1、實驗二語音信號的頻域處理一、實驗?zāi)康?、要?1)掌握語音信號頻域分析方法(2) 了解語音信號頻域的特點(3) 了解譜減法作為頻域語音增強的原理與編程實現(xiàn)(4) 了解譜減法的缺點，并分析產(chǎn)生該缺點的原因二、實驗原理語音雖然是一個時變、非平穩(wěn)的隨機過程。但在短時間內(nèi)可近似看作是平穩(wěn)的。因此如果能從帶噪語音的短時譜中估計出“純凈”語音的短時譜，即可達到語音增強的目的。由于噪聲也是隨機過程，因此這種估計只能建立在統(tǒng)計模型基礎(chǔ)上。利用人耳感知對語音頻譜分量的相位不敏感的特性，這類語音增強算法主要針對短時譜的幅度估計。短時話幅度估計概述設(shè)一幀加窗后的帶噪語音為y(n)=s(n)d(n)OnN1(2.1)其

2、中s(n)為純凈語音，d(n)假設(shè)為平穩(wěn)加性高斯噪聲。將y(n)在一組基七(n)上展開，使展對系數(shù)為各不相關(guān)的隨機變量。設(shè)y(n)的相關(guān)函數(shù)為Ry(n,m),由KL展開得知(n)滿足(2.2)N1(K)k(n)-Ry(n,m):(m)m=0則y(n)的展開式為LN(2.3)y(n)=£Yk*kn)K=0N1Yk="y(n)kn)n=0如果y(n)的相關(guān)長度小于幀長N,則久(n)的近似函數(shù)為(2.4)巾1'2nnk)Q(n)=-j=exp.jJ2nINJ可見y(n)的展開過程實際上相當于離散博里葉交換，其展開系數(shù)(為傅里葉變換系數(shù)。由y(n)=s(n)+d(n),則有

3、：Yk=Sk+Nk。其中K=|Yk|expj"、Sk=|Sk|expj外、Nk分別為y(n)、s(n)及d(n)的傅里葉交換系數(shù)。由于假設(shè)噪聲是高斯分布的，其傅里葉系數(shù)Nk相當于多個高斯樣本的加權(quán)和，故可認為仍然為高斯分布。其均值為0,方差可通過無語音時對噪聲的分析而獲得。語音增強的任務(wù)就是利用已知的噪聲功率譜信息，從K中估計出&。由于人耳對相位不敏感，故只需估計出18k|,然后借用帶噪語音的相位，進行傅里葉逆變換就可得到增強的語音?；诙虝r譜幅度估計的方法的原理圖如圖2.1所示。圖2.1短時譜估計原理圖噪聲特性在短時譜幅(STSA)估計基礎(chǔ)上，人們提出了許多語音增強算法?；?/p>

4、本思想是利用輸入帶噪語音短時譜幅來估計清潔語音短時譜幅，結(jié)合帶噪語音相位信息，得到增強信號。運用短時傅里葉變換(STFT)和重疊相加是短時譜估計技術(shù)中最常用的方法。輸入信號y(n)的短時譜幅|Y(k)|與一個修正因子相乘，得到增強信號譜幅度|S(k)|(通常修正因子與噪聲信號d(n)譜幅估計密切相關(guān))；或?qū)⒑胝Z音譜幅減去噪聲譜幅估計，得到增強信號譜幅，這些方法統(tǒng)稱為相減類型算法(subtractivetypealgorithms)0噪聲譜幅估計可以通過有聲、無聲檢測獲取。一般認為噪聲與信號不相關(guān)，增強信號譜幅|S(k)|是清潔語音信號s(n)的譜幅估計。通常假設(shè)人耳對含噪語音相位產(chǎn)生的畸變不

