摘 要：針對(duì)單個(gè)語音去噪算法在去噪過程中關(guān)注點(diǎn)較為單一，而多個(gè)語音去噪算法在融合時(shí)存在細(xì)節(jié)信息被削弱、融合效果不理想的問題，提出一種多個(gè)語音去噪算法下的自適應(yīng)門限融合策略，將帶噪信號(hào)分別經(jīng)過３ 種不同的去噪算法得到３ 個(gè)去噪信號(hào)；根據(jù)自適應(yīng)門限值以幀為單位進(jìn)行幀篩選，得到自適應(yīng)門限融合策略下的去噪信號(hào)；為提高識(shí)別效果，采用倒譜提升器對(duì)Ｇａｍｍａｔｏｎｅ 頻率倒譜系數(shù)（Ｇａｍｍａｔｏｎｅ Ｆｒｅｑｕｅｎｃｙ Ｃｅｐｓｔｒｕｍ Ｃｏｅｆｆｉｃｉｅｎｔ，ＧＦＣＣ） 進(jìn)行改進(jìn)，并聯(lián)合支持向量機(jī)進(jìn)行噪聲環(huán)境下的語音識(shí)別。實(shí)驗(yàn)結(jié)果表明，在５、１０、１５、２０ ｄＢ 四種信噪比下，通過該融合策略所得到的去噪信號(hào)與目前主流的順序融合及多級(jí)融合方式相比，在語音識(shí)別率方面平均提高３． ６％ ，融合倒譜提升器的ＧＦＣＣ 特征相比于ＧＦＣＣ 特征平均提高了２． ２％ 。

關(guān)鍵詞：語音去噪；自適應(yīng)門限融合；帶噪語音；幀篩選；Ｇａｍｍａｔｏｎｅ 濾波器

中圖分類號(hào)：ＴＮ９１２． ３５ 文獻(xiàn)標(biāo)志碼：Ａ 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（ＯＳＩＤ）：

文章編號(hào)：１００３－３１０６（２０２４）０４－１０２６－０８

０ 引言

語音去噪是指當(dāng)語音信號(hào)被噪聲干擾后，降低帶噪語音信號(hào)中的噪聲，恢復(fù)純凈語音的技術(shù)［１］。語音去噪主要采用頻域處理方法，其中基于短時(shí)譜估計(jì)的語音去噪方法應(yīng)用最為廣泛，主要有譜減法［２］、維納濾波法［３］等，但這些技術(shù)在處理復(fù)雜環(huán)境下的語音信號(hào)時(shí)，往往容易出現(xiàn)語音失真、殘留大量音樂噪聲等現(xiàn)象。多個(gè)語音去噪算法的融合可以將關(guān)注點(diǎn)不同的多個(gè)去噪算法進(jìn)行優(yōu)勢(shì)互補(bǔ)，可以對(duì)帶噪語音信號(hào)進(jìn)行有效處理，因此成為語音去噪方向的研究熱點(diǎn)［４］。Ｙａｎｇ 等［５］采用改進(jìn)譜減法對(duì)含噪語音信號(hào)進(jìn)行去噪，然后對(duì)處理后的信號(hào)進(jìn)行改進(jìn)閾值小波變換進(jìn)行語音去噪，與傳統(tǒng)的譜減法相比，融合閾值小波變換后的去噪算法，不僅仍具有譜減法處理速度快的優(yōu)勢(shì)，而且能夠有效抑制單一譜減法產(chǎn)生的音樂噪聲，但是其融合方式為順序連接，語音信號(hào)的細(xì)節(jié)信息容易被忽略。Ｔｈｉｍｍａｒａｊａ等［６］從編碼和增強(qiáng)語音數(shù)據(jù)的角度出發(fā)，提出了一種結(jié)合線性預(yù)測(cè)編碼（Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｖｅ Ｃｏｄｉｎｇ，ＬＰＣ）和語音活動(dòng)檢測(cè)（ＳＳＶｏｉｃｅ Ａｃｔｉｖｉｔｙ Ｄｅｔｅｃｔｉｏｎ，ＳＳＶＡＤ）方法的譜減法，其結(jié)合方式為將帶噪語音數(shù)據(jù)作為ＳＳＶＡＤ 算法的輸入，ＳＳＶＡＤ 的輸出作為ＬＰＣ 編碼器的輸入，但ＬＰＣ 估計(jì)量對(duì)量化噪聲具有很高的敏感性，不適用于泛化。Ｍｏｕｒａｄ 等［７］提出了平穩(wěn)仿生小波變換（Ｓｔａｔｉｏｎａｒｙ Ｂｉｏｎｉｃ Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ，ＳＢＷＴ）與幅度平方譜的最大后驗(yàn)估計(jì)量（ＭＳＳＭａｘｉｍｕｍ Ａ Ｐｏｓｔｅｒｉｏｒｉ，ＭＳＳＭＡＰ）的語音去噪算法，該方法集成了ＳＢＷＴ 的信號(hào)重建優(yōu)勢(shì)及ＭＳＳＭＡＰ 的降噪和提升清晰度的特點(diǎn)，去噪后的信號(hào)不會(huì)造成相當(dāng)大的失真和音樂背景噪聲，其融合方式采用多級(jí)融合。Ｘｕｅ 等［８］提出了一種基于改進(jìn)小波閾值和最小均方算法（Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅ，ＬＭＳ）自適應(yīng)噪聲消除的語音去噪算法，利用ＬＭＳ 得到高信噪比的語音信號(hào)，再利用小波分析進(jìn)行去噪重構(gòu)，但該去噪算法會(huì)造成原始信號(hào)失真。

