董 胡，馬振中，趙 娜，劉 剛，童 欣

(長(zhǎng)沙師范學(xué)院 信息科學(xué)與工程學(xué)院，湖南 長(zhǎng)沙 410100)

0 引 言

當(dāng)前，常見的語(yǔ)音增強(qiáng)算法眾多，諸如：譜減法、維納濾波法、小波包去噪、MMSE-LSA法等。譜減法及維納濾波法總體來說計(jì)算量稍小，易實(shí)現(xiàn)，但也易出現(xiàn)音樂噪聲[1-5]。小波包去噪法有較強(qiáng)的時(shí)頻分析能力，適合非平穩(wěn)信號(hào)處理，但閾值的設(shè)定是小波包去噪的關(guān)鍵點(diǎn)，閾值太大或太小都將影響去噪效果[6-8]。MMSE-LSA算法的語(yǔ)音增強(qiáng)效果優(yōu)于譜減法、維納濾波法和小波包去噪法，但需要預(yù)測(cè)或假設(shè)語(yǔ)音頻譜的分布，在低信噪比的復(fù)雜噪聲環(huán)境下，其語(yǔ)音增強(qiáng)效果有待改善[9-10]。

針對(duì)上述語(yǔ)音增強(qiáng)算法所描述的問題，提出了一種改進(jìn)對(duì)數(shù)譜幅度最小均方誤差譜估計(jì)(MMSE-MLSA)與感知濾波結(jié)合的語(yǔ)音增強(qiáng)算法。該算法將降噪和噪聲掩蔽進(jìn)行單獨(dú)處理，首先采用MMSE-LSA對(duì)含噪語(yǔ)音進(jìn)行初級(jí)降噪，接著使用感知濾波器將初級(jí)降噪后殘余噪聲掩蔽掉。仿真實(shí)驗(yàn)結(jié)果表明，在低信噪比的復(fù)雜噪聲環(huán)境下，與常見的譜減法及MMSE-MLSA相比較，該算法增強(qiáng)后的語(yǔ)音失真及殘余音樂噪聲更小，增強(qiáng)效果更明顯。

1 語(yǔ)音增強(qiáng)算法原理

圖1顯示了文中算法的原理。含噪語(yǔ)音信號(hào)先通過改進(jìn)對(duì)數(shù)譜幅度最小均方誤差譜估計(jì)作增強(qiáng)處理，然后使用感知濾波器掩蔽上一級(jí)增強(qiáng)信號(hào)中的殘余噪聲，最終獲得增強(qiáng)后的語(yǔ)音。從圖1可知，整個(gè)增強(qiáng)算法分為四個(gè)部分：MMSE-MLSA譜估計(jì)、噪聲估計(jì)、掩蔽閾值估計(jì)和感知濾波器。

圖1 MMSE-MLSA語(yǔ)音增強(qiáng)算法原理

1.1 MMSE-MLSA譜估計(jì)

設(shè)s(t)為純凈語(yǔ)音信號(hào)，n(t)為噪聲信號(hào)，y(t)為含噪語(yǔ)音信號(hào)，若僅考慮加性噪聲，有如下表達(dá)式[11-12]:

y(t)=s(t)+n(t)

(1)

令Y(k)、S(k)、N(k)分別表示y(t)、s(t)、n(t)作FFT變換后所對(duì)應(yīng)的第k個(gè)頻譜幅度，并假設(shè)語(yǔ)音與噪聲統(tǒng)計(jì)是獨(dú)立的，則有：

Y(k)=S(k)+N(k)

(2)

(3)

相比于MMSE估計(jì)法[13]，MLSA-MMSE估計(jì)法更適合人耳的聽覺特性，能更好地抑制噪聲，故文中語(yǔ)音增強(qiáng)算法初級(jí)選擇MLSA-MMSE估計(jì)法。對(duì)MLSA-MMSE估計(jì)法的譜增益函數(shù)GS(k)作如下定義：

(4)

其中，ξ(k)為先驗(yàn)信噪比；γ(k)為后驗(yàn)信噪比，則有[14]：

(5)

γ(k)=Y2(k)/λn(k)

(6)

v(k)=ξ(k)γ(k)/(1+ξ(k))

(7)

假設(shè)H0(k)和H1(k)分別表示語(yǔ)音缺失和存在，并且假設(shè)對(duì)于語(yǔ)音和噪聲短時(shí)傅里葉變換系數(shù)的復(fù)高斯分布，信號(hào)的條件概率密度作如下定義：

(8)

(9)

(10)

令A(yù)=|S|代表語(yǔ)音譜幅度，譜增益函數(shù)Gmin作如下定義：

exp{[logA(k)|Y(k),H0(k)]}=Gmin.|Y(k)|

(11)

(12)

1.2 噪聲估計(jì)

作為語(yǔ)音增強(qiáng)算法中的重要組成部分，如果噪聲估計(jì)過高，則弱語(yǔ)音將被消除，增強(qiáng)后的語(yǔ)音將出現(xiàn)失真；如果估計(jì)過低，則增強(qiáng)后的語(yǔ)音將殘留過多的噪聲?；谧钚≈到y(tǒng)計(jì)特性，估計(jì)算法能使估計(jì)的噪聲較好地跟蹤噪聲改變。所以，在該算法中，噪聲估計(jì)選擇最小值統(tǒng)計(jì)特性算法。

