一种基于宽带噪声的同态滤波语音增强方法与流程

本发明具体涉及一种基于宽带噪声的同态滤波语音增强方法，属于语音处理方法
技术领域：
。
背景技术：
：实际环境中语音信号处理技术包含着很多方面，而语音增强技术是其中解决语音受噪声污染的有效方法之一，它所研究的目标就是系统输出尽可能的从带噪语音信号中提取纯净的语音信号，提高传输质量；而传统的语音增强技术也有很多种，有谱减法、中心滤波法、同态滤波抗噪法、非线性处理法，自适应分析方法、小波分析方法等等，噪声的处理过程中，根据语音不同的特性，人耳的感知特性，不同的噪声性质，将选用不同的语音增强方法。传统的同态滤波抗噪法在同态处理时，许多情况下倒谱中的基音峰值将变得不清晰甚至会消失，在语音信号与噪声信号分离时，容易产生相位多值性问题，即相位卷绕，会造成提取的特征参数误差过大，很难恢复原始的语音信号，不能满足系统的实时性；传统的自相关分析方法在自相关处理时容易产生二次谐波，不易直接对带噪语音信号的自相关系数做特征提取，以达到语音增强的目的，并且自相关分析要求信号要有很强的周期性，否则自相关函数类似于噪声的高频波形，更不易除噪分析；传统的中心滤波法在语音增强时会造成语音质量的损坏，中心滤波法的门限选择很重要，很容易损失语音信号的相关信息，且只能在频域中分析；传统的谱减法由于语音能量较集中在某频段内，语音增强处理后，仍然会有大量的残余噪声，在除噪过程中，如果不能消除大功率分量的噪声，语音信号中仍然容易产生纯音噪声。针对传统方法语音增强时存在的问题，目前，也有很多不同背景噪声环境下的语音增强的新方法研究，白噪声下基于各向异性滤波的语音增强算法研究[j].佳木斯大学学报(自然科学版)，2015，06：902-904，提出在白噪声为背景噪声的情况下，采用各向异性滤波方法，具有较好的滤波性能，其算法复杂度低，计算量小，运行时间较短；改进小波阈值函数的语音增强算法研究[j].信号处理，2016，02：203-213，是采用改进小波阈值函数的语音增强算法来有效提升语音信号的可懂度和整体质量；基于倒谱预处理技术的语音增强算法研究[j].科学技术与工程，2013，21：6111-6117，采用倒谱预处理通过抑制语音中浊音的谐频成分，避免在非平稳噪声跟踪过程中将语音浊音信号功率谱错误估计成噪声功率谱，快速有效跟踪噪声的同时能避免噪声功率谱过估，来提高语音的传输质量；低信噪比条件下的语音增强算法研究[j].中国新通信，2015，15：73-74，针对低信噪比背景条件下，谱减算法在话音增强方面存在着音乐噪声问题和低清晰度问题，提出了基于倒谱距离和谱减算法的话音增强算法。短时自相关分析是语音信号时域分析中常用的方法，定义语音信号sn(m)的短时自相关函数zn(k)的计算表达式如下：其中，l是最大延迟点数。自相关处理抗噪法，滤波后谐波分量减少了，曲线变得平滑，但仍存在二次谐波，峰值仍然不是很尖锐，在提取语音信号特征时仍然容易产生误差。传统的同态滤波抗噪法，语音信号的倒谱第一峰值仍然不是很明显，原点与第二峰值间的高频分量较多，这会影响观察特征值的准确性。降噪后的语音信号仍然会存在较多的残留噪声。技术实现要素：因此，针对现有技术在提取语音信号特征时仍然容易产生误差，以及降噪后的语音信号仍然会存在较多的残留噪声的问题，本发明提供一种基于宽带噪声的同态滤波语音增强方法。所述方法具体为：获取短时平稳的语音信号，然后对语音信号进行自相关分析，得到自相关系数，再将自相关系数做同态滤波分析处理，同态滤波分析处理时，求出带噪语音信号的倒谱，清除带噪语音信号的倒谱的噪声成分，得到增强语音的倒谱，经过谱分析获得降噪后的特征参数，合成降噪后的语音信号。