通過以上分析，提出在多個(gè)語音去噪算法下的自適應(yīng)門限融合策略來改善去噪算法融合的局限性。首先，文中采用３ 個(gè)語音去噪算法，分別為對(duì)數(shù)譜幅度估計(jì)算法、小波閾值去噪算法與維納濾波算法，對(duì)帶噪信號(hào)進(jìn)行去噪處理，得到３ 個(gè)去噪信號(hào)；其次，以幀為單位截取去噪信號(hào)的幀分量并進(jìn)行歸一化處理，同時(shí)設(shè)立一個(gè)門限值用于對(duì)３ 個(gè)去噪信號(hào)進(jìn)行幀篩選，在一幀信號(hào)中，若有一個(gè)及以上去噪信號(hào)的幀分量處于門限值以下，則該幀信號(hào)選取三者中值最小的信號(hào)，若３ 個(gè)幀分量都大于門限值，則該幀信號(hào)選取三者中值最大的信號(hào)，門限值根據(jù)信噪比的不同而變換，最終輸出自適應(yīng)門限融合策略下的去噪信號(hào)，該融合方法可較全面地結(jié)合語音信息，提高語音質(zhì)量；另一方面，在提取Ｇａｍｍａｔｏｎｅ 頻率倒譜系數(shù)（Ｇｒａｍｍａｔｏｎｅ Ｆｒｅｑｕｅｎｃｙ Ｃｅｐｓｔｒｕｍ Ｃｏｅｆｆｉｃｉｅｎｔ，ＧＦＣＣ）特征時(shí)，由于離散余弦變換（ＤｉｓｃｒｅｔｅＣｏｓｉｎｅ Ｔｒａｎｓｆｏｒｍ，ＤＣＴ）會(huì)使大部分有效數(shù)據(jù)聚集在低頻區(qū)，從而降低識(shí)別效果，因此引入倒譜提升器來提升語音識(shí)別模型的性能，最后通過設(shè)計(jì)實(shí)驗(yàn)，驗(yàn)證該方法的有效性。

１ 自適應(yīng)門限融合策略下的語音去噪算法

１． １ 對(duì)數(shù)譜幅度估計(jì)算法

假設(shè)帶噪語音信號(hào)為ｙ （ｎ）由純凈語音信號(hào)ｓ（ｎ）與噪聲信號(hào)ｄ（ｎ）相加而成，由于語音信號(hào)具有短時(shí)平穩(wěn)特性［９］，對(duì)帶噪語音信號(hào)進(jìn)行短時(shí)傅里葉變換及幅度譜估計(jì)后，得到：

Ｙｋ，ｍ（ω） ＝ Ｓｋ，ｍ（ω）＋ Ｄ（ω）， （１）

式中：Ｙｋ，ｍ（ω）、Ｓｋ，ｍ（ω）分別表示ｙ（ｎ）、ｓ（ｎ）第ｍ 幀的短時(shí)幅度譜，Ｄ（ω）表示ｄ（ｎ）的短時(shí)幅度譜。

采用后驗(yàn)信噪比的方法進(jìn)行降噪，有：

γｋ，ｍ ＝ ｜Ｙｋ，ｍ（ω） ｜２ ／｜ Ｄ（ω）｜ ２ ， （２）

式中：γｋ，ｍ 為帶噪信號(hào)ｙ（ｎ）與噪聲信號(hào)ｄ（ｎ）的后驗(yàn)信噪比。

為抑制音樂噪聲，提高去噪效果，引入先驗(yàn)信噪比，并采用判別引導(dǎo)法［１０］進(jìn)行估計(jì)，可得：

式中：ξｋ，ｍ 表示先驗(yàn)信噪比，為純凈語音信號(hào)在頻域中的信噪比；λｄ（ｋ，ｍ－１）表示噪聲頻域中第ｋ 個(gè)頻譜分量，第ｍ－１ 幀的方差；ａ 表示權(quán)重因子。

線性幅度譜的計(jì)算在數(shù)學(xué)上易于處理，但應(yīng)用在聽覺上效果并不理想［１１］，故采用對(duì)數(shù)幅度譜估計(jì)對(duì)帶噪語音信號(hào)進(jìn)行處理，采用對(duì)數(shù)最小均方誤差（Ｍｉｎｉｍｕｍ Ｍｅａｎ Ｓｑｕａｒｅｄ Ｅｒｒｏｒ，ＭＭＳＥ）估計(jì)器得到增益函數(shù)：

１． ２ 小波去噪算法

１． ２． １ 小波變換

小波變換是信號(hào)處理中的一種分析方法，解決了傅里葉變換在時(shí)頻域變化中對(duì)局部關(guān)注較少、對(duì)非平穩(wěn)信號(hào)處理效果不理想的問題，其通過采用長(zhǎng)度有限、不斷衰減的小波基實(shí)現(xiàn)，當(dāng)小波進(jìn)行平移伸縮后與信號(hào)波形出現(xiàn)重合時(shí)，既可得到信號(hào)的頻率成分，也可明確信號(hào)在時(shí)域的位置信息，所以小波在時(shí)頻域具有表達(dá)信號(hào)局部特征的特點(diǎn)［１２］，具體計(jì)算流程如下。

小波變換是將基本小波函數(shù)φ（ｔ）做位移τ 后，在不同尺度ａ 下，與待分析信號(hào)ｆ（ｔ）做內(nèi)積，即：

１． ２． ２ 小波閾值去噪算法

小波閾值去噪的基本原理：根據(jù)噪聲與信號(hào)在不同頻帶上的小波分解系數(shù)具有不同強(qiáng)度分布的特點(diǎn)，采用小波對(duì)信號(hào)進(jìn)行三級(jí)分解，并計(jì)算噪聲閾值，即可得到小波分解系數(shù)，之后根據(jù)頻帶與強(qiáng)度篩除噪聲對(duì)應(yīng)的小波系數(shù)，對(duì)去除噪聲后的語音信號(hào)進(jìn)行小波重構(gòu)，可得到去噪語音。具體計(jì)算流程如下。

