本文簡要探討了語音信號的基本特性，并介紹了譜減法的基本原理，同時基于Matlab實(shí)現(xiàn)了原始譜減法及其一種改進(jìn)版。最后給出音頻波形、頻譜，從主觀的人耳和客觀的評判標(biāo)準(zhǔn)來量化所達(dá)到的效果。
1 語音信號
1.1 宏觀的非平穩(wěn)性與微觀的平穩(wěn)性
在現(xiàn)實(shí)世界中，我們獲得的所有信號波形都是其對應(yīng)分布的一組觀測值。平穩(wěn)信號指的是其分布及分布的參數(shù)不會發(fā)生變化，非平穩(wěn)信號則是其分布或分布的參數(shù)發(fā)生變化。對于語音信號來說，由于信號直接由說話者控制，其分布和分布的參數(shù)都是不確定的。以一個宏觀的角度來看，語音信號具有非平穩(wěn)性。而在-
這個尺度，受人的發(fā)聲器官所限定，語音信號是平穩(wěn)的，即在微觀下，語音信號具有平穩(wěn)性。正是這種特性，導(dǎo)致了在語音信號處理過程中，短時分析成為一個重要的手段。
2 基本譜減法的原理
對噪聲的基本假設(shè)
- 噪聲是局部穩(wěn)定的，即與語音信號一致，在微觀尺度下具有平穩(wěn)性。
- 噪聲是加性噪聲
- 噪聲與純凈的語音信號是不相關(guān)的
基于以上的假設(shè)，我們?nèi)缦露x
-
為純凈的語音信號
-
為噪聲信號
-
為加噪后的語音信號
則有
對加噪后的語音信號做傅里葉變換可得
可得加噪后的能量譜如下
又因?yàn)樵肼暸c純凈的語音信號不相關(guān)，則
即
亦由于語音信號的質(zhì)量與其頻率幅度譜密切相關(guān)，而與頻率相位圖并無太大關(guān)聯(lián)。則，我們可以保留加噪后的語音信號的頻率相位譜，并且估計(jì)出噪聲的能量譜，就通過以上式子進(jìn)行語音增強(qiáng)
3 論文復(fù)現(xiàn)
我們復(fù)現(xiàn)了M.Berouti等人的Enhancement of speech corrupted by acoustic noise中提出的一種改進(jìn)版本的譜減法，并使用了Dong Wang等人發(fā)布的開源語言數(shù)據(jù)集THCHS-30
3.1 音頻波形展示
3.2 代碼
3.2.1 譜減法
function output = spectral_subtraction(input, wlen, inc, nlen, a, b)
%------------------------------------
% input : input signal
% wlen : the size of each frame
% inc : the size of frame shift
% nlen : the size of noisy without speech
% output: output signal
%------------------------------------
window_function = hamming(wlen); % set window function
y = enframe(input, window_function, inc)'; % subframe: y is a matrix with wlen×frame_n
frames_n = size(y, 2); % the number of frames
y_fft = fft(y); % fft
y_fft_amplitude = abs(y_fft); % amplitude
y_fft_energy = y_fft_amplitude.^2; % energy
y_fft_phase = angle(y_fft); % phase
noisy_energy = mean(y_fft_energy(:,1:nlen), 2); % noisy energy is a vector with wlen×1
output_energy = ones(wlen, frames_n);
for ii = 1:frames_n
for jj = 1:wlen
if y_fft_energy(jj, ii) > a*noisy_energy(jj)
output_energy(jj, ii) = y_fft_energy(jj, ii) - a*noisy_energy(jj);
else
output_energy(jj, ii) = b*y_fft_energy(jj, ii);
end
end
end
output_amplitude = sqrt(output_energy); % output amplitude
output = OverlapAdd2(output_amplitude, y_fft_phase, wlen, inc);
end
