觉效果上产生一定的干扰影响,还影响后续处理,如语音编码等。谱减法通常包拆有线性谱减法、非线性谱减法和概率谱减法。维纳滤波法维纳滤波法是在最小均方准则下实现对语音信号估计的一种滤波器。对于带噪语音信号,确定滤波器的冲击响应,使得带噪语音信号经过该滤波器后得到最接近于“纯净”的语音信号。采用维纳滤波的好处是增强后的残帘噪声类似于白噪声,而不是有节奏起伏的音乐噪声。维纳滤波是平稳条件卜•时域波形的最小均方误差准则估计。市于没有考虑到语音频谱分量的幅度对人的听觉最重要,因此采川维纳滤波來增强语音存在一定的缺陷。短时谱幅度的最小均方课差(MMSE)估计法针对特定的失真准则和后验概率不敏感的特性,利川已知的噪声功率谱信息,从带噪语音短时谱屮估计出“纯净”语音短时谱,达到语音增强的目的o对于语音短时谱幅度的分布,通常通过两种途径解决:一是假设一个合理的概率分布模型;另一个则是通过实际统计的方法去获得。为此,假设语音频谱分布为高斯分布,并在此假设下推导MMSE估计公式,然后讨论实际分布情况。另外,可以利用相邻帧间频率点信息的和关性,对当前帧频率点的频谱幅度值进行估计,这就是基于帧间频谱分布约束的MMSE估计方法。乂因为人耳对声音强度的感受是与谱幅度的对数成正比的,因此在处理语音谱幅度时,采用对■数失真准则更为适合一•些,将上述MMSE估计式进行推广,得到频域分布约束下的短时对数谱的MMSE估计。短时谱幅度的MMSE估计在降噪和捉高语音可懂度方而进行了折衷,适用信噪比的范围较广,但是计算量较大,而H语音频谱的先验分布获得在很大程度上要取决于统计结果的代表性、重现性等。自适应滤波法以均方谋基或方差最小为准则,对噪声信号进行最优估计,然后从带噪语音中减去噪声达到降噪,捉高倍噪比,增强语音的目的。当输入信号的统计特性未知,或者输入信号的统计特性变化吋,口适应滤波器能够口动地迭代调节口身的滤波器参数
全文预览