假設(shè)ｓ（ｔ）表示帶噪信號(hào)，ｆ（ｔ）表示原始信號(hào)，ｎ（ｔ）表示噪聲信號(hào)：

ｓ（ｔ） ＝ ｆ（ｔ）＋ ｎ（ｔ）。（１０）

由于語音信號(hào)具有短時(shí)平穩(wěn)特性，而噪聲信號(hào)Ｓ 通常表現(xiàn)出高頻特性，因此選定一種小波，經(jīng)過三級(jí)分解，分解出Ｄ１ 、Ｄ２ 、Ｄ３ 三個(gè)高頻分量及一個(gè)Ａ３低頻分量：

Ｓ ＝ Ａ３ ＋ Ｄ１ ＋ Ｄ２ ＋ Ｄ３ 。（１１）

在分解后的信號(hào)中，純凈語音對(duì)應(yīng)的系數(shù)很大，而噪聲對(duì)應(yīng)的系數(shù)很小，因此采用連續(xù)性更好的軟閾值函數(shù)對(duì)分解信號(hào)進(jìn)行處理，如式（１２）所示，設(shè)定一個(gè)閾值ｔｈｒ，若輸入信號(hào)ｗ 的絕對(duì)值大于閾值ｔｈｒ，則令其絕對(duì)值減去閾值，保留信號(hào)，反之則視為噪聲，將其置為零。

對(duì)處理完的小波系數(shù)進(jìn)行反變換，即可重構(gòu)出去噪的語音信號(hào)，小波去噪算法的流程如圖１ 所示。

１． ３ 維納濾波算法

在語音去噪方向中，維納濾波算法能夠在帶噪信號(hào)中將純凈語音信號(hào)提取出來，由于語音信號(hào)具有短時(shí)平穩(wěn)特性，而維納濾波又是一種在處理平穩(wěn)隨機(jī)信號(hào)的均方誤差方面具有很大優(yōu)勢(shì)的濾波器，維納濾波在提出之時(shí)并沒有給出具體的濾波器，而是通過計(jì)算ＬＭＳ 來計(jì)算得到去噪后的信號(hào)。維納濾波算法流程如圖２ 所示。

圖２ 中，ｘ（ｎ）為輸入語音信號(hào)，當(dāng)信號(hào)通過線性時(shí)不變?yōu)V波器后得到輸出信號(hào)ｄ＾ （ｎ），ｄ（ｎ）為理論計(jì)算的輸出值，ｅ（ｎ）為實(shí)際輸出與理論輸出的誤差，維納濾波的目的是將這個(gè)誤差最小化，其中線性時(shí)不變?yōu)V波器通常采用ＦＩＲ 濾波器，得到的輸出信號(hào)如下：

式中：｛ｈｋ ｝為ＦＩＲ 濾波器系數(shù)，Ｍ 為系數(shù)個(gè)數(shù)。需要計(jì)算濾波器系數(shù)｛ｈｋ｝以最小化估計(jì)誤差ｅ（ｎ）：

ｅ（ｎ） ＝ ｄ（ｎ）－ｄ ＾ （ｎ）。（１４）

估計(jì)誤差ｅ（ｎ）的均方值通常被用作最小化判斷依據(jù)，最優(yōu)濾波器系數(shù)｛ｈｋ ｝通?？梢栽跁r(shí)域或頻域進(jìn)一步計(jì)算。

２ 基于自適應(yīng)門限融合策略的帶噪語音識(shí)別

２． １ 自適應(yīng)門限融合策略

由于單個(gè)語音去噪算法對(duì)帶噪語音信號(hào)進(jìn)行去噪時(shí)關(guān)注點(diǎn)較為單一，而多個(gè)語音去噪算法的融合可以從多個(gè)角度對(duì)帶噪信號(hào)進(jìn)行去噪處理，但是傳統(tǒng)的順序融合、多級(jí)融合等，在融合時(shí)存在細(xì)節(jié)信息被削弱、融合效果不理想的問題，因此考慮到多種語音去噪算法的優(yōu)勢(shì)，提出一種自適應(yīng)門限融合策略。

首先，對(duì)數(shù)譜幅度估計(jì)算法在處理帶噪信號(hào)時(shí)，具有信號(hào)失真度小、去噪效果好的特點(diǎn)；小波閾值去噪算法在低信噪比下去噪效果較好，去噪后的語音識(shí)別率較高，特別針對(duì)時(shí)變及突變信號(hào)去噪效果明顯，且在非平穩(wěn)信號(hào)和提取信號(hào)局部特征方面具有良好的表現(xiàn)；維納濾波算法在處理平穩(wěn)隨機(jī)信號(hào)的均方誤差方面具有很大優(yōu)勢(shì)。為充分結(jié)合三者的優(yōu)勢(shì)，采用自適應(yīng)門限融合策略對(duì)三者進(jìn)行融合，流程如圖３ 所示。

自適應(yīng)門限融合策略的具體實(shí)現(xiàn)方法如下：

設(shè)帶噪語音信號(hào)長(zhǎng)度為Ｎ 幀，則對(duì)數(shù)譜幅度估計(jì)算法、小波閾值去噪算法和維納濾波算法第ｋ 幀的輸出分別為Ｓｌｍ（ｋ）、Ｓｗｌ（ｋ）和Ｓｗｎ（ｋ），為更好地結(jié)合三者的特性，首先進(jìn)行幀歸一化操作，便于后續(xù)計(jì)算，歸一化如式（１５）所示：

