張莉 李文鈞 岳克強(qiáng)

摘 要：當(dāng)今人工智能發(fā)展迅速，語音識(shí)別成為人機(jī)交互的重要方式。為提高語音識(shí)別準(zhǔn)確度，在分析語音信號(hào)前去除語音信號(hào)噪聲干擾并提高語音信號(hào)能量尤為重要。在實(shí)際應(yīng)用中，不同語音信號(hào)包含不同的噪聲。針對(duì)不同的語音噪聲，在傳統(tǒng)譜減法基礎(chǔ)上，通過判斷算法窗函數(shù)，根據(jù)不同的噪聲能量改變多窗譜減法的過減因子參數(shù)，以增強(qiáng)算法自適應(yīng)能力。仿真結(jié)果表明，在低信噪比情況下，通過改變過減因子值，可取得一個(gè)最優(yōu)過減因子值以改進(jìn)譜減法下的音樂噪聲和失真度。自適應(yīng)多窗譜減法改進(jìn)后與基本譜減法相比，信噪比提高了29%;與多窗譜減法相比，信噪比提高了16%。該自適應(yīng)多窗譜減法可適應(yīng)不同噪聲環(huán)境下的語音信號(hào)，增強(qiáng)語音信號(hào)中的關(guān)鍵信息并減少噪聲干擾。

關(guān)鍵詞：譜減法;自適應(yīng)參數(shù);多窗函數(shù);語音降噪

DOI：10. 11907/rjdk. 191973 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2020）005-0074-04

0 引言

人工智能與互聯(lián)網(wǎng)衍生出各類智能產(chǎn)品。人類可在嘈雜的環(huán)境下提取有效信息進(jìn)行溝通，當(dāng)轉(zhuǎn)換到機(jī)器上時(shí)，如何使其更有效地識(shí)別并提取有用信息成為研究重點(diǎn)。

在語音信號(hào)處理中，接收到的語音信號(hào)大多含有噪聲，語音增強(qiáng)技術(shù)應(yīng)運(yùn)而生。語音增強(qiáng)的目的是提高語音質(zhì)量，需在降噪和語音失真之間找到一個(gè)最好的權(quán)衡點(diǎn)。文獻(xiàn)[1-2]對(duì)譜減算法進(jìn)行改進(jìn)，在傳統(tǒng)譜減算法的基礎(chǔ)上，對(duì)無聲段進(jìn)行平滑處理，得到噪聲功率;文獻(xiàn)[3-4]通過約束先驗(yàn)信噪比與調(diào)整后驗(yàn)信噪比，提出基于[MMSE]的短時(shí)譜幅度增益函數(shù)計(jì)算方法，即根據(jù)信噪比取值范圍對(duì)増益函數(shù)進(jìn)行適當(dāng)調(diào)整;文獻(xiàn)[5]提出一種基于約束方差頻譜平滑與極小值跟蹤（VCSS-ML）的噪聲譜估計(jì)算法;文獻(xiàn)[6-7]研究了譜減法與深度神經(jīng)網(wǎng)絡(luò)語音增強(qiáng)算法;文獻(xiàn)[9]提出基于優(yōu)化迭代譜減法的音樂無噪聲語音增強(qiáng)方法?，F(xiàn)有研究在低信噪比下的改進(jìn)效果并不明顯，如何選取最優(yōu)參數(shù)值，使該算法既能減少“音樂噪聲”，又不會(huì)使波形失真成為研究熱點(diǎn)。因此本文提出一種改進(jìn)的譜減法，通過調(diào)整參數(shù)得到相對(duì)情況下較優(yōu)的參數(shù)值。

1 基本譜減法

基本譜減法從輸入的含有噪聲的信號(hào)總能量中減去噪聲能量，從而獲得有用信號(hào)的能量。設(shè)含噪語言信號(hào)為[xn]，加窗分幀處理后得到第[？]幀語音信號(hào)為[xi（m）]，幀長(zhǎng)為[N]，對(duì)[xi（m）]作離散傅里葉變換（DFT）后[Xi（k）]為：

譜減算法增強(qiáng)處理后的信號(hào)會(huì)殘留較多噪聲，因?yàn)橛幸欢ǖ墓?jié)奏感，所以又稱為音樂噪聲[2]。產(chǎn)生音樂噪聲的元音與噪聲信號(hào)的特點(diǎn)有關(guān)，因?yàn)槠浞细咚狗植迹入S機(jī)變化的范圍較寬[3]。所以引用無語音期間噪聲統(tǒng)計(jì)方差表示噪聲時(shí)，會(huì)根據(jù)信號(hào)幀噪聲分量大小，殘留一部分較大的噪聲，在頻譜上表現(xiàn)為隨機(jī)凸起。增強(qiáng)后的語音信號(hào)會(huì)有節(jié)奏地殘留噪聲，這些音樂噪聲嚴(yán)重影響語音自然度質(zhì)量。

