基于数据驱动字典和稀疏表示的语音增强.pdf

万方数据

基于数据驱动字典和稀疏表示的语音增强孙林慧杨震mpo∞dSpeechEnhancementBasedData·DrivenDictionaryandSparseRepresentationalgorithm．And引言Wimle明Communication语音通信过程中不可避免会受到周围环境噪声的干扰，这些干扰使接收到的语音为被噪声污染的带噪信号。语音增强是解决噪声污染的有效办法，其主要任务是从带噪语音中恢复出原始纯净语音信号，改善语音质量，是噪声背景下进行语音识别和参数编码不可缺少的一部份。常用的语音增强方法有谱减法、卡尔曼滤波法、维纳滤波算法等⋯。近年来，基于信号统计模型的语音增强算法¨’3o和基于信号表示的语音增强方法”’也得到广泛关注。稀疏表示在信息压缩、信息分类、图像和声学处第27卷第12期2011年12月信号处理(南京邮电大学通信与信息工程学院，“宽带无线通信与传感网技术”教育部重点实验室，江苏南京210003)摘要：本文提出了一种基于数据驱动字典和过完备稀疏表示的自适应语音增强方法。首先在训练阶段采用干净语音基于K奇异值分解(K．singulardecomposition，K—SVD)算法训练过完备字典，然后在测试阶段根据含噪语音的噪声方差自适应选择最优的阈值。采用正交匹配追踪算法对含噪语音信号在过完备字典上进行稀疏分解，最后利用系数稀疏表示重构语音信号。从而达到语音增强的目。该方法不像传统语音增强方法那样减少或消去噪声，而是从字典中选取适当的原子表示纯净信号，从而把纯净信号从含噪信号中分离出来。对白噪声和有色噪声环境下重构语音进行了主客观评价。仿真结果显示：该方法能有效去除加性噪声，并且改善了语音质量。关键词：语音增强；稀疏表示；过完备字典；正交匹配追踪；奇异值分解算法中图分类号：TN912．3文献标识码：A文章编号：1003—0530(2011)12—1793—08on(College210003，China)propo鹋d．Firstly。usingdecomposition(K—SVD)algorithm，avariancetechniquesobjectivesubjectivel收稿日期：2011年4月8日；修回日期：2011年7月25日基金项目：国家重大基础研究973课题(2011CB302903)；国家自然科学基金项目(60971129)；江苏省普通高校研究生科研创新计划项目(CXl0B一191Z。CXl0B一189Z)SUNLin．huiYANGZhenNemoATechnology”MinistryEducation，N衄jingTelecommunications，Nanjing，Jiangsueffectivelydu惯holdselectedsigualachieved．Differentnoiseselectsigu且1．InpmposeaSIGNALPROCESSINGV01．27．No．12Dec．2011valueofCommunicationInformationEngineering，KeyLabof“BroadbandSensorUnivemityPostsAbstract：AnadaptivespeechenhancementmetIlodbasedovercompletelyspsxl眈representationtheoryistheK—singulardictionarythatdescribescleantrained．Secondly，theprimeadaptivelyaccordingoriginalnoisysign丑lsignal’ScoefficientobtainedthroaghOrthogonalMatchingPursuitthenrecoveredfromconventionalwhichimprovesignalqllalitybysuppressionreductiondistortion，weappropriate8igIlal．Thus，separatedwhitecoloredinterference，thereconstructed8ignalviaalgorithmevaluatedevaluation．Theexperimentalresultsshowrideaddictiveimpmvequality．Keywords：speechenhancement；sparserepresentation；overeompletedictionary；OrthogonalPursuit；singulardecompositioncontenttosparsestvectoratomsrepresentgetore,sn、