式（１５）僅介紹了對(duì)數(shù)譜幅度估計(jì)算法的歸一化方法，其余２ 種方法同理。

針對(duì)同一幀去噪信號(hào)，對(duì)３ 個(gè)去噪算法的輸出進(jìn)行幀篩選，并引入自適應(yīng)門限閾值δ。

針對(duì)自適應(yīng)門限融合算法的第ｋ 幀信號(hào)Ｙ（ｋ），若Ｓｌｍ（ｋ）、Ｓｗｌ（ｋ）和Ｓｗｎ（ｋ）有一個(gè)信號(hào)小于門限閾值δ 時(shí)，則取三者中的最小值，目的是選取三者中對(duì)噪聲抑制效果更好的幀信號(hào)；其余情況，則取三者中的最大值，目的是最大限度地保留純凈語音信號(hào)。自適應(yīng)門限融合策略示意如圖４ 所示。

圖４ 中最左側(cè)的語音信號(hào)為帶噪聲的Ｎ 幀語音信號(hào)，經(jīng)過３ 種去噪算法后，得到３ 個(gè)Ｎ 幀去噪信號(hào)，自適應(yīng)門限融合策略對(duì)三者進(jìn)行歸一化及幀篩選，并根據(jù)閾值的大小進(jìn)行決策融合后，得到Ｎ 幀去噪信號(hào)。由于這些信號(hào)是經(jīng)過３ 種去噪算法的幀信號(hào)進(jìn)行交叉結(jié)合后的結(jié)果，因此可以考慮到多種去噪算法的優(yōu)勢(shì)，使不同的去噪算法能夠充分結(jié)合，提高去噪效果。該策略也可針對(duì)不同的信噪比改變不同去噪算法得到的幀信號(hào)在Ｎ 幀信號(hào)中的占比，比如，當(dāng)信噪比較低時(shí)，Ｎ 幀信號(hào)中小波去噪算法得到的幀信號(hào)占多數(shù)。

２． ２ 融合倒譜提升器的改進(jìn)ＧＦＣＣ 語音特征提取

帶噪語音信號(hào)進(jìn)行去噪處理后，需要提取語音特征再進(jìn)行語音識(shí)別。Ｇａｍｍａｔｏｎｅ 濾波器是一組模擬耳蝸頻率［１３］分解特性的濾波器模型，當(dāng)外界的聲音進(jìn)入人耳的基底膜后，將根據(jù)頻率進(jìn)行分解并產(chǎn)生行波振動(dòng)，從而刺激聽覺細(xì)胞［１４］，通過該濾波器組所提取出的ＧＦＣＣ 語音特征參數(shù)在頻域中與人耳聽覺特性較為符合［１５］，由于傳統(tǒng)ＧＦＣＣ 語音特征的有效數(shù)據(jù)大部分都集中在低頻區(qū)，因此引入倒譜提升器進(jìn)行改進(jìn)，融合倒譜提升器的改進(jìn)ＧＦＣＣ 語音特征提取算法如下：

① 預(yù)加重。由于語音高頻信號(hào)儲(chǔ)存能量較少，因此需要進(jìn)行預(yù)加重處理，預(yù)加重函數(shù)如下所示：

ｙ（ｎ） ＝ ｘ（ｎ）－ αｘ（ｎ － １）， （１７）

式中：預(yù)加重系數(shù)α 取０． ９５。

② 分幀、加窗。將語音信號(hào)按照幀長(zhǎng)２５ ｍｓ，幀移１５ ｍｓ 的標(biāo)準(zhǔn)分成若干幀信號(hào)，上下幀之間的重復(fù)結(jié)構(gòu)有助于提升幀與幀之間的連貫性。

將語音信號(hào)分幀后，為避免頻譜泄露，需要為每一幀信號(hào)代入窗函數(shù)，采用漢明窗函數(shù)，如下：

③ 快速傅里葉變換（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ，ＦＦＴ）。對(duì)信號(hào)進(jìn)行時(shí)頻域變換，對(duì)加窗后的信號(hào)進(jìn)行ＦＦＴ，并計(jì)算功率譜Ｓ（ｉ）。

④ Ｇａｍｍｔｏｎｅ 濾波器組。將信號(hào)功率譜通過Ｇａｍｍａｔｏｎｅ 濾波器組［１６］進(jìn)行濾波處理，濾波器組的時(shí)域表達(dá)式如下：

式中：ｃ 為濾波器系數(shù)，ｎ 為濾波器階數(shù)，ｂ 為時(shí)間衰減系數(shù)，ｆ０ 為中心頻率， 為濾波器相位，ｈ（ｔ）為濾波器組的輸出。

⑤ 對(duì)數(shù)變換。為增強(qiáng)Ｇａｍｍａｔｏｎｅ 濾波器組的抗干擾能力，將信號(hào)進(jìn)一步采用對(duì)數(shù)變換，得到一組對(duì)數(shù)譜Ｄ（ｉ），用于提升非線性特性

⑥ ＤＣＴ。為了去除信號(hào)相關(guān)性及降維［１７］，需對(duì)信號(hào)進(jìn)行ＤＣＴ：

式中：Ｎ 為Ｇａｍｍａｔｏｎｅ 濾波器組的個(gè)數(shù)，Ｍ 為特征維度。

⑦ 倒譜提升器。由于大部分信號(hào)數(shù)據(jù)集中聚集在ＤＣＴ 變化后的低頻區(qū)，為提升高頻ＤＣＴ 系數(shù)的大小，采用倒譜提升器Ｋ（ｉ）：