5、敏感，所以進行IDFT恢復(fù)成時域信號時，含噪語音的相位一般不作處理。、使用儀器、材料微機(帶聲卡)、耳機，話筒。四、實驗步驟(1) 分析含噪語音信號的頻譜(幅度譜和相位譜)(2) 獲取噪聲信號頻譜(幅度譜)(3) 對含噪語音信號進行分幀并進行加窗處理(4) 將含噪語音信號譜和噪聲譜作為輸入，進行譜減法(5) 回復(fù)增強語音信號幀.(6) 對比輸入信號與增強信號波形，分析算法對其產(chǎn)生的影響五、實驗過程原始記錄(數(shù)據(jù)，圖表，計算)假設(shè)y(n)為含噪語音離散時間序列，由清潔語音信號s(n)和非相關(guān)加性噪聲信號d(n)組成。y(n)可表示為y(n)=s(n)+d(n)(2.5)將輸入信號按幀處理，前后幀

6、之間重疊(一般為50%),對每幀含噪語音進行加窗處理，然后進行FFT變換，變換到頻率域。含噪語音的能量譜可以表示為(2.6)(2.7)|Y(k)|2M|S(k)|2+|D(k)|2其中Y(k)為N2小nY(k)=£y(n)eN=|Y(k)|e"k)n=0其中中(k)為含噪語音Y(k)的相位。由于沒法直接得到含噪語音中噪聲能量譜|D(k)|2,一般將無聲階段的數(shù)幀噪聲信號進行能量譜加權(quán)平均得到噪聲能量譜估計|D(k)|2o假設(shè)噪聲與語音信號不相關(guān)，語音能量譜估計為(2.8)|S(k)|2=|Y(k)|2-|D>(k)|2其中清潔語音能量譜估計利。出丁咪嚴耳匕里崎伯W,咪

7、W日十晚嚴目匕里崎切仔仕左并，工1(3.4)臼目匕口現(xiàn)負值，為了避免能量譜出現(xiàn)負值，將這些負值設(shè)為零，這一處理稱為半波整流(half-waverectification)0通過半波整流，清潔語音能量譜估計|S(k)|2可表示為|S(k)|2=；|S(k)|0當|S(k)|20當|S(k)|，0(2.9)結(jié)合含噪語音相位信息,通過逆離散傅里葉變換(IDFT)得到時域清潔語音信號的估計信號?(n)S(n)=IDFT(|S(k)|ej9k)其中增強語音信號頻譜S(k)也可以通過時變?yōu)V波器G(k)重建S(k)=G(k)Y(k)式中時變?yōu)V波器(或稱為增益函數(shù))G(k)可表示為出(62、。.5(1-ct-

8、''，)|Y(k)|2G(k)=，(P嚴|Y(k)|2如果|8(k)|2：,1|Y(k)|2-：>":1(2.10)(2.11)(2.12)否則六：實驗結(jié)果，及分析規(guī)一化幅度值0-0.5-100511522.53T5X10*樣本數(shù)（個）1歸一化幅度值050-06(a)原始含噪語音2.5335樣本數(shù)（個）-100.511.52(b)譜相減增強語音1規(guī)一化幅度值0.50-0.5-100511,522533.5x104樣本數(shù)（個）歸-化幅度值05-05（c）原始含噪語音-100.511.522.5(d)譜相減增強語音335樣本數(shù)f個）圖2.2譜減法結(jié)果分析實驗結(jié)果：圖

9、2.2中（a）,（c）為不同信噪比輸入含噪語音信號，圖2.2中(b),(d)為對應(yīng)增強語音信號。當信噪比較低時，降噪效果較差。并且引入音樂噪聲。算法缺陷分析：(1)不可避免的引入音樂噪聲。要有效地濾除含噪語音中的噪聲，需要準確地估計含噪語音中噪聲的頻譜。噪聲譜估計越準確，增強信號譜中音樂噪聲越小。然而，由于不能直接得到噪聲譜，在絕大多數(shù)譜相減算法中，通過加權(quán)平均無聲階段噪聲譜得到噪聲譜估計，這種噪聲譜估計與含噪語音中的瞬時噪聲譜存在差異，噪聲平穩(wěn)性越差，差異越大，由于這種差異的存在，譜相減不可避免地引入音樂噪聲。(2)半波、全波整流式(3.4)中負能量值的產(chǎn)生是由于噪聲譜估計發(fā)生了錯誤。這些負