进一步的，所述方法中对语音信号进行自相关分析，得到自相关系数具体为：设语音信号sn(m)所占的间隔是[0，n-1]，则语音信号的短时自相关为：其中，l是最大延迟点数。进一步的，所述方法中将自相关系数做同态滤波分析处理具体为：自相关系数fft变换rn(ejw)；对rn(ejw)的实部作对数运算可得：对结果进行fft逆变换得到改进的cn(m)：本发明的有益效果在于：本发明提供一种基于宽带噪声的同态滤波语音增强方法，通过对传统方法的改进，优于传统方法，其平均相对误差更小，准确性更高，将更有利于语音识别和语音合成。改进的同态滤波抗噪法能够增强语音倒谱特征对环境噪声的鲁棒性，较准确的得到语音的特征信息，其顽健性更好，能够更好的达到语音增强的目的。附图说明图1为实施例中自相关抗噪法的处理流程图；图2为实施例中自相关抗噪法中原始的语音信号“你好”的波形图；图3为在图2中截取一帧语音信号做自相关分析示意图；图4为传统的自相关抗噪法语音增强的仿真效果图；图5为传统的同态滤波抗噪法流程图；图6为传统的同态滤波抗噪法效果图；图7为传统的同态滤波特征提取示意图；图8为改进的同态滤波抗噪法流程图；图9为改进的同态滤波抗噪法语音增强的仿真效果图；图10为改进的同态滤波输出提取语音信号的特征参数仿真图。具体实施方式下面结合附图对本发明的具体实施方式进行说明：本发明在传统的自相关处理抗噪法和传统的同态滤波抗噪法基础上改进，设计了改进的同态滤波抗噪法。传统的自相关抗噪法自相关处理抗噪法对带噪声的语音信号进行自相关分析，可以得到与不带噪声的语音信号同样的自相关序列，语音信号的自相关与噪声无关，因此，带噪语音信号的自相关可以近似为纯净语音信号的自相关，所以，将自相关系数作为语音处理系统的特征值，就可以达到抗噪声的目的。自相关抗噪法的处理流程如图1所示。在普通室内环境采用cooledit录制女生带噪语音信号“你好”，采样频率为22khz，单声道，如图2所示。截取一帧语音信号做自相关分析，如图3所示。图3可以看出，原始的一帧带噪语音信号有一定的周期性，但谐波分量较多，峰值不是很尖锐，在特征参数的提取过程中会产生一定的误差。对原始的带噪语音信号采用传统的自相关抗噪法语音增强的仿真效果如图4所示。通过仿真图4可以看出，滤波后谐波分量减少了，曲线变得平滑，但仍存在二次谐波，峰值仍然不是很尖锐，在提取语音信号特征时仍然容易产生误差。传统的同态滤波抗噪法语音信号不是加性信号，而是卷积性信号。为了能用线性系统对其进行处理，可以先采用卷积同态系统处理。假设被处理的语音信号s(n)所占用的间隔是[0，n-1]，这里所用的间隔长度n可以选择大于实际的长度；n的大小决定着倒谱c(n)中是否存在有混叠，代表着离散时域频谱是否有更佳的分辨率。当n大于s(n)的实际长度时，可以在s(n)的后方添若干个零来补足所需的长度，这称为“补零”。若语音信号s(n)经过同态滤波可以还原原始的语音信号，则证明该语音信号不存在混叠失真，可以直接求出语音信号s(n)的倒谱c(n)。设：则对其取对数可得：复数的对数仍然是复数，它包含实部和虚部；对数的虚部arg[s(ejw)]由于是s(ejw)的相位，所以将产生不一致性。如果我们只考虑的实部，并令c(n)＝f-1ln|s(ejw)|(公式c)c(n)是可以认为是语音信号s(n)对数幅度谱的傅里叶逆变换，c(n)称为“倒谱”。