式中：Ｌ 為升倒譜系數(shù)，一般?。玻?。

⑧ 融合倒譜提升器的ＧＦＣＣ 語音特征。將離散余弦變換與倒譜提升器相乘即可得到融合倒譜提升器的ＧＦＣＣ 語音特征參數(shù)：

ＧＦＣＣ（ｉ） ＝ ＤＣＴ（ｉ）Ｋ（ｉ），ｉ ＝ １，２，…，１３。（２２）

最后，ＧＦＣＣ 將作為支持向量機(jī)的輸入進(jìn)行語音識(shí)別，ＧＦＣＣ 語音特征參數(shù)算法流程如圖５ 所示。

３ 仿真實(shí)驗(yàn)與結(jié)果分析

３． １ 實(shí)驗(yàn)數(shù)據(jù)

為驗(yàn)證所提出算法的有效性，采用針對(duì)非特定人的ＵＡＳｐｅｅｃｈ 數(shù)據(jù)庫，選?。?６５０ 條純凈語音，實(shí)驗(yàn)將純凈語音在不同信噪比（５、１０、１５、２０ ｄＢ）下的發(fā)音作為語音數(shù)據(jù)，組成６ ６００ 條語音數(shù)據(jù)，其中６ ０００ 條語音作為訓(xùn)練集數(shù)據(jù)，６００ 條語音作為測(cè)試集數(shù)據(jù)。

３． ２ 仿真實(shí)驗(yàn)與結(jié)果分析

實(shí)驗(yàn)首先采用２ 種去噪算法進(jìn)行實(shí)驗(yàn)，以驗(yàn)證自適應(yīng)門限融合策略在２ 種算法下是否有效。帶噪語音信號(hào)經(jīng)對(duì)數(shù)譜幅度估計(jì)算法及小波去噪算法進(jìn)行去噪后，采用自適應(yīng)門限融合策略，得到去噪后的語音信號(hào)；其次采用支持向量機(jī)作為語音識(shí)別模型，并提取融合倒譜提升器的ＧＦＣＣ 語音特征參數(shù)作為支持向量機(jī)的輸入，進(jìn)行噪聲環(huán)境下的語音識(shí)別實(shí)驗(yàn)；最后，在５、１０、１５、２０ ｄＢ 四種不同的信噪比下設(shè)計(jì)５ 組試驗(yàn)來驗(yàn)證自適應(yīng)門限融合策略在語音去噪及語音識(shí)別中的優(yōu)越性。

實(shí)驗(yàn)一：為確定自適應(yīng)門限融合策略中門限值的大小，根據(jù)４ 種不同的信噪比（５、１０、１５、２０ ｄＢ）來確定不同的門限值，實(shí)驗(yàn)采用語音識(shí)別率作為評(píng)價(jià)指標(biāo)，實(shí)驗(yàn)結(jié)果如圖６ 所示。

從圖６（ａ）可以看出，當(dāng)信噪比為５ ｄＢ、門限值為０． ０８６ 時(shí)，語音識(shí)別率達(dá)到８７． ５％ ；從圖６（ｂ）可以看出，當(dāng)信噪比為１０ ｄＢ、門限值為０． ０３４ ５ ～０． ０３６ 時(shí)，語音識(shí)別率達(dá)到８８． ８％ ；從圖６（ｃ）可以看出，當(dāng)信噪比為１５ ｄＢ、門限值為０． ００７ ６ 時(shí)，語音識(shí)別率達(dá)到９１． ３％ ；從圖６（ｄ）可以看出，當(dāng)信噪比為２０ ｄＢ、門限值為０． ００５ 時(shí)，語音識(shí)別率達(dá)到９１． ５％ 。分析數(shù)據(jù)可得，隨著信噪比的提高，噪聲功率不斷衰減，門限值也隨之降低，語音識(shí)別率不斷提升。

實(shí)驗(yàn)二：為確定ＧＦＣＣ 特征及融合倒譜提升器的ＧＦＣＣ 特征對(duì)語音識(shí)別模型識(shí)別效果的影響，實(shí)驗(yàn)將從４ 種不同的信噪比（５、１０、１５、２０ ｄＢ）下展開實(shí)驗(yàn)，門限值分別取實(shí)驗(yàn)一中得到的最優(yōu)門限值，并采用語音識(shí)別率作為評(píng)價(jià)指標(biāo)，實(shí)驗(yàn)結(jié)果如表１ 所示。

由表１ 可得，在５、１０、１５、２０ ｄＢ 四種不同的信噪比下，融合倒譜提升器的ＧＦＣＣ 特征相比于ＧＦＣＣ特征在語音識(shí)別率上分別提升了３． ６９％ 、１． ８３％ 、１． ７７％ 和１． ５０％ ，主要原因是ＤＣＴ 會(huì)使大部分有效數(shù)據(jù)聚集在低頻區(qū)，而倒譜提升器可以提升高頻ＤＣＴ 系數(shù)的大小。為更直觀地表明倒譜提升器帶來的變化，ＧＦＣＣ 特征及融合倒譜提升器的ＧＦＣＣ特征頻譜如圖７ 所示。

經(jīng)過倒譜提升器的作用后，高頻部分的系數(shù)大小得到提升，對(duì)應(yīng)到圖中顯示為特征維度大的地方，亮度被提高、低維的有效信息被擴(kuò)散至高維，從而使語音識(shí)別模型可以更充分地提?。牵疲茫?的有效特征。

實(shí)驗(yàn)三：為實(shí)現(xiàn)門限值跟隨信噪比變換的自適應(yīng)策略，實(shí)驗(yàn)三將根據(jù)實(shí)驗(yàn)一中５、１０、１５、２０ ｄＢ 四種信噪比及相應(yīng)的門限值數(shù)據(jù)進(jìn)行非線性曲線擬合，擬合后的自適應(yīng)函數(shù)如下：

