噪声估计算法doc.docx

噪声估计算法doc.docx

《噪声估计算法doc.docx》由会员分享，可在线阅读，更多相关《噪声估计算法doc.docx（58页珍藏版）》请在冰豆网上搜索。

噪声估计算法doc

太原理工大学

毕业设计（论文）任务书

毕业设计（论文）题目;

噪声估计的算法及MATLAB实现

毕业设计（论文）要求及原始数据（资料）：

论文要求：

（1）1-3周査找噪声估计算法的一些相关文献

（2）4-6周找出的几种噪声估计算法的特点

（3）7-8周确泄2-3种噪声估计的算法

（4）9-11周确泄大纲,完成开题报告

（5）12-14周对确左的噪声估计算法进行仿真，对比找岀算法的不足及今后的研究方向

（6）15-16周定出初稿，最后在老师的指导下最终完稿，准备答辩

论文原始数据：

有关抗噪声技术的研究，在国内外作为非常重要的研究课题，已经作了大量的研究工作,取得了丰富的研究成果。

而噪声估计是语音增强中一个非常重要的部分，在这方面的研究，国外比较多一些。

传统的噪声估计方法是使用语音活动性监测（VAD:

VoiceActiveDetection）判別语音是否出现，并分离出无声段，此时无声段主要表现为噪声特性，然后在无声区通过某种统计方法，获得背景噪声特性的近似估计，对噪声谱进行更新。

尽管该方法在噪声为平稳的情况下是可行的，但是在实际的噪声环境中噪声谱的特性变化很大，在低信噪比下,VAD的误检率会增大，在不能正确判断无声段的情况下很难保证估计岀来的噪声的准确性。

因此，为了实现精确的噪声估计，就要对噪声谱进行实时的估计。

1994年Martin提出了一种基于最小值统计的方法来估计噪声，它是基于带噪语音信号的功率水平滞后于噪声的功率水平，因此可以通过跟踪带噪语音信号功率谱的最小值来获得噪声功率谱的估汁值。

在大约l・5s的滑动窗口内寻找每一频率带内的频谱最小值，经过补偿后和带噪语音的功率谱进行比较。

不论带噪语音的功率谱是否小于局部最小值.局部最小值都需要更新。

同时，为了能更快的跟踪并更新局部最小值和频谱最小值，把滑动窗口分为子窗口，在每个子窗口内更新噪声的估计谱，提髙了精确度匚此算法的基本思路是先用一个最优平滑滤波对带噪语音的功率谱滤波，得到一个噪声的粗略估计。

然后找岀粗略噪声中的在一立时间窗内的最小值，对这个最小值进行一些偏差修正，即得到所要估汁的噪声的方差。

1995年Doblingcr通过比较前帧带噪语音子带平滑功率谱最小值和后帧带噪语音子带平滑功率谱之间大小，对带噪语音子带平滑功率谱最小值每帧进行跟踪和更新，并将其作为估讣的噪声谱，该噪声谱估计方法计算效率高，能快速适应背景噪声的变化，但是它直接把带噪语音子带平滑功率谱最小值作为估计的噪声谱，使得噪声谱过估计。

2002年Cohen和Berdugo提岀了一种基于最小值控制递归平均法的噪声估计算法，把最小追踪法的鲁莽性与递归平均方法的简单性结合到一起，该算法能够快速地追踪突变的噪声功率谱。

与最小统讣相比，对最小值的跟踪不是关键性的，在进行递归平均时不需要对语音出现与缺失进行区分，因此即使在弱语音段也同样可以进行连续噪声估计更新。

具有能够快速跟踪噪声谱的突变的能力。

Cohen的噪声估计算法依赖于最小值的跟踪算法，虽然比起Martin的最小值统讣跟踪算法效果要好的多，但无法完全避免在噪声上升区域的噪声欠估计及持续强语音后而区域岀现的噪声

过估计的缺陷。

2004年Rangachari和Loizou提出了一种快速估讣方法，不仅使得带噪语音子带中语音出现概率讣算更准确，而且噪声谱的更新在连续时间内不依赖固怎时间的窗长，但是在语音或噪声能量过高时噪声的估计就会慢下来，而且如果时间大于0.5s时，就会削弱一些语音能量。

