共查询到19条相似文献，搜索用时 218 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.
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
3.
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
4.
为进一步降低噪声对采集语音的干扰,提出了一种新的谱减改进方法。采用阈值法对非平稳背景噪声信号进行估计,计算出先验信噪比,得到还原的纯净语音信号。用MATLAB实现了整个算法的仿真,并与传统谱减法结果相比较,仿真结果表明,该算法对非平稳噪声追踪性较好,在抑制背景噪声,减少音乐噪声前提下,提高了语音的可懂度,其计算复杂度也可以接受。 相似文献
5.
王加永 《洛阳工业高等专科学校学报》2009,19(2)
针对传统谱减法在语音增强过程中不可避免地产生"音乐"噪声,提出了一种改进型谱减算法.该算法先将带噪语音进行平滑,再设置谱减系数.实验证明该方法提高了信噪比(SNR),改善了语音质量,特别是在低信噪比情况下具有良好的去噪效果. 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.
语音端点检测在语音信号处理中是一个很重要的方面,在分析了传统的能量阈值的端点检测算法基础之上,针对其不足,笔者提出了一种基于谱减法和短时能量的检测方法。它结合语音增强,进行自适应门限判决。实验结果表明,与传统的能量阈值法比较,该方法在低信噪比的情况下具有较高的准确率和稳定性,是一种简单有效的方法。 相似文献
8.
提出了一种基于机器学习的耳语音可懂度增强方法.该方法利用已经训练好的2类支持向量机来估计一个二元时频掩蔽值,进而合成增强后的耳语音.输入支持向量机的特征向量GFCCs是基于听觉外周模型进行提取的,具有噪声鲁棒特性.在增强仿真实验中,将该算法同传统语音增强算法进行语音可懂度增强性能比较.客观评价和主观听力实验结果均表明,所提出的方法能有效提高含噪耳语音的听觉可懂度;相比谱减法和log-MMSE方法在低信噪比时无法提高语音可懂度,该方法在低信噪比时仍可有效提高含噪耳语音的听觉可懂度.此外,含噪耳语音通过所提出的方法进行增强后,其可懂度比未增强时明显提高. 相似文献
9.
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
10.
提出一种结合几何谱减法的基于人耳听觉掩蔽效应的算法．通过仿真证明,该算法与一般的基于人耳听觉掩蔽效应的算法相比,能更好地减少音乐噪声,提高信噪比．在去噪的同时,减小了纯净语音的畸变,达到良好的效果． 相似文献
11.
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
12.
为了改善广义旁瓣抵消(GSC)语音增强方法的性能,提出了一种带有泄漏约束的判决反馈旁瓣抵消(LCDF-GSC)方法.采用DF-GSC方法以解决GSC对波达方向敏感的问题,在代价函数中引入泄漏因子,以此改善语音失真的问题,而这种问题是由于噪声参考信号中含有语音成份造成的.试验结果表明,尽管经过LCDF-GSC处理后的语音信号信噪比要略低于DF-GSC,IS测度表明这时前者的语音信号失真度要小于后者.MOS分也表明LCDF-GSC方法要优于DF-GSC和单通道Weiner滤波算法. 相似文献
13.
In ultrasonic non-destructive tests, the echo signal at the flaw is highly complex due to the interference of multiple echoes with random amplitudes and phases, and is disturbed by all kinds of noises, such as thermal noise, digitalization noise, and structure noise. In this paper, the ultrasonic signal was decomposed by empirical mode decomposition （EMD） to obtain the intrinsic mode function （IMF） components according to ultrasonic defect echo signals occuring at the corresponding time, and the energy of the ultrasonic signal was concentrated. The IMF component selection criterion based on sub-band energy extraction was proposed to extract the ultrasonic signal component accurately and automatically from IMF components. When the selected IMF components were filtered by a band pass filter, the signal-to-noise ratio （SNR） was enhanced greatly. 相似文献
14.
利用TMS320C6713 DSK实现的自适应滤波器 总被引：1，自引：0，他引：1
在对统计特性未知的信号进行噪声消除的应用中经常需要使用自适应噪声对消法.LMS算法是应用最为广泛的自适应算法之一.本文对LMS算法的DSP硬件实现进行了研究,并在TMS320C6713 DSK上实现了基于LMS算法的自适应噪声对消.实验结果表明,LMS算法的计算复杂度很低,且在有确定参考源的情况下采用自适应对消算法能够有效地去除噪声. 相似文献
15.
孙涛 《南昌教育学院学报》2010,25(5):183-183
计算机声卡是多媒体技术中最基本的组成部分,是实现声波/数字信号相互转换的一种硬件。对基于计算机声卡的谱相减语音增强系统进行分析。首先分析了基于计算机声卡的语音增强系统,其次,介绍了谱相减算法,具有一定的参考价值。 相似文献
16.
针对常规降噪方法应用于柴油机缸盖振动信号降噪时,自适应差且需要根据噪声环境人为调整参数的问题,在传统EEMD算法基础上提出一种改进的EEMD降噪算法,并将其应用于柴油机缸盖振动信号处理。首先对原始信号进行预处理,其次利用总体经验模态分解（EEMD）算法在非线性、非平稳信号处理时的自适应特性,分解原始信号得到各阶本征模态分量,经Savitzky-Golay平滑滤波,再将噪声占主导的高频分量进行阈值去噪,最后得到干净的本征模态分量进行重构。仿真实验和实测结果表明,在输入信号12dB的多种输入信号工况下,改进EEMD算法去噪后信噪比为17.1,比现有去噪方法提升14%。 相似文献
17.
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
18.
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
19.
针对传统语音识别在多目标情况下识别率较低的问题,从特征参数提取角度,提出一种基于受限玻尔茨曼机（RBM）的特征提取方法。依据不同个体语音信号之间的特征差异提取特征参数,通过梯度上升算法调整网络参数以拟合给定训练样本,通过对比散度算法降低采样达标所需状态转移次数以提高算法效率,再利用重构误差曲线评价受限玻尔茨曼机对训练样本的似然度。实验表明,当隐含层节点个数为30时,参数提取的重构误差低于20%。此时使用改进的BP网络训练,与传统算法相比,综合识别率提高到86.9%,对提升多目标语音识别率具有重要意义。 相似文献