孫坤倫 夏秀渝 孫文慧

摘要：針對低信噪比非平穩(wěn)噪聲環(huán)境，提出了基于聽覺掩蔽效應的改進型維納濾波算法。采用能熵比法對帶噪語音信號進行端點檢測，據(jù)此進行實時噪聲譜估計。采用經(jīng)典維納濾波算法得到近似純凈語音以計算聽覺掩蔽閾值，根據(jù)掩蔽閾值動態(tài)調(diào)整改進型維納濾波器的一組參數(shù)，通過維納濾波得到增強語音。通過客觀評價指標SNR，PESQ測試以及主觀試聽測試可知，該算法不僅提高了語音信號的信噪比，而且減少了語音的失真，提高了語音的感知質(zhì)量。

關鍵詞：聽覺掩蔽效應；語音增強；維納濾波；能熵比

中圖分類號：TP391.4文獻標志碼：A文章編號：1008-1739（2020）13-68-4

0引言

近年來，語音增強技術廣泛應用于遠程視頻會議、智能手機等各個領域。由于外界各種噪聲的存在，語音信號難免會受到干擾。如何有效消除語音信號中所混有的外界的噪聲和提高語音質(zhì)量一直是語音信號處理重要的研究課題。

傳統(tǒng)的譜減法[1]及其改進型譜減法在去除噪聲的同時不可避免地帶來了音樂噪聲。相比較譜減法，雖然維納濾波法[2]很大程度上消除了音樂噪聲的影響，但是在非平穩(wěn)噪聲環(huán)境和低信噪比的情況下，維納濾波法在對噪聲消除和抑制的同時往往會導致語音失真比較嚴重。

針對傳統(tǒng)算法存在的不足，提出了基于聽覺掩蔽效應[3]的改進型維納濾波算法。利用人耳的聽覺掩蔽效應，可以很好地降低語音信號在降噪過程中帶來的失真，提高了語音質(zhì)量。

1語音增強系統(tǒng)

基于聽覺掩蔽效應的改進型維納濾波算法，語音增強系統(tǒng)流程圖如圖1所示。

本文語音增強系統(tǒng)對帶噪語音信號的處理過程大致分為以下4個步驟進行：

①實時噪聲估計：利用能熵比端點檢測法，判斷輸入信號的每一幀是語音幀還是噪聲幀，如果是噪聲幀則更新噪聲功率譜。

②掩蔽閾值計算：根據(jù)傳統(tǒng)的維納濾波算法得到近似純凈的語音信號，然后由聽覺掩蔽模型計算掩蔽閾值。

③改進型維納濾波參數(shù)調(diào)整：根據(jù)掩蔽閾值自適應地調(diào)整維納濾波參數(shù)和設定的維納濾波器系數(shù)的下限min。

④語音合成：采用改進的維納濾波算法增強語音幅度譜，結合帶噪語音信號的相位譜通過逆傅里葉變換，可得到時域上增強后的語音。

2傳統(tǒng)型維納濾波算法

5仿真結果及分析

本實驗原始語音數(shù)據(jù)是在安靜環(huán)境下錄制的，錄制的原始語音采樣頻率為16 kHz，所選取的采樣精度為16 bits，分幀時采用漢寧窗且?guī)L為320點、幀移160點。噪聲選自NOISEX-92數(shù)據(jù)庫，噪聲包括white，volvo，factory三種類型。將不同類型的噪聲信號和原始語音信號按照不同程度混合生成不同信噪比（5 dB，0 dB，-5 dB）的帶噪語音信號進行試驗仿真。

將錄制的原始語音信號和非平穩(wěn)factory噪聲混合生成信噪比為0 dB的帶噪語音信號。原始語音信號的時域波形和頻域語譜圖如圖2所示，混合后生成的帶噪語音信號時域波形和頻域語譜圖如圖3所示。采用傳統(tǒng)維納濾波算法和本文基于聽覺掩蔽效應的改進型維納濾波算法增強后的語音時域波形及其對應的頻域語譜圖分別如圖4和圖5所示。

在反映人耳感知語音聽覺質(zhì)量方面，信噪比不是很好的參考指標。因此本文還采用了語音質(zhì)量感知評價指標（PESQ）[7]對以上2種算法進行對比，對比結果如表2所示。PESQ指標是將增強后的語音與一個代表最好質(zhì)量（通常為純凈語音）的參考語音進行比較，這種比較考慮人耳的聽覺感知特性（響度、音質(zhì)和音色），會得到一個差異值，差異值越小PESQ的分越高，MOS分數(shù)也越高。

通過對比表1中3種算法輸出信噪比可以發(fā)現(xiàn)，相比較傳統(tǒng)的譜減和維納濾波算法，采用本文算法增強后的語音信噪比有明顯提高。通過表2實驗數(shù)據(jù)對比可知，本文算法相比較傳統(tǒng)維納濾波算法PESQ得分提高了近0.4分，說明本文算法增強后的語音質(zhì)量明顯提高。同時通過主觀試聽測試表明，在低信噪比非平穩(wěn)噪聲的情況下，采用本文算法增強后的語音相比較傳統(tǒng)譜減法和維納濾波法增強后的語音，音樂噪聲殘留的更小，而且增強后的語音聽起來更加舒適，自然度和感知質(zhì)量有了進一步提高。

6結束語

提出的語音增強算法從語音客觀評價指標信噪比、語音質(zhì)量感知質(zhì)量評價指標和主觀試聽測試3個方面的實驗數(shù)據(jù)對比可以得出，本文算法在消除噪聲和降低語音失真度方面明顯優(yōu)于傳統(tǒng)的語音增強算法，在低信噪比非平穩(wěn)噪聲環(huán)境下，效果顯著。

參考文獻

[1]王莉，胡劍凌，徐盛.基于聽覺掩蔽效應的語音增強算法的研究[J].電聲技術，2006（7）：39-42.

[2] LOIZOU P C.語音增強：理論與實踐[M].高毅，肖莉，鄧方，等，譯.成都：電子科技大學出版社，2012..

[3]蔡軍，李飛，張毅.基于聽覺掩蔽效應的語音增強算法[J].計算機工程，2017，43（7）：288-292，297.

[4]宋知用.MATLAB在語音信號分析與合成中的應用[M].北京：北京航空航天大學出版社，2013.

[5] JOHNSTON J D.Transform Coding of Audio Signals Using Perceptual Noise Criteria[J].IEEE J Selected Areas Communication，1988，6（2）：314-323.

[6] PAINTER T，SPANIAS A. Perceptual Coding of Digital Audio[J]. Proceedings of the IEEE，2000，88（4）：451-512.

[7]劉海濱，吳鎮(zhèn)揚，趙力，等.非平穩(wěn)環(huán)境下基于人耳聽覺掩蔽特性的語音增強[J].信號處理，2003（4）：303-307.

[8] RIX A W，BEERENS J G，KIM D-S，e tal. Objective Assment of Speech and Audio Quality-technology and Applications[J]. IEEE Transactions on Audio，Speech，and Language Processing，2006，14（6）： 1980-1901.