因此，噪声估计算法有待更进一步的改进。

2009年余力，陈颖琪提出了一种基于DCT变换的自适应噪声估计算法，采用DCT系数作为块均匀度的度量，较好地适应了高低噪声的情况，算法复杂度不大，能适用于各种实时图像视频处理系统。

理论分析及实验结果表明本算法不仅在低噪声的图片中表现出良好的性能，而且在高噪声的图片中依旧有效。

此外，还能适应不同质量的图像。

通过对基于最小统讣量的噪声估计方法和改进的最小统计量控制递归平均噪声估计算法研究发现这些噪声估计方法可以在语音存在段进行噪声估计，能够有效地跟踪非平稳噪声。

但是，这些算法在各个频带进行噪声估计，算法复杂度髙，噪声估计方差大。

于是在考虑各频带间的相关性上提岀了在巴克域进行噪声估计，减小了噪声估il•方差，提髙了噪声估计的准确性，并极大地减小算法运算量和存储量。

而且，在巴克域进行噪声估计更符合人耳听觉特性，增强语音具有更好的质量。

英他类似的方法还有低能量包络跟踪和基于分位数的估计方法，后者噪声的估计是基于带噪语音未平滑功率谱的分位数，而不是提取平滑功率谱的最小值，但是此方法il•算复杂度很高，且需要很大的内存来存储过去的功率谱值。

毕业设计（论文）主要内容：

本文分为五章，具体章节内容如下：

第一章绪论。

噪声估计算法研究的目的和意义及国内外研究的现状。

第二章几种经典的噪声估计的算法。

Martin的最小统计量的估计算法，Cohen和Berdu旳提出的基于最小统计量控制递归平均算法，通过比较最终提出改进的最小统计量控制递归平均算法，仿真结果表明，这种方法在非平稳噪声条件下，也具有较好的噪声跟踪能力和较小的噪声估计误差，可以有效地提髙语音增强系统的性能。

第三章基于语音活动性检测的噪声估计算法及MATLAB仿真。

通过基于语音活动性检测的噪声估计算法，对能量和最小过零率的语音端点进行检测，仿真结果得出，我们需要鲁棒性更强的算法，即使在有语音存在的情况下，也能够实现噪声的连续估计和不断更新。

第四章基于非平稳噪声的估计算法及MATLAB仿真。

首先研究了最小值统计跟踪法通过仿真得出此算法不能快速跟踪真实噪声的变化，并研究了基于统计信息的非平稳噪声自适应算法，但它的计算很复杂。

其次是Cohen和Berdugo提出的最小值控制递归平均算法，为了进一步提髙算法性能，本文研究了一种改进的最小值控制递归平均算法，此算法在保证噪声估计准确性的同时减小了算法的复杂度。

第五章总结全文，在以后的噪声估讣算法的研究中要进一步完善噪声功率谱的估讣算法，进一步将噪声估计方法和其他方法相结合，争取得到更加精确的噪声估计。

学生应交出的设计文件（论文）:

毕业设计论文一份

电子文档一份

主要参考文献：

参考文献

[1]张雄伟，陈亮，杨吉斌.现代语音处理技术及应用[M]•北京：

机械工业岀版社，2003：

4-12.

[2]赵立.语音信号处理[M]・北京：

机械工业出版社，2003：

5-10.

[3]R・Martin・Spectralsubtractionbasedonminimumstatistics[C],SeventhEuropeanSignalProcessingConference,1994,9（5）:

1182-1185・

[4]张雪英，张刚，马建芬，语音处理与编码[M],北京，兵器工业出版社，2000.

[5]I.Cohen,B・Berdugo・Noiseestimationbyminimacontrolledrecursiveaveragingforrobustspeechenhancement.J],IEEESignalProc・Letters,2002,9

（1）:

12-15・

[6]王华奎，张立毅，数字信号处理理论及应用[M],太原，太原理工大学出版社，2005,pp.182-203

[7]姜琳峰，石鸿凌，孙洪，基于最优平滑和统计最小的语音增强[J],武汉大学学报（理学版）,2004,50

（1）,pp.113-117

[8]陈照平,马建芬，张雪英，一种基于快速噪声估计的MMSE语音增强算法[J],计算机工程与应用,2007,（22）,pp.113-114

[9]张波，曹志刚，低信噪比条件下的一种自适应有声/无声判决算法[J],信号处理，1996,12（3）,pp.239-246

[10]杨行峻,迟惠生等•语音信号数字处理[M]•北京：

电子工业出版社,1995：

16-22.