ｙ ＝ ４． ８４ × １０ －４ ｘ２ － １７． ５１ × １０ －３ ｘ ＋ １６． １５ × １０ －２ ， （２０）

式中：ｘ 為信噪比，ｙ 為門限值。為驗(yàn)證自適應(yīng)函數(shù)的有效性，假設(shè)信噪比為８ ｄＢ，則相應(yīng)的門限值通過理論計(jì)算為０． ０５２，其實(shí)驗(yàn)結(jié)果如表２ 所示。

由表２ 可得，門限值的取值間隔為０． ００２，在不同門限值下，識(shí)別率不同。當(dāng)門限值為０． ０５２ 時(shí)，識(shí)別率為最高的８８． １３％ ，這與８ ｄＢ 信噪比下的理論門限值一致，進(jìn)一步證明了自適應(yīng)函數(shù)的有效性。

實(shí)驗(yàn)四：為驗(yàn)證自適應(yīng)門限融合策略的有效性，將帶噪信號(hào)分別通過對(duì)數(shù)幅度譜估計(jì)算法、小波去噪算法、Ｙａｎｇ 等［５］ 所采用的順序融合方法及Ｍｏｕｒａｄ 等［７］所采用的多級(jí)融合方法進(jìn)行識(shí)別率比較試驗(yàn)，實(shí)驗(yàn)結(jié)果如表３ 所示。

由表３ 可得，在４ 種不同的信噪比環(huán)境下，對(duì)數(shù)譜幅度估計(jì)算法的去噪效果普遍比小波去噪算法要好，順序融合方法在一定程度上能夠提升識(shí)別率，但在５ ｄＢ 及１５ ｄＢ 的情況下出現(xiàn)了識(shí)別率下降的現(xiàn)象，說明順序融合方式對(duì)識(shí)別率的提升存在一定的局限性。多級(jí)融合方法在４ 種信噪比的環(huán)境下都出現(xiàn)了識(shí)別率下降的現(xiàn)象，說明多級(jí)融合方式對(duì)去噪效果產(chǎn)生了負(fù)影響，而針對(duì)自適應(yīng)門限融合策略，從整體上看，無論信噪比如何變化，文中提出的融合策略識(shí)別率最高，相比其他算法，識(shí)別率最大可提升７． ４％ ，因此結(jié)合針對(duì)不同信噪比所變化的門限融合策略可以構(gòu)造更好的語音去噪算法。

實(shí)驗(yàn)五：為驗(yàn)證多個(gè)去噪算法是否適用于自適應(yīng)門限融合策略，實(shí)驗(yàn)采用３ 種語音去噪算法，分別為維納濾波法［１８］、對(duì)數(shù)譜幅度估計(jì)法及小波去噪法，將這３ 種方法分別采用傳統(tǒng)的順序融合、多級(jí)融合及自適應(yīng)門限融合方法在５、１０、１５、２０ ｄＢ 四種信噪比下進(jìn)行噪聲環(huán)境下的語音識(shí)別實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表４ 所示。

由表４ 的實(shí)驗(yàn)結(jié)果可得，相比于２ 種語音去噪算法，在３ 種語音去噪算法下，順序融合方式分別在５、１０、２０ ｄＢ 的噪聲環(huán)境下，都出現(xiàn)了識(shí)別率下降的現(xiàn)象，多級(jí)融合方式在一定程度上也有所提高，自適應(yīng)門限融合策略算法，在４ 種信噪比環(huán)境下語音識(shí)別準(zhǔn)確率提升最多，識(shí)別效果最好。

４ 結(jié)束語

為充分結(jié)合不同去噪算法的優(yōu)勢(shì)，提出一種自適應(yīng)門限融合策略下的語音去噪融合算法，首先采用多種語音去噪算法分別對(duì)帶噪信號(hào)進(jìn)行去噪及幀歸一化對(duì)齊處理，將對(duì)齊后的幀信號(hào)根據(jù)自適應(yīng)門限值進(jìn)行幀篩選處理，以充分結(jié)合不同去噪算法的優(yōu)勢(shì)；其次采用倒譜提升器，改善傳統(tǒng)ＧＦＣＣ 特征存在的有效數(shù)據(jù)聚集在低頻區(qū)的問題，從而提升識(shí)別效果；最后通過支持向量機(jī)進(jìn)行噪聲環(huán)境下的語音識(shí)別。實(shí)驗(yàn)結(jié)果表明，自適應(yīng)門限融合算法在不同信噪比下，能夠有效結(jié)合多種去噪算法的特性，且融合倒譜提升器的ＧＦＣＣ 特征能夠有效提升語音識(shí)別效果。

參考文獻(xiàn)

［１］ ＤＡＳ Ｎ，ＣＨＡＫＲＡＢＯＲＴＹ Ｓ，ＣＨＡＫＩ Ｊ，ｅｔ ａｌ． Ｆｕｎｄａｍｅｎｔａｌｓ，Ｐｒｅｓｅｎｔ ａｎｄ Ｆｕｔｕｒｅ Ｐｅｒｓｐｅｃｔｉｖｅｓ ｏｆ Ｓｐｅｅｃｈ Ｅｎｈａｎｃｅｍｅｎｔ ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｓｐｅｅｃｈ Ｔｅｃｈｎｏｌｏｇｙ，２０２１，２４（１）：８８３－９０１．

［２］ 白靜，史燕燕，薛 蕓，等． 融合非線性冪函數(shù)和譜減法的ＣＦＣＣ 特征提?。郏剩荩?西安電子科技大學(xué)學(xué)報(bào)，２０１９，４６（１）：８６－９２．