10、值用半波整流(被設(shè)定為0)或全波整流(被設(shè)定為絕對值)，這樣處理并沒有糾正這種錯誤，可能導(dǎo)致時域信號更進一步的失真。(3)用含噪語音的相位作為增強語音的相位在生成增強時域信號時，含噪語音的相位并沒有作任何修改。這是基于這樣一個事實，相位的失真對語音質(zhì)量下降造成的影響不大。當信噪比比較高(>5dB)時，相位失真確實對語音質(zhì)量的影響不大，然而，當信噪比較低時(<0dB)這種由于相位失真造成的語音質(zhì)量下降是可以感覺得到的。七、實驗參考程序代碼譜相減原程序代碼hanning=zeros(1,256);speech=zeros(1,32000);語音信號處理實驗2noise.wav'

11、);%噪聲；語音信號處理實驗2speech.wav');%純語音；hanning=zeros(1,256);noise=dd(10000:45000);speech=sp(25000:60000);e2=noise+speech;szeros=zeros(1,32000);soutput1=zeros(1,32000);j=sqrt(-1);a=3,b=0.01;Snoise=zeros(1,256);phase=zeros(1,256);forn=1:256hanning(n)=(1/2)*(1-cos(2*pi)*(n-1)/255);end%togetnoisespectralN

12、oise=zeros(1,256);Noise1=zeros(1,256);fori=1:3Noise1(1:256)=abs(fft(e2(1+i*256:256*(i+1).*hanning');Noise=Noise+Noise1/3;end%spectralsubtractionalgrithmfori=1:245%第i幀snoise=e2(i-1)*128+1:(i-1)*128+256).*hanning'phase=angle(fft(snoise);%togetnoisysignalspectralphaseSnoise=abs(fft(snoise);%tog

13、etnoisysignalspectralamplitudeforn=1:256if(Snoise(n)A2-Noise(n)A2)<0%thepowerofenhancedspeechmustbepositiveSout0(n)=0.1*Snoise(n);elseSout0(n)=(Snoise(n)A2-(Noise(n)*1.5)A2)A0.5;%powertypespectralsubtractionendS0(n)=Sout0(n)*(cos(phase(n)+j*sin(phase(n);%togetenhancedspeechspectralamplitudeendsou

14、t0=ifft(S0);szeros(i-1)*128+1):(i-1)*128+256)=real(sout0);soutput1=soutput1+szeros;szeros=zeros(1,32000);end%thefollowingisforSNRcalculationsp_energe=zeros(1,256);sn_energe=zeros(1,256);SN=zeros(1,256);in_SNR1=zeros(1,125);out_SNR1=zeros(1,125);snoise=zeros(1,256);fori=1:240snoise=speech(i-1)*128+1:

15、(i-1)*128+256).*hanning'%第i幀清潔語音存放到snoiseSN=noise(i-1)*128+1:(i-1)*128+256).*hanning"%第i幀清潔語音存放到SN%in_SNR1(i)sp_energe(i)=snoise(1:256)'*snoise(1:256);%第i幀清潔語音snoise的能量存放到sp_energe(i)sn_energe(i)=SN(1:256)'*SN(1:256);%第i幀皂聲SN的能量存放到sn_energe(i)in_SNR1(i)=10*log10(sp_energe(i)/sn_energe(i);%第i幀含噪語音信號輸入信噪比in_SNR1(i)SN=soutput1(i-1)*128+1:(i-1)*128+256).*hanning;%第i幀輸出信號存放SNsn_energe1(i)=SN(1:256)*SN(1:256),;%第i幀輸出信號SN能量out_SNR1(i)=10*lo