[11]焦人杰，侯丽敏•一种快速自适应噪声谱估计方法[J]•声学技术,2007,26（4）:

735-740.

[12]胡航•语音信号处理[M]・哈尔滨：

哈尔滨工业大学出版社，2002：

20-29.

[13]易克初，出斌，付强.语音信号处理[M]・北京：

国防工业出版社，2000：

22-30.

[14]韩纪庆,张磊等•语音信号处理[M]・北京：

淸华大学出版社,2004：

30-41.

[15]韩韬.基于强背景噪声下的语音端点检测算法与实现[D]・长沙：

湖南大学，2007.

[16]金学骥•语音增强算法的研究与实现[D]・杭州：

浙江大学，2005.

[18]周为，邱秀淸，朱敬锋等.一种基于噪声快速跟踪的语音增强算法[J]・电声技术，2007,31（11）：

55-60.

[19]杨海.感知语音质量评价PESQ及其在通信系统中的应用[J]・江西通信科技，2004,2004

（2）:

36-47.

[20]朱健华，语音增强方法的研究[D],大连，大连理工大学，2002

[21]胡航•语音信号处理[M]・哈尔滨：

哈尔滨工业大学出版社，2002：

20-29.

[22]王永红，周徳新，熊军.谱减法技术中“音乐噪声”的抑制[J]・桂林电子工业学院学报，1998,18

（1）：

38-42.

专业班级通佶07・1班学生

要求设计（论文）工作起止日期

指导教师签字日期

教研室主任审査签字日期

系主任批准签字日期

噪声估计算法的研究及MATLAB仿真

摘要

日常的通信过程中，语音会常常受到环境噪声的干扰而使通话质量下降，严重时使得语音处理系统不能正常工作。

因此,必须采用信号处理方法通过语音增强来抑制背景噪声从而提高语音通信质量，而噪声佔计的准确性乂直接影响语音的增强效果。

可见,噪声估计是语音增强的一个非常重要的部分，所以研究噪声佔计算法有很好的实用价值。

本文主要研究两种噪声估计•算法:

基于最小统计和最优平滑的噪声估计算法和最小值控制递归平均法的噪声估计算法，通过实验仿真比较最终研究了一种改进的最小值统计量控制递归平均噪声估计算法。

本文的主要工作总结归纳为以下儿方面：

首先,本文对儿种经典的噪声估计算法进行研究，了解它们的各自优缺点，在此基础上选定两种较好的算法进行具体分析。

其次，了解最小统计和最优平滑和噪声功率谱统汁跟踪的噪声估计算法的原理，它的基本思路是先用最优平滑滤波器对带噪语音的功率谱滤波，得到一个噪声的粗略佔计，然后找出粗略估计噪声中的在一定时间窗内的最小值，对这个最小值进行一些偏差修正，即得到所要估计的噪声的方差。

通过MATLAB仿真看其特征。

再次,研究了基于非平稳噪声的估计算法，最后通过比较硏究了一种改进的最小值控制递归平均算法。

算法采用递归平均进行噪声估计，其递归平均的平滑量控制递归平均噪声估计算因子受语音存在概率控制，而语音存在概率的讣算采用了两次平滑和最小统讣量跟踪。

与I・Cohen提出的IMCRA算法相比，本文研究采用了一种快速有效的最小统计量跟踪算法。

仿真结果表明：

在非平稳噪声条件下，该算法具有较好的噪声跟踪能力和较小的噪声估计误差，可以有效地提高语音增强系统的性能。

最后，对整体论文总结，通过研究发现改进的最小统计量控制递归平均噪声算法在IMCRA算法的基础上，采用了一种简单有效地最小统计量估计算法，在保证噪声估计准确性的同时,减小了算法的复杂度。

