪。实验结果表明,该降噪方法明显优于小波阈值的语音信号降噪、基于EMD和小波阈值的语音信号降噪以及基于EEMD和小波阈值的语音信号降噪。 相似文献
5.
语音端点检测是语音处理中非常关键的一个环节,目前主要的语音端点检测算法都侧重于语音特征参数的提取而忽略了之前的语音增强.论文提出一种基于多窗谱估计谱减法和能熵比的语音端点检测复合算法,该算法利用多窗谱估计谱减法将有噪声环境下的语音信号减噪,提高性噪比,达到语音增强的效果,再结合能熵比法进行端点检测.仿真结果表明,算法在低信噪比情况下,可以提高语音端点检测的正确率. 相似文献
6.
设计了一种结构简单的用于语音增强的双元指向性传声器阵列,利用阵列中不同方位阵元对目标信号和干扰信号的增益不同的特点,有效估计噪声信号的功率谱,再利用传统谱减算法的思想,实现语音增强。实验结果表明提出的算法是有效的,与经典的谱减算法相比具有更佳的语音增强效果。 相似文献
7.
语音信号在应用场合中容易被噪声信号干扰,导致应用效果不佳。为了降低语音信号噪声的影响,根据CEEMDAN自适应分解的优点、自相关函数能得到不同时刻取值相关程度的特性,以及小波软阈值去噪的优势,提出了一种基于CEEMDAN与小波软阈值联合去噪的语音信号处理算法。通过仿真实验验证了该算法的有效性,相较于小波软阈值直接去噪与传统CEEMDAN去噪,该算法能有效地提高受噪声污染的语音信号的信噪比,降低噪声对语音信号造成的影响。 相似文献
8.
9.
语音信号是非平稳的短时瞬态信号,有用信号与所含噪声处于同一频率段,采用滤波器形式的传统去噪方法,不能将噪声有效分离。小波变换具有时频局部分析的特点,通过将含噪信号进行分解,分离噪声信号,将有用信号进行重构,可有效地去除噪声。白噪声为平稳随机信号,在不同尺度上的小波变换是不相关的。本文根据白噪声和语音信号在不同尺度下的相关性表现,结合小波去噪的基本思想,提出一种基于相关函数的小波变换进行语音去噪的方法。经MATLAB仿真,相关函数确定的去噪方法,能有效去除语音信号的白噪声。 相似文献
10.
《东南大学学报》2021,(1)
为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和背景噪声的干扰,提出了一种基于倒谱编辑信号预白化和辛几何模态分解数量规律的轴承故障特征提取方法.首先,对原始信号进行倒谱预白化来增强轴承故障的冲击特性,去除复杂振动信号中的周期性频率成分,产生只包含背景噪声和损伤引起的非平稳冲击成分的白化信号.其次,发现了辛几何模态分解中哈密顿矩阵的有效特征值数目与信号中的频率个数成2倍的数量规律,并通过仿真和理论推导验证了该数量规律.最后,构造预白化信号的轨迹矩阵,进行辛几何模态分解,根据发现的数量规律,选择相应的特征向量重构信号,进行希尔伯特包络谱分析,并提取故障特征.通过仿真分析和应用实例证明,所提方法可以清晰地提取轴承的故障特征. 相似文献
11.
针对传统DNN语音分离中噪声干扰的问题,提出了一种在DNN语音分离后期处理中结合DNN和谱减法的语音分离方法。首先提取语音声级特征,通过DNN学习带噪特征到分离目标语音的映射,得到分离目标语音;然后对分离目标语音中每一时频单元进行噪声能量估计;最后,通过快速傅里叶逆变换得到谱减后的分离语音波形信号。通过对不同类型的噪声和不同输入信噪比混合后的语音信号进行试验,结果表明,加入谱减法后分离的语音信号与只经DNN网络输出的语音信号相比,前者分离的语音可懂度和信噪比得到了显著提高,并且分离语音的信号更接近于纯净语音的信号。 相似文献
12.
介绍了回声消除器的基本结构、回声路径的脉冲响应以及语音信号的特点,分析输入信号为白噪声、有色噪声和语音的情况下自适应算法的性能,在此基础上应用一种参数筛选更新归一化最小均方差(NLMS)算法以及基于互相关的双边对话侦测算法,并提供详细仿真结果。 相似文献
13.
