语音信号处理.docx
《语音信号处理.docx》由会员分享，可在线阅读，更多相关《语音信号处理.docx（19页珍藏版）》请在冰点文库上搜索。
语音信号处理
实验四减谱法语音增强技术研究
一、实验目的
本实验要求掌握减谱法语音增强的原理，会利用已学的相关语音特征，构建语音特征矢量，然后自己设计减谱法语音增强程序（也可参考相关文献），能显示干净语音和加噪语音信号及处理后的结果语音信号波形，分析实验结果，写出报告。
二、实验原理
谱减法的基本原理
谱相减方法是基于人的感觉特性，即语音信号的短时幅度比短时相位更容易对人的听觉系统产生影响，从而对语音短时幅度谱进行估计，适用于受加性噪声污染的语音。
由于语音是短时平稳的，所以在短时谱幅度估计中认为它是平稳随机信号，假设
、
和
分别代表语音、噪声和带噪语音，
、
和
分别表示其短时谱。
假设噪声
是与语音
不相关的加性噪声。
于是得到信号的加性模型：
（4-1）
对功率谱有
（4-4）
原始语音的估值为
（4-5）
只要在频域用（4-5）式得到纯净语音的谱估计，就可以根据（4-6）式得到增强后的语音。
（4-6）
根据前面分析，我们可以给出谱相减算法的整个算法流程，如图4-1所示：
图4-1谱减法的算法流程
三、实验程序
1、噪声叠加到信号上的比较
%在噪声环境下语音信号的增强
%语音信号为读入的声音文件
%噪声为正态随机噪声
clear;
input=wavread（'C:
\Users\Administrator\Desktop\yuyinxinhao\b1.wav'）;
count=length（input）;
noise1=0.1*randn（1,count）;
signal=input;
fori=1:
count
voice1（i）=signal（i）+noise1（i）;
end
noise2=0.01*randn（1,count）;
fori=1:
count
voice2（i）=signal（i）+noise2（i）;
end
noise3=randn（1,count）;
signal=input;
fori=1:
count
voice3（i）=signal（i）+noise3（i）;
end
n=1:
count;
figure%对比纯净语音信号，噪音信号和带噪语音信号
subplot（3,1,1）;
plot（n,signal）;
title（'纯净信号'）
subplot（3,1,2）;
plot（n,noise1）;
title（'噪音信号'）
subplot（3,1,3）;
plot（n,voice1）;
title（'带噪信号'）
figure%对比纯净语音信号频谱，噪音信号和带噪信号频谱
Fss=fft（signal）;
subplot（3,1,1）;
plot（n,abs（Fss））;
title（'纯净信号频谱'）
Fss1=fft（noise1）;
subplot（3,1,2）;
plot（n,abs（Fss1））;
title（'噪音信号频谱'）
Fv1=fft（voice1）;
subplot（3,1,3）
plot（n,abs（Fv1））;
title（'带噪信号的频谱'）
figure%对比纯净语音信号，噪音信号和带噪语音信号
subplot（3,1,1）;
plot（n,signal）;
title（'纯净信号'）
subplot（3,1,2）;
plot（n,noise2）;
title（'噪音信号'）
subplot（3,1,3）;
plot（n,voice2）;
title（'带噪信号'）
figure%对比纯净语音信号频谱，噪音信号和带噪信号频谱
Fss=fft（signal）;
subplot（3,1,1）;
plot（n,abs（Fss））;
title（'纯净信号频谱'）
Fss2=fft（noise2）;
subplot（3,1,2）;
plot（n,abs（Fss2））;
title（'噪音信号频谱'）
Fv2=fft（voice2）;
subplot（3,1,3）
plot（n,abs（Fv2））;
title（'带噪信号的频谱'）
figure%对比纯净语音信号，噪音信号和带噪语音信号
subplot（3,1,1）;
plot（n,signal）;
title（'纯净信号'）
subplot（3,1,2）;
plot（n,noise3）;
title（'噪音信号'）
subplot（3,1,3）;
plot（n,voice3）;
title（'带噪信号'）
figure%对比纯净语音信号频谱，噪音信号和带噪信号频谱
Fss=fft（signal）;
subplot（3,1,1）;
plot（n,abs（Fss））;
title（'纯净信号频谱'）
Fss3=fft（noise3）;
subplot（3,1,2）;
plot（n,abs（Fss3））;
title（'噪音信号频谱'）
Fv3=fft（voice3）;
subplot（3,1,3）
plot（n,abs（Fv3））;
title（'带噪信号的频谱'）
2、利用减谱法的基本原理给语音信号降噪
噪声为0.1*randn（1,coun）纯净信号为输入信号
%在噪声环境下语音信号的增强
%语音信号为读入的声音文件
%噪声为正态随机噪声
clear;
input=wavread（'C:
\Users\Administrator\Desktop\yuyinxinhao\b1.wav'）;
count=length（input）;