同时，基于这种噪声佔计的语音增强系统能有效地提高增强语音的信噪比，并且能有效地消除增强语音中的音乐噪声。

关键词：

噪声估计,谱减法，语音检测，最小递归统计量

NOISEESTIMATIONALGORITHMRESEARCH

ANDMATLABSIMULATION

ABSTRACT

TheDailycommunicationprocess,speechwilloftenaffectedbyenvironmentalnoiseinterferenceandmakecallsthequalitydescend,seriouswhenmakespeechprocessingsystemdidn*tworkproperly.Therefore,mustusesignalprocessingmethodsthroughspeechenhancementtocurbbackgroundnoisesoastoimprovethequalityofvoicecommunication,andtheaccuracyofthenoiseestimatesdirectlyaffectedspeechenhancementeffect.Visible,thespeechenhancementnoiseestimationisaveryimportantpart,sothenoiseestimationalgorithmhasverygoodpracticalvalue.Thispapermakesastudyofthetwokindsofnoiseestimationalgorithmbasedonleaststatisticsand:

theoptimalsmoothnoiseestimationalgorithmandminimumcontrolrecursionaveragemethodnoiseestimationalgorithmthroughexperimentcomparativesimulation,finallyputsforwardanimprovedminimumstatisticcontrolrecursionaveragenoiseestimationalgorithm.

Thispapersumsupthemainworkforthefollowingaspects:

Firstofaltthepaperonthenoiseestimationalgorithmseveralclassicstudy,understandtheirrespectiveadvantagesanddisadvantages,basedonselectedtwogoodconcreteanalysisalgorithm.

Second,understandthesmalleststatisticsandoptimalsmoothingandnoisepowerspectrumstatisticaltrackingnoiseestimationalgorithmofprinciple,itistousethebasicideasoftheoptimalsmoothingfilterbeltchirpvoicepowerspectralfiltering,getanoisearoughestimate,andthenfindoutroughlyincertaintimewindowofnoisetoaminimum,withintheminimumdeviationcorrection,someofwhichisestimatedtohavethevarianceofnoise.ThroughthesimulationofMATLABseeitscharacteristics,noiserecursively,estimatesthattheaveragerecursiveaveragesmoothquantitycontAgain,thispaperproposesanimprovedminimumstatistics.Algorithmforrecursionaveragenoiseestimatesbyspeechexistprobabilityisfactorcontrol,andcalculationofspeechexistprobabilitybytwosmoothandminimumstatistictracking・AndI.CohenproposedIMCRAalgorithms,thispaperadoptsakindoffastandeffectiveminimumstatistictrackingalgorithm・Thesimulationresultsshowthatthenon-stationarynoiseconditions,thealgorithmhasgoodnoisetrackingabilityandsmallernoiseestimationerror,caneffectivelyimprovetheperformanceofthesystemspeechenhancement.

Finally,thewholethesissummedup,throughtheresearchfoundthatimprovedleaststatisticcontrolrecursionalgorithminIMCRAaveragenoisebasedonthealgorithmofasimpleandeffectiveminimumstatisticestimationalgorithm,noiseestimationaccuracyinguarantee,whilereducingthealgorithmcomplexity.Meanwhile,basedonthiskindofnoiseestimatesspeechenhancementsystemcaneffectivelyimprovethesignal-to-noiseratioofthevoiceenhanced,andcaneffectivelyeliminatethemusicnoisevoiceenhanced・Analyticalpapersdeficiencyandfuturedevelopmentdirection.