2 基于多窗譜改進(jìn)的譜減法

窗函數(shù)一般具有低通性，選擇不同窗函數(shù)會(huì)有不同的帶寬和頻譜泄漏，語音信號(hào)分析常用的窗函數(shù)有矩形窗、海寧窗和漢明窗。其定義為：

數(shù)據(jù)窗是一組相互正交的離散橢球序列。為克服譜減法不靈活的問題，融合不同窗函數(shù)和自適應(yīng)參數(shù)的選擇，讓該算法變得靈活，具體方法如下：

（1）對(duì)帶噪的語音信號(hào)進(jìn)行預(yù)處理。一般語音信號(hào)預(yù)處理包含加窗分幀，在加窗部分對(duì)其進(jìn)行判斷，并根據(jù)窗函數(shù)是否為漢明窗的條件選擇不同方法。若為漢明窗，以自適應(yīng)參數(shù)進(jìn)行分析;若不為漢明窗，以不同的窗函數(shù)進(jìn)行分析。

（2）對(duì)加窗分幀后的信號(hào)[xi（m）]進(jìn)行傅里葉變換，求出其幅度譜和相位譜。其中平均幅度譜[Xi（k）]為：

3 實(shí)驗(yàn)結(jié)果分析

3.1 加窗對(duì)比

實(shí)驗(yàn)語言信號(hào)頻率為16khz的純語音信號(hào)。將一段純語音信號(hào)與白噪聲疊加，得到信噪比為-5、0、5dB的帶噪信號(hào)，分別采用矩形窗、海寧窗和漢明窗對(duì)語音信號(hào)進(jìn)行分幀處理，其中語言信號(hào)頻率為16khz，采用漢明窗對(duì)語言信號(hào)進(jìn)行加窗分幀，幀長(zhǎng)為25ms、幀移為10ms。純語音信號(hào)（見圖2（a））疊加白噪聲信號(hào)（見圖2（b））后采取不同的窗函數(shù)進(jìn)行分幀，采用改進(jìn)的多窗譜方法降噪后的結(jié)果見圖2（c）-（e）所示，其信噪比變化情況如表1所示。

從表1可以看出采用多窗譜的譜減法，分別選用不同的窗函數(shù)進(jìn)行對(duì)比，發(fā)現(xiàn)矩形窗頻譜泄露均大于漢明窗和海寧窗，其中對(duì)頻譜包容性更佳的是海寧窗，所以在噪聲環(huán)境下，多窗譜算法選擇海寧窗。

3.2 自適應(yīng)參數(shù)對(duì)比

在相同漢明窗和信噪比的條件下運(yùn)用該自適應(yīng)多窗譜減法，從而得到一個(gè)關(guān)于參數(shù)與提高的信噪比曲線圖，如圖3所示。

從圖3可得到最優(yōu)參數(shù)，將得到的參數(shù)與相鄰參數(shù)在不同的白噪聲下進(jìn)行對(duì)比，結(jié)果如圖4所示。其中，虛線代表在一定噪聲環(huán)境下對(duì)其進(jìn)行自適應(yīng)得到的最優(yōu)參數(shù)，另外兩種代表該最優(yōu)參數(shù)的鄰近參數(shù)，不同參數(shù)下運(yùn)用譜減法得到的波形如圖5（a）-（c）所示。

結(jié)合圖4、圖5可看出過減因子參數(shù)變化明顯影響了譜減法。從圖5可看出當(dāng)過減因子過小時(shí)，譜減后的波形帶有大量音樂噪聲，從而使得到的語音信號(hào)難以分辨;若過減因子過大，則會(huì)引起語音信號(hào)失真，從而丟失語音幀。本文實(shí)驗(yàn)采用融合多窗譜譜減法與參數(shù)自適應(yīng)算法，得到的最優(yōu)參數(shù)優(yōu)于在同樣條件下的其它參數(shù)。

將改進(jìn)的自適應(yīng)多窗譜減法與基本譜減法和多窗譜減法進(jìn)行對(duì)比，在相同噪聲環(huán)境（這里的噪聲使用對(duì)純凈語音加高斯白噪聲進(jìn)行模擬）下，分別采用3種譜減法對(duì)其進(jìn)行實(shí)驗(yàn)，改進(jìn)的自適應(yīng)多窗譜減法與基本譜減法相比，其信噪比提高了29%，與多窗譜減法相比其信噪比提高了16%。

4 結(jié)語

在語音識(shí)別中，語音前端處理尤為重要。語音識(shí)別精度在一定程度上依賴于原始語音增強(qiáng)和去噪。對(duì)原始語音進(jìn)行增強(qiáng)有利于突出原始語音中最重要的信號(hào)，而對(duì)原始語音去噪可減少外界對(duì)語音識(shí)別的影響，有利于提高語音識(shí)別精度。