1.3 聽覺掩蔽閾值估計(jì)

聽覺掩蔽是聽覺系統(tǒng)的一個(gè)心理聲學(xué)特性，在音頻編碼中應(yīng)用廣泛。通過模擬人耳的頻率選擇特性和掩蔽特性來計(jì)算掩蔽閾值。在對(duì)掩蔽閾值作計(jì)算之前，語(yǔ)音譜需作粗略估計(jì)。其中，語(yǔ)音譜的粗略值可通過下式進(jìn)行估計(jì)：

(13)

1.4 感知濾波器

含噪信號(hào)經(jīng)初級(jí)增強(qiáng)后，存在一定的殘留噪聲，其可以被人耳的聽覺掩蔽特性掩蓋而不被完全去除。如果它被完全去掉，則可能降低語(yǔ)音的可懂度，導(dǎo)致語(yǔ)音失真。因此，基于聽覺掩蔽效應(yīng)的感知過濾器被用作過濾處理。

|G(k)|2×|N(k)|2≤T(k)

(14)

其中,T(k)為掩蔽閾值。

感知濾波器模型定義如下：

(15)

其中,0<θ<1。通過實(shí)驗(yàn)取θ=0.8。

2 實(shí)驗(yàn)與結(jié)果分析

實(shí)驗(yàn)用的語(yǔ)音數(shù)據(jù)采樣率為16 kHz，幀長(zhǎng)為512，重疊1/2，每一幀添加Hanming窗。實(shí)驗(yàn)用的噪聲來自Noisex-92數(shù)據(jù)庫(kù)中的白噪聲、factory噪聲和M109坦克噪聲。將上述噪聲信號(hào)和純凈語(yǔ)音信號(hào)混合成10 dB、5 dB、0 dB、-5 dB的含噪語(yǔ)音信號(hào)。

分別采用譜減算法、MMSE-LSA算法及文中提出的算法對(duì)含噪(M109)語(yǔ)音作增強(qiáng)處理，結(jié)果如圖2所示。從圖2可知，對(duì)于語(yǔ)音信號(hào)中語(yǔ)音幅值較弱的部分，譜減算法和MMSE-LSA算法的增強(qiáng)效果都不佳，尤其是譜減算法，幾乎完全丟失了語(yǔ)音幅值較弱的信號(hào)；而文中提出的算法不僅能較好地去除含噪語(yǔ)音中的M109噪聲，同時(shí)能較好地恢復(fù)出原來語(yǔ)音幅值較弱的部分。

圖2 含噪(M109)語(yǔ)音SNR=-5 dB的語(yǔ)音增強(qiáng)結(jié)果

2.1 分段信噪比(SEGSNR)

利用SEGSNR的提高量來衡量噪聲的衰減量：

(16)

其中，L表示幀數(shù)；N表示幀采樣點(diǎn)。

通常SEGSNR越大，表示信號(hào)中包含的噪聲和語(yǔ)音失真越小，相應(yīng)波形越接近純凈語(yǔ)音。

對(duì)一定信噪比的含噪語(yǔ)音分別采用譜減法、MMSE-LSA和文中算法進(jìn)行語(yǔ)音增強(qiáng)仿真測(cè)試，結(jié)果如圖3所示?？梢钥闯?，文中提出的語(yǔ)音增強(qiáng)算法SEGSNR提高量最大。

2.2 MOS得分

MOS得分測(cè)試由10名本專業(yè)學(xué)生(男女各5人)進(jìn)行語(yǔ)音試聽，由試聽者對(duì)原始語(yǔ)音和增強(qiáng)后語(yǔ)音作對(duì)照測(cè)聽，給出主觀得分，結(jié)果如圖4所示。

圖4 各種算法在不同SNR下的MOS得分

從圖4可知，文中算法的MOS得分最高，MMSE-LSA次之，譜減法增強(qiáng)后語(yǔ)音中存在更多的殘余音樂噪聲，且主觀聽覺較差，因此增強(qiáng)后的得分最低。而文中算法對(duì)增強(qiáng)后的信號(hào)中的噪聲作掩蔽處理，因此主觀評(píng)價(jià)較高，雖然存在少量的背景噪聲，但音樂噪音的減少更明顯，主觀聽覺更好，分?jǐn)?shù)更高。

3 結(jié)束語(yǔ)

文中提出了基于MMSE-MLSA與感知濾波的語(yǔ)音增強(qiáng)算法。語(yǔ)音增強(qiáng)算法分為兩級(jí)，初級(jí)采用MMSE-MLSA對(duì)含噪語(yǔ)音作譜估計(jì)增強(qiáng)處理，去除含噪語(yǔ)音中的大部分噪聲。針對(duì)初級(jí)語(yǔ)音增強(qiáng)中存在的殘余噪聲，次級(jí)使用感知濾波器對(duì)初級(jí)增強(qiáng)后的信號(hào)進(jìn)行感知濾波，進(jìn)一步去除信號(hào)中的殘余音樂噪聲。仿真實(shí)驗(yàn)結(jié)果表明，在低信噪比的復(fù)雜噪聲環(huán)境下，與譜減算法及MMSE-LSA算法相比較，該算法能有效降低語(yǔ)音失真及去除殘余音樂噪聲，語(yǔ)音增強(qiáng)效果更明顯。