那么，传统的同态滤波抗噪法流程图如图5所示。其中，a为短时语音信号；b为短时频谱；c为对数频谱；d为倒谱系数；e为对数频谱包络；f为基本周期。对原始的带噪语音信号采用传统的同态滤波抗噪法，语音增强的仿真效果如图6所示。通过仿真图6可以看出，采用传统的同态滤波抗噪法后，语音信号的倒谱第一峰值仍然不是很明显，原点与第二峰值间的高频分量较多，这会影响观察特征值的准确性。对传统的同态滤波输出提取语音信号的特征参数，如图7所示。从图7可以看出，传统的同态滤波输出，接近原点的第一峰值坐标为(12，0.12)，第一峰值比较平滑，特征提取时会造成较大的误差，降噪后的语音信号仍然会存在较多的残留噪声。本发明的方法在本发明中，采用改进的同态滤波抗噪法对语音信号的前期处理和传统的同态滤波抗噪法是一样的，语音信号都必须先进行数字化和预处理，获取短时平稳的语音信号，然后对其信号进行自相关分析，得到自相关系数，再将自相关系数做同态滤波分析，同态处理时，求出带噪语音信号的倒谱，清除带噪语音信号的倒谱的噪声成分，得到增强语音的倒谱，并经过谱分析获得降噪后的特征参数，合成降噪后的语音信号，到达语音增强的目的，具体算法流程如图8所示。其中，a为短时语音信号；b为自相关系数；c为自相关短时频谱；d为自相关对数频谱；e为改进的倒谱系数；f为对数频谱包络；g为基本周期。1)求短时语音信号的自相关：设语音信号sn(m)所占的间隔是[0，n-1]。则语音信号的短时自相关为：2)对自相关系数同态处理：a)自相关系数fft变换rn(ejw)；b)对rn(ejw)的实部作对数运算可得：c)对上面的结果进行fft逆变换得到改进的cn(m)：对原始的带噪语音信号采用改进的同态滤波抗噪法，语音增强的仿真效果如图9所示；通过仿真图9可以看出，采用改进的同态滤波抗噪法，谐波分量明显减少了，周期性变得更加清楚，这将提高带噪语音信号特征参数提取的准确性。对改进的同态滤波输出提取语音信号的特征参数仿真如图10所示。从图10可以看出，改进的同态滤波输出，接近原点的第一峰值坐标为(11，0.34)，第一峰值比较尖锐，更接近原点，会提高特征提取的准确性，可以更好的合成降噪后的语音信号，从而到达语音增强的目的。本发明方法与传统同态滤波抗噪法的比对分析为进一步比较传统同态滤波抗噪法和本发明相关-同态滤波抗噪法的性能，对带噪语音录音进行20次的实验仿真。使用两种算法进行信噪比的比对分析，进行10次语音信号大信噪比和10次语音信号小信噪比的比对，并计算平均相对误差(百分比)。实验结果大信噪比语音信号平均相对误差如表1所示，小信噪比语音信号平均相对误差如表2所示。表1检测算法传统同态滤波相关-同态滤波平均相对误差0.550.46表2检测算法传统同态滤波相关-同态滤波平均相对误差20.315.9由以上带噪语音信号信噪比的比对分析可得，相关-同态滤波法优于传统同态滤波法，其平均相对误差更小，准确性更高，将更有利于语音识别和语音合成。噪声可以是加性噪声，也可以是非加性噪声，而说话时呼吸引起的宽带噪声为非加性噪声，需要采用同态滤波转为加性噪声，对纯净的语音信号和噪声信号进行分离，提出纯净语音信号，在上述分析中，可以看出，改进的同态滤波抗噪法能够增强语音倒谱特征对环境噪声的鲁棒性，较准确的得到语音的特征信息，其顽健性更好，能够更好的达到语音增强的目的。以上是本发明的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。当前第1页12