| 题名 | 基于高分辨率低方差谱估计的语音增强方法研究 |
| 作者 | 郑成诗 |
| 学位类别 | 博士 |
| 答辩日期 | 2009-05-27 |
| 授予单位 | 中国科学院声学研究所 |
| 授予地点 | 声学研究所 |
| 关键词 | 语音增强 广义旁瓣抵消 自适应零限形成算法 谱减法 功率谱估计 |
| 其他题名 | Speech Enhancement Based on High Resolution and Low Variance Spectral Estimation |
| 学位专业 | 声学 |
| 中文摘要 | 语音增强是语音通信系统中的关键技术，多通道语音增强和单通道语音增强都已经研究多年，近年也得到了应用和推广。但是，不论是多通道还是单通道语音增强算法，都有其固有的问题：多通道语音增强算法对传声器失配、混响以及导向矢量估计错误等问题非常敏感，这些因素会导致语音失真增大，而且干扰噪声无法被有效抑制；单通道语音增强算法一般只处理较平稳的噪声，而且常用的谱减法，还存在严重的“音乐噪声”问题。语音增强算法的问题限制了它的应用，只有解决这些问题，语音增强技术才能得到更为广泛的应用。针对这些问题，本文展开了深入的研究，寻求解决这些问题的有效方法。本文的主要研究内容和创新点包括以下三个方面： (1) 从理论上分析了传声器失配对双传声器语音增强算法的影响，并通过实际实验验证了理论分析的结论，为校准传声器提供了依据。针对多通道语音增强算法对传声器失配特别敏感的问题，本文详细分析了传声器失配对GSC算法和ANF算法的影响。尽管本文只分析了双传声器的情况，但是，本文的分析方法可以直接推广到任意多个传声器的情况，并为多传声器的校准提供依据。 (2) 利用归纳法首次提出了鲁棒MVDR算法，为分析比较三种非参数化的MSC方法提供了理论依据。本文提出的鲁棒MVDR算法，即α-MVDR算法，首次将三种非参数化的相干函数分析(MSC)方法三种方法统一于一个简单的形式。α-MVDR算法还被应用于频域功率谱估计和空间谱估计。在空间谱估计的应用中，结合α-MVDR算法与一种自动对角加载技术 (GLC)，得到了α-GLC-MVDR，实验结果表明，当导向矢量估计存在偏差时，α-GLC-MVDR比GLC-MVDR更为鲁棒，性能更为优越。α-MVDR算法目前已引起国内外专家学者的注意，并被德国斯普林格(Springer-Verlag)出版公司的信号处理专题丛书所引用。 (3) 提出了两种适合于谱减法的低方差功率谱估计方法，包括自适应平滑周期图方法(AAP)和基于语音倒谱系数均值的方法(MVSC)。其中，AAP方法完全基于噪声功率谱结构特征；而MVSC方法则完全基于语音倒谱系数特性。由于谱估计方差是造成谱减法“音乐噪声”的根本原因，因此，AAP方法和MVSC方法很好的解决了“音乐噪声”问题。 仿真实验和实际的系统应用都验证了本文的理论分析，也验证了本文提出的算法优于传统的方法。 |
| 语种 | 中文 |
| 公开日期 | 2011-05-07 |
| 页码 | 129 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.ioa.ac.cn/handle/311008/443]  |
| 专题 | 声学研究所_声学所博硕士学位论文_1981-2009博硕士学位论文 |
| 推荐引用方式 GB/T 7714 | 郑成诗. 基于高分辨率低方差谱估计的语音增强方法研究[D]. 声学研究所. 中国科学院声学研究所. 2009. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论