［３］ ＮＵＨＡ Ｈ Ｈ，ＡＢＳＡ Ａ Ａ． Ｎｏｉｓｅ Ｒｅｄｕｃｔｉｏｎ ａｎｄ Ｓｐｅｅｃｈ Ｅｎｈａｎｃｅｍｅｎｔ Ｕｓｉｎｇ Ｗｉｅｎｅｒ Ｆｉｌｔｅｒ［Ｃ］∥２０２２ ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ ｏｎ Ｄａｔａ Ｓｃｉｅｎｃｅ ａｎｄ Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ （ＩＣｏＤＳＡ）． Ｂａｎｄｕｎｇ：ＩＥＥＥ，２０２２：１７７－１８０．

［４］ 楊海紅，王琳娟． 強(qiáng)混響及噪聲相關(guān)背景下說話人跟蹤方法［Ｊ］． 無線電工程，２０２１，５１ （９）：９６３－９７０．

［５］ ＹＡＮＧ Ｙ，ＬＩＵ Ｐ Ｐ，ＺＨＯＵ Ｈ Ｌ，ｅｔ ａｌ． Ａ Ｓｐｅｅｃｈ Ｅｎｈａｎｃｅｍｅｎｔ Ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｉｎｇ Ｓｐｅｃｔｒａｌ Ｓｕｂｔｒａｃｔｉｏｎ ａｎｄＷａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ ［Ｃ］∥ ２０２１ ＩＥＥＥ ４ｔｈ ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ ｏｎ Ａｕｔｏｍａｔｉｏｎ，Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ （ＡＵＴＥＥＥ）． Ｓｈｅｎｙａｎｇ：ＩＥＥＥ，２０２１：２６８－２７３．

［６］ ＴＨＩＭＭＡＲＡＪＡ Ｙ Ｇ，ＮＡＧＡＲＡＪＡ Ｂ Ｇ，ＪＡＹＡＮＮＡ Ｈ Ｓ．Ｓｐｅｅｃｈ Ｅｎｈａｎｃｅｍｅｎｔ ａｎｄ Ｅｎｃｏｄｉｎｇ ｂｙ Ｃｏｍｂｉｎｉｎｇ ＳＳＶＡＤ ａｎｄ ＬＰＣ［Ｃ］∥２０１９ ４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎＥｌｅｃｔｒｉｃａｌ，Ｅｌｅｃｔｒｏｎｉｃｓ，Ｃｏｍｍｕｎｉｃａｔｉｏｎ，Ｃｏｍｐｕｔｅｒ Ｔｅｃｈｎｏｌｏｇｉｅｓ ａｎｄ Ｏｐｔｉｍｉｚａｔｉｏｎ Ｔｅｃｈｎｉｑｕｅｓ （ＩＣＥＥＣＣＯＴ）． Ｍｙｓｕｒｕ：ＩＥＥＥ，２０１９：１５１－１５７．

［７］ ＭＯＵＲＡＤ Ｔ． Ｓｐｅｅｃｈ Ｅｎｈａｎｃｅｍｅｎｔ Ｂａｓｅｄ ｏｎ ＳｔａｔｉｏｎａｒｙＢｉｏｎｉｃ Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ ａｎｄ Ｍａｘｉｍｕｍ ａ Ｐｏｓｔｅｒｉｏｒ Ｅｓｔｉｍａｔｏｒ ｏｆ Ｍａｇｎｉｔｕｄｅｓｑｕａｒｅｄ Ｓｐｅｃｔｒｕｍ ［Ｊ］． ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌ ｏｆ Ｓｐｅｅｃｈ Ｔｅｃｈｎｏｌｏｇｙ，２０１７，２０：７５－８８．

［８］ ＸＵＥ Ｘ Ｓ，ＪＩＡＮＧ Ｄ Ｚ，ＨＥ Ｚ Ｈ，ｅｔ ａｌ． Ａｎ Ｉｍｐｒｏｖｅｄ Ｕｎｓｕｐｅｒｖｉｓｅｄ Ｓｉｎｇｌｅｃｈａｎｎｅｌ Ｓｐｅｅｃｈ Ｓｅｐａｒａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒＰｒｏｃｅｓｓｉｎｇ Ｓｐｅｅｃｈ Ｓｅｎｓｏｒ Ｓｉｇｎａｌｓ［Ｊ］． Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｍｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ，２０２１，２０２１（１７０）：１－１３．

［９］ 程艷芬，陳篧鑫，陳逸靈，等． 嵌入注意力機(jī)制并結(jié)合層級(jí)上下文的語音情感識(shí)別［Ｊ］． 哈爾濱工業(yè)大學(xué)學(xué)報(bào)，２０１９，５１（１１）：１００－１０７．

［１０］ ＨＯＧＬＵＮＤ Ｎ，ＮＯＲＤＨＯＬＭ Ｓ． Ｉｍｐｒｏｖｅｄ ａ Ｐｒｉｏｒｉ ＳＮＲＥｓｔｉｍａｔｉｏｎ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎ ｉｎ ＬｏｇＭＭＳＥ Ｓｐｅｅｃｈ Ｅｓｔｉｍａｔｉｏｎ［Ｃ］∥２００９ ＩＥＥＥ Ｗｏｒｋｓｈｏｐ ｏｎ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ ｔｏ Ａｕｄｉｏ ＆ Ａｃｏｕｓｔｉｃｓ． Ｎｅｗ Ｐａｌｔｚ：ＩＥＥＥ，２００９：１８９－１９２．