KEYWORDS：

noiseestimation,thespectralsubtraction,voicedetection,recursiveleaststatistic

1绪论1

1.1噪声估计算法研究的目的和意义1

1.2国内外研究的现状2

1.3论文的整体安排3

2儿种经典的噪声估计的算法4

2.1儿种噪声估计算法的优点4

2.2噪声估计算法4

3基于语音活动性检测的噪声估计算法及MATLAB仿真6

3.1基于语音活动性检测的噪声估计算法6

3.1.1短时能量6

3.1.2短时平均过零率7

3.1.3基于短时能量和短时平均过零率的语音活动性检测7

3.1.4实验仿真8

4基于非平稳噪声的估计算法及MATLAB仿真11

4.1最小值统计法11

4.1.1最优平滑11

4.1.2最小功率谱统计跟踪12

4.1.3实验仿真13

4.2基于统计信息的非平稳噪声自适应算法14

4.2.1概述14

4.2.2非平稳噪声自适应算法14

4.3最小值控制递归平均算法17

4.3.1计算局部能量最小值18

4.3.2估计语音存在的概率18

4.3.3更新噪声谱的估计19

4.4一种改进的最小统计量控制递归平均噪声估计算法19

4.4.1改进的噪声估计算法19

4.4.2实验仿真20

5总结与展望22

5.1论文的主要工作22

5.2目前存在的问题及今后的发展方向22

参考文献23

致谢24

附录：

夕卜文文献25

1.1噪声估计算法研究的目的和意义

语音作为语言的声学表现，是人类特有的也是最重要的思想和情感交流段，也是人机交互最自然的方式。

而人们在通信过程中，语音常常受到环境噪声的干扰而使通话质量下降，在实际应用中噪声的存在也会产生很多问题，语音处理设备对人类语音进行获取或处理的过程不可避免地要受到来自周圉环境的各种噪声或其它讲话者的干扰，这些干扰噪声最终将使语音处理设备的接收到的语音不再是纯净的原始语音，而是被噪声污染过的带噪语音。

山于环境噪声的污染会使许多语音处理系统的性能急剧恶化，严重时使语音处理系统不能正常工作，因此在上述情况下，背景噪声的存在不仅严重破坏了语音信号原有的模型参数和声学特性，导致许多语音处理系统服务质量的降低，而且会影响系统输岀语音的可懂程度，使听众产生听觉疲劳。

在视频信号中也同样存在噪声，很多视频图像处理都是在没有考虑噪声情况下得岀的，如果存在噪声就必将会影响这些算法的有效性。

山于噪声对视频图像处理算法的影响如此大，因此在开发图像视频处理算法时必须考虑噪声，必须有一种可靠的方法能准确地估il噪声，以便使很多图像视频处理算法（比如边缘检测、图像分割和滤波等）在噪声存在的情况下依旧保持非常良好的性能。

然而，语音增强技术作为一种预处理技术，是消除这些噪声干扰的一个最重要的手段，它通过对带噪语音进行处理来改善语音质量，使人们易于接受或提高语音处理系统的性能。

语音增强的主要LI标是从带噪语音信号中提取尽可能纯净的原始语音，通过语音增强，抑制背景噪声，提高语音通信质量，而噪声估计乂是语音增强的一个非常重要的部分，噪声估计的准确性直接影响到语音增强的效果，因此研究噪声佔讣算法有很好的实用价值。

在这种情况下，必须建立一个语音增强系统，通过对带噪语音进行处理，以消除背景噪声，改善语音质量，提高语音的清晰度、可懂度和自然度，提高语音处理系统的性能;或者将语音增强作为一种预处理手段，以提高语音处理处理系统的抗干扰能力。

要实现这些笫一个环节就是要利用噪声的特性参数，很好的将噪声估计岀来。

语音增强算法可从信号输入的通道数上分为单通道的语音增强算法和多通道的语音增强算法。

单通道语音系统在实际应用中较为常见，如电话，手机等。

这种情况下语音和噪声同时存在一个通道中，语音信息与噪声信息必须从同一个信号中得岀。

而单通道语音增强是语音增强的基础，单通道语音增强第一个环节就是要利用噪声的特性参数，很好的将噪声估计出来，而在此方法中，噪声源是不可接近的，背景噪声的特性只能从带噪语音中获得。

因此，噪声估计的准确性会直接影响最终效果：

噪声估讣过高，则微弱的语音将被去掉，增强语音会产生的失真；而估计过低，则会有较多的背景残留噪声。

因此，对噪声估计方法的研究是非常必要的，在语音算法的前期必需要对噪声进行估计。

噪声估计还在语音通讯领域非常重要，同时在统计学、图像处理、军事等方面也起着非常重要的作用•山于噪声的统计特性比语音