noise=1*randn（1,count）;
signal=input';
fori=1:
count
voice（i）=signal（i）+noise（i）;
end
Fv=fft（voice）;
anglev=angle（Fv）;
Fn=fft（noise）;
power1=（abs（Fv））.^2;
power2=（abs（Fn））.^2;
power3=power1-power2;
power4=sqrt（power3）;
Fs=power4.*exp（j*anglev）;
sound=ifft（Fs）;
n=1:
count;
%纯净语音信号频谱
Fss=fft（signal）;
figure%对比纯净语音信号和输出信号
subplot（2,1,1）
plot（n,signal）;
title（'纯净信号'）
subplot（2,1,2）
plot（n,sound）;
title（'输出信号'）
figure%对比纯净语音信号频谱和输出语音信号频谱
subplot（2,1,1）
plot（n,abs（Fss））;
title（'纯净信号频谱'）
subplot（2,1,2）
plot（n,abs（Fs））;
title（'输出信号频谱'）
max_v=max（voice）;%对带噪信号抽样值点进行归一化处理
re_voice=voice/max_v;
%对输出信号抽样点值进行归一化处理
max_s=max（sound）;
re_sound=sound/max_s;
%读出带噪语音信号，存为'1001.wav'
wavwrite（re_voice,5500,16,'1001'）;
%读出处理后语音信号，存为'1002.wav'
wavwrite（re_sound,5500,16,'1002'）
3、利用改进的减谱法给语音信号降噪
噪声为0.1*randn（1,coun）纯净信号为输入信号
%在噪声环境下语音信号的增强
%语音信号为读入的声音文件
%噪声为正态随机噪声
clear;
input=wavread（'C:
\Users\Administrator\Desktop\yuyinxinhao\b1.wav'）;
count=length（input）;
noise=0.1*randn（1,count）;
signal=input';
fori=1:
count
voice（i）=signal（i）+noise（i）;
end
Fv=fft（voice）;
anglev=angle（Fv）;
Fn=fft（noise）;
power1=（abs（Fv））.^2;
power2=（abs（Fn））.^2;
fori=1:
count
if（power1（i）>=3*power2（i））
power3（i）=power1（i）-3*power2（i）;
else
power3（i）=0.01*power2（i）;
end
end
power4=sqrt（power3）;
Fs=power4.*exp（j*anglev）;
sound=ifft（Fs）;
n=1:
count;
%纯净语音信号频谱
Fss=fft（signal）;
figure%对比纯净语音信号和输出信号
subplot（2,1,1）
plot（n,signal）;
title（'纯净信号'）
subplot（2,1,2）
plot（n,sound）;
title（'输出信号'）
figure%对比纯净语音信号频谱和输出语音信号频谱
subplot（2,1,1）
plot（n,abs（Fss））;
title（'纯净信号频谱'）
subplot（2,1,2）
plot（n,abs（Fs））;
title（'输出信号频谱'）
四、实验结果
1、噪声叠加到信号上的比较
（1）噪声为0.1*randn（1,count）
（2）噪声为0.01*randn（1,count）
（3）噪声为randn（1,count）
2、利用减谱法的基本原理给语音信号降噪
噪声为0.1*randn（1,coun）纯净信号为输入信号
3、利用改进的减谱法给语音信号降噪
噪声为0.1*randn（1,coun）纯净信号为输入信号
（1）参数取a=3,b=0.01
（2）参数取a=10,b=0.01
（3）参数取a=0.8,b=0.01
（4）参数取a=3,b=0.0001
（5）参数取a=3,b=0.1
五、实验分析
1、噪声叠加到信号上时，噪声会对信号产生较大影响，噪声加强会使信号被噪声淹没；噪声减弱，对信号的影响减小;
2、用减谱法的基本原理対带噪信号进行处理后，信号质量明显提升，从而得到较纯净的语音信号;
3、用改进的减谱法対带噪信号进行处理后，信号质量更好，语音信号更纯净。
合理选择参数a、b很重要，由于实验所用的是辅音，去a=3,b=0.01左右较合适。
a太大或太小，不能取得较好的降噪效果,b太小，不能抑制纯音噪声，b太大会造成噪声，必须b<<1。
六、实验总结
通过本次实验，我知道了：
减谱法作为语音增强技术的有效方法之一,能够有效地降低包含在语音中的加性噪声,但是由于减谱法针对的是宽带噪声较为传统和有效的方法,它是在假定加性噪声与短时平稳的语音信号相互独立的条件下,从带噪语音的功率谱中减去噪声功率谱,从而得到较为纯净的语音频谱,可见存在一定的局限性。
如何寻求一种较通用的语音增强方法有待进一步探讨。
看似简单的问题，自己动手亲自写一下程序，才知道自己的不足，才会真正得到提高，为将来更深层次的学习打下良好的基础。
升级会员 