［１１］ ＦＥＮＧ Ｘ Ｙ，ＬＩ Ｎ，ＨＥ Ｚ Ｗ，ｅｔ ａｌ． ＤＮＮｂａｓｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ Ｒｅｓｉｄｕａｌ Ｅｎｈａｎｃｅｍｅｎｔ ｆｏｒ Ｓｐｅｅｃｈ Ｄｅｒｅｖｅｒｂｅｒａｔｉｏｎ［Ｃ］∥２０２１ ＡｓｉａＰａｃｉｆｉｃ Ｓｉｇｎａｌ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ ＰｒｏｃｅｓｓｉｎｇＡｓｓｏｃｉａｔｉｏｎ Ａｎｎｕａｌ Ｓｕｍｍｉｔ ａｎｄ Ｃｏｎｆｅｒｅｎｃｅ （ＡＰＳＩＰＡＡＳＣ）． Ｔｏｋｙｏ：ＩＥＥＥ，２０２１：５４１－５４５．

［１２］ ＯＳＡＤＣＨＩＹ Ａ，ＫＡＭＥＮＥＶ Ａ，ＳＡＨＡＲＯＶ Ｖ，ｅｔ ａｌ． ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｄｉｓｃｒｅｔｅ ＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍ［Ｊ］． Ｄｅｓｉｇｎｓ，２０２１，５（３）：４１．

［１３］ 柏梁澤，高勇． 結(jié)合卷積平滑耳蝸?zhàn)V和深度網(wǎng)絡(luò)的語音增強(qiáng)技術(shù)［Ｊ］． 無線電工程，２０２０，５０（１２）：１０５５－１０６２．

［１４］ 姜順明，王智錳． 采用聽覺傳感策略的聲品質(zhì)主動(dòng)控制［Ｊ］． 機(jī)械工程學(xué)報(bào)，２０１９，５５（２３）：１４７－１５３．

［１５］ ＤＵＡ Ｍ，ＡＧＧＡＲＷＡＬ Ｒ Ｋ，ＢＩＳＷＡＳ． ＧＦＣＣ Ｂａｓｅｄ Ｄｉｓｃｒｉｍｉｎａｔｉｖｅｌｙ Ｔｒａｉｎｅｄ Ｎｏｉｓｅ Ｒｏｂｕｓｔ Ｃｏｎｔｉｎｕｏｕｓ ＡＳＲＳｙｓｔｅｍ ｆｏｒ Ｈｉｎｄｉ Ｌａｎｇｕａｇｅ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ａｍｂｉｅｎｔ Ｉｎｔｅｌｌｉｇｅｎｃｅ ａｎｄ Ｈｕｍａｎｉｚｅｄ Ｃｏｍｐｕｔｉｎｇ，２０１９，１０ （６ ）：２３０１－２３１４．

［１６］ 余琳，姜囡． 基于Ｇａｍｍａｔｏｎｅ 濾波器的混合特征語音情感識(shí)別［Ｊ］． 光電技術(shù)應(yīng)用，２０２０，３５（３）：５０－５８．

［１７］ ＡＬＧＨＡＢＢＡＮ Ｊ Ｍ，ＡＬＨＡＢＯＯＢＩ Ａ，ＮＡＳＳＡＲ Ｙ Ｓ． ＱＰ“ＤＣＴ ａｎｄ Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｅｒ （ＨＡＡＲ，ＤＢ）”ＱｕａｎｔｉｚａｔｉｏｎＩｍｐｌｅｍｅｎｔａｔｉｏｎ ｉｎ ｔｈｅ Ｆｒｅｑｕｅｎｃｙ Ｄｏｍａｉｎ ［Ｊ ］． ＴｕｒｋｉｓｈＪｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ ａｎｄ Ｍａｔｈｅｍａｔｉｃｓ Ｅｄｕｃａｔｉｏｎ （ＴＵＲＣＯＭＡＴ），２０２１，１２（１２）：１５２－１５８．

［１８］ ＭＡＮＡＭＰＥＲＩ Ｗ，ＳＡＭＡＲＡＳＩＮＧＨＥ Ｐ Ｎ，ＡＢＨＡＹＡＰＡＬＡＴ Ｄ，ｅｔ ａｌ． ＧＭＭ Ｂａｓｅｄ Ｍｕｌｔｉｓｔａｇｅ Ｗｉｅｎｅｒ Ｆｉｌｔｅｒｉｎｇ ｆｏｒＬｏｗ ＳＮＲ Ｓｐｅｅｃｈ Ｅｎｈａｎｃｅｍｅｎｔ ［Ｃ］∥２０２２ ＩｎｔｅｒｎａｔｉｏｎａｌＷｏｒｋｓｈｏｐ ｏｎ Ａｃｏｕｓｔｉｃ Ｓｉｇｎａｌ Ｅｎｈａｎｃｅｍｅｎｔ （ＩＷＡＥＮＣ）．Ｂａｍｂｅｒｇ：ＩＥＥＥ，２０２２：１－５．

作者簡(jiǎn)介

薛珮 蕓 女，（１９９０—），博士，講師。主要研究方向：語音信號(hào)處理、病理語音識(shí)別、語音可視化與人工智能等。

師晨康 男，（１９９９—），碩士研究生。主要研究方向：語音信號(hào)處理。

白 靜 女，（１９６５—），博士，教授。主要研究方向：音頻與視頻技術(shù)、語音可視化、嵌入式系統(tǒng)和數(shù)據(jù)挖掘等。

趙建星 男，（１９９４—），碩士研究生。主要研究方向：語音信號(hào)處理。

汪思斌 男，（１９９９—），碩士研究生。主要研究方向：語音信號(hào)處理。

基金項(xiàng)目：山西省應(yīng)用基礎(chǔ)研究計(jì)劃項(xiàng)目（２０１９０１Ｄ１１１０９４）；山西省基礎(chǔ)研究計(jì)劃（２０２１０３０２１２４５４４）