吴恬盈 《泉州师范学院学报》2007,25(6):58-61
就语音信号的清浊音判决方法提出了一种新的自适应预测判决的方法.该方法立足于语音信号的非平稳特性,采用了递推最小二乘法(RLS),从传统的短时分析出发,结合预测的方法对语音信号进行自适应预测,设定目标函数,以非线性处理的方法实现了对非平稳的语音信号的清浊音判决;并将该方法与传统的清浊音判决法相比较并进行了仿真研究,结果表明文中提出的新方法能较好地进行清浊音判决. 相似文献
14.
《实验室研究与探索》2019,(9)
使用传统的谱熵对含有白噪声的浊音进行检测,然后使用熵函数对白噪声中的清音进行检测,并引入离散小波变换,对语音的信息熵进行处理,最后根据设定的门限进行判断。仿真结果表明,该方法很好地检测出语音信号中的清音,对语音信号中的清音/浊音/无声部分的辨别有重要作用。同时该方法对实际噪声中的清音检测也有很好的效果。 相似文献
15.
提出了一种基于LPC的语音信号特征参数提取的算法思想,对原始的语音信号进行线性预测建模,估计预算模型参数,提取LPC系数,分析LPC倒谱并计算预测误差。实验结果表明,该算法能较好的提取语音信号的特征参数,且预测重构的语音信号误差较小,易于建模的实现,为语音信号处理提供了一种特征参数提取的方法。 相似文献
16.
给出了加窗语音的新倒谱模型，提出了基于语音LPC预测残差的倒谱基音周期检测算法(LP—CEP法)，该算法在倒谱计算中采取高频分量置零的新措施。仿真研究结果表明，该算法相对于传统倒谱基音检测算法(CEP法)，无论是对不同的干净语音还是对不同信噪比的含噪语音，其基音检测结果都有明显的改善。 相似文献
17.
《常熟理工学院学报》2017,(4)
在语音信号处理领域,端点检测作为语音信号处理的初始化工作,有效合理的端点检测方法不仅可以减少数据的存储量和处理时间,而且可以排除无声段的噪声干扰,使语音的后续处理更加准确.本文为医疗语音信号处理提供一种医院噪声环境下医疗语音信号的端点检测方法.综合采用频域下的特征倒谱距离、能量谱、能量谱方差、统计学特征谱熵值4种特征作为控制条件判断语音的端点.通过设计软件验证了算法的有效性. 相似文献
18.
基于LPC预测残差的倒谱基音检测算法分析 总被引：1，自引：0，他引：1
给出了加窗语音的新倒谱模型，提出了基于语音LPC预测残差的倒谱基音周期检测算法(LP—CEP法)，该算法在倒谱计算中采取高频分量置零的新措施，仿真研究结果表明，该算法相对于传统倒谱基音检测算法(CEP法)，无论是对不同的干净语音还是对不同信噪比的含噪语音，其基音检测结果有明显的改善。 相似文献
19.
语音信号是一种非线性时变的信号,因此在传输和存储过程中,很容易受到外界环境的干扰,最主要的是高斯白噪声的干扰。本文针对语音信号的噪声特点,提出在非特定环境下去除噪声的方法。仿真结果表明,在信噪比为63 dB的情况下,还原的语音信号能够满足我们人耳的要求,体现了该方法的一般性和可行性。 相似文献
20.
盲源分离也称盲信号分离,是指在源信号和传递信道的参数均未知的情况下,仅根据输入源信号的统计特性,通过观测信号恢复各个源信号的过程。语音信号的盲分离技术在计算机听觉、语音识别、语音增强等领域具有重大的研究意义。现有的有关语音信号盲分离研究基本不考虑噪声的影响,然而在现实生活中,接收到的语音信号不可避免地混有各种噪声。因此,对于带噪声混叠语音的盲分离方法研究具有十分重要的现实意义。针对带噪声混叠语音信号,提出一种基于稀疏编码和EFICA的分离方法。首先用稀疏编码去噪方法消除带噪混叠语音信号中的噪声,然后将经过去噪处理后的观测信号用EFICA方法进行盲分离。Matlab仿真实验结果表明,该算法对带噪声混叠的语音进行盲分离效果良好。 相似文献