本文著重研究了語音識(shí)別中的前端處理，在基本譜減法的基礎(chǔ)上增強(qiáng)窗函數(shù)，發(fā)現(xiàn)在同一噪聲環(huán)境下，海寧窗語音信號(hào)包含度優(yōu)于另外兩種窗函數(shù)，在窗函數(shù)相同的情況下可通過輸入語音信號(hào)噪聲，自適應(yīng)地改變譜減法參數(shù)，提高算法自適應(yīng)能力。下一步將利用本文算法處理語音信號(hào)，通過語音識(shí)別準(zhǔn)確率進(jìn)一步驗(yàn)證算法有效性。

參考文獻(xiàn)：

[1] 董鶴. ?噪聲環(huán)境下基于譜減法的語音識(shí)別研究[D]. ?哈爾濱：哈爾濱工程大學(xué)，2016.

[2] 劉辰晨. 噪聲下的語音識(shí)別算法研究[D]. 南京：南京大學(xué)，2014.

[3] 張建偉. 基于噪聲譜估計(jì)和信噪比約束的語音增強(qiáng)研究[D]. 合肥：安徽大學(xué)，2016.

[4] 陳紫強(qiáng)，曾慶寧，劉慶華. 基于先驗(yàn)信噪比參數(shù)自適應(yīng)的頻域聯(lián)合語音增強(qiáng)方法[J]. 電子與信息學(xué)報(bào)，2007（2）：439-442.

[5] 方瑜. 語音增強(qiáng)相關(guān)問題研究[D]. 北京：北京郵電大學(xué)，2012.

[6] 魏泉水. 基于深度神經(jīng)網(wǎng)絡(luò)的語音增強(qiáng)算法研究[D]. 南京：南京大學(xué)，2016.

[7] HINTON G E. Training products of experts by minimizing contrastive divergence[J]. Neural Computation，2002（8）：1771-1801.

[8] MIYAZAKI R，SARUWATARI H，INOUE T. Musical-noise-free speech enhancement based on optimized iterative spectral subtraction[J]. IEEE Transactions on Audio Speech and Language Processing，2012，20（7）：2080-2094？.

[9] 盧景，趙風(fēng)海. 一種基于小波變換和譜減法的改進(jìn)的語音增強(qiáng)算法[J]. 電聲技術(shù)，2018，42（12）：8-12，69.

[10] 張青，吳進(jìn). 基于多窗譜估計(jì)的改進(jìn)維納濾波語音增強(qiáng)[J]. 計(jì)算機(jī)應(yīng)用與軟件，2017，34（3）：67-70，118.

[11] 趙發(fā). 基于多窗譜估計(jì)譜減法和能熵比法的語音端點(diǎn)檢測(cè)算法[J]. 巢湖學(xué)院學(xué)報(bào)，2016，18（6）：80-85.

[12] EL-FATTAH M A，DESSOUKY M I，ABBAS A M，et al.？Speech enhancement with an adaptive Wiener filter[J]. International Journal of Speech Technology，2014（1）：53-64？.

[13] 嚴(yán)思偉，屈曉旭，婁景藝. 基于連續(xù)噪聲譜估計(jì)的譜減法語音增強(qiáng)算法[J]. 通信技術(shù)，2018，51（6）：1296-1301.

[14] 張悅. 基于過量功率譜減的語音增強(qiáng)算法研究[J]. 蘭州文理學(xué)院學(xué)報(bào)（自然科學(xué)版），2017，31（5）：89-92.

[15] 屈曉旭，李朝輝，婁景藝. 改進(jìn)譜減法語音增強(qiáng)研究[J]. 通信技術(shù)，2017，50（9）：1925-1928.

[16] 代龍翔，李冠宇，馬寧. 基于譜減法語音增強(qiáng)效果研究[J]. 西北民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，38（2）：21-25，87.

[17] 齊立萍，孫昊，楊鵬，等. 基于參數(shù)自適應(yīng)的改進(jìn)譜減法[J]. 科學(xué)技術(shù)與工程，2016，16（3）：192-196.

[18] 閔姝君. ?基于自適應(yīng)譜估計(jì)的語音增強(qiáng)算法研究及應(yīng)用[D]. 濟(jì)南：山東大學(xué)，2011.

[19] 田莎莎，田艷. 基于改進(jìn)譜減法的語音識(shí)別系統(tǒng)去噪[J]. 大眾科技，2012，14（12）：47-48.

[20] 白靜，史燕燕，薛珮蕓，等. 融合非線性冪函數(shù)和譜減法的CFCC特征提取[J]. 西安電子科技大學(xué)學(xué)報(bào)，2019，46（1）：86-92.

（責(zé)任編輯：江 艷）