基于語音活動性檢測的維納濾波處理?

于春和 朱雨薇

（沈陽航空航天大學(xué)電子信息工程學(xué)院 沈陽 110136）

1 引言

人們可以通過語音來表達(dá)情感和信息，語音也成為一種重要的交流方式。隨著科技的不斷更新和發(fā)展，通信領(lǐng)域被人們越來越重視。例如手機(jī)智能語音助手，手機(jī)通話等方面。但是在語音傳輸?shù)倪^程中，總是會產(chǎn)生噪音，這些噪音主要是由于受到背景環(huán)境和傳輸環(huán)境的影響而產(chǎn)生的。同樣，語音信號的產(chǎn)生過程和處理過程也會產(chǎn)生噪聲。噪聲可以是白高斯噪聲、寬帶和窄帶噪聲、加性噪聲、電學(xué)或者聲學(xué)噪聲，也可以是與原始純凈語音無關(guān)的其它語音信號。在這些條件的干擾下，語音的可懂度和語音質(zhì)量會大幅度下降，產(chǎn)生可逆或不可逆的影響。但是噪音的產(chǎn)生具有隨機(jī)性，我們只能是盡量減小，并不能做到完全的消除。一般我們用語音的語音質(zhì)量和可懂度這兩個指標(biāo)來評價處理語音信號的好壞。這兩個評價指標(biāo)有聯(lián)系而又不同。語音質(zhì)量是通過信噪比的值來反映出來，目標(biāo)是提高信噪比。而語音的可懂度則需要人們主觀去判斷。具有高可懂度的語音信號在各個領(lǐng)域都起著重要的作用。既然噪聲的產(chǎn)生無法避免，我們就要想辦法來處理它們。

2 語音的預(yù)處理

在處理語音信號的問題上我們先要討論信號的預(yù)加重、分幀和加窗問題，才能進(jìn)一步對信號進(jìn)行具體的處理。

2.1 預(yù)加重

語音信號受生理因素的干擾，會對語音產(chǎn)生一些影響，高頻部分通常按著一定倍頻程衰減，在衰減過程中頻譜的頻率越高，其頻譜幅值越小，反過來，頻率越低，頻譜幅值越大。我們?nèi)绻@種影響，取消其不均勻的分布，需要對語音信號進(jìn)行預(yù)加重處理。加重語音的高頻部分，去除口唇輻射對語音信號造成的影響，同時也需要增加語音的高頻分辨率。一般通過傳遞函數(shù)為

的高通數(shù)字濾波器來實(shí)現(xiàn)預(yù)加重，預(yù)加重系數(shù)設(shè)置為α，其取值范圍設(shè)置為0.9～1。在n 時刻時，語音采樣值可以表達(dá)為x（n），經(jīng)過預(yù)加重處理后的結(jié)果為

2.2 語音信號分幀、加窗處理

根據(jù)語音時長可以看出，語音信號有長有短，有的短則幾秒鐘，有的長達(dá)幾分鐘，甚至更長。在宏觀上來看，長的語音信號不滿足平穩(wěn)特性，我們可以認(rèn)為其是不平穩(wěn)信號。但是在維納濾波等一些處理方法中，要求信號必須是在平穩(wěn)信號下進(jìn)行處理的。根據(jù)語音信號具有短時平穩(wěn)特性，我們可以對語音信號進(jìn)行分段處理，每一個短段稱為一幀。這些段落長度相同，都帶有語音的詳細(xì)特性。我們稱這個過程為語音信號的分幀處理。一幀語音的長度可以根據(jù)需要來設(shè)定，但是要保證在10ms～30ms之間。

加窗操作即語音信號與一個窗函數(shù)相乘，其是為了使整個語音信號更加連續(xù)，避免出現(xiàn)一種效應(yīng)，即吉布斯效應(yīng)。加窗函數(shù)的時候，我們也使本來沒有周期性的語音信號獲得了周期函數(shù)的部分特征。

但是加窗會造成一定后果，其使每一幀信號的兩端部分會造成削弱，為了后續(xù)加窗的操作，我們一般在分幀的時候，需要相互重疊一部分。而不是不要背靠背地截取，相鄰兩幀的起始位置上存在的時差叫做幀移。

在語音信號處理中常用的窗函數(shù)有矩形窗、漢寧窗等。

2.2.1 矩形窗

其中幀長為N。將其進(jìn)行傅里葉變換求得矩形窗的頻譜:

幅度譜為R（W），如圖1所示。

圖1 矩形窗的幅度譜

這是一個逐漸削弱的衰減函數(shù)，x 軸的正半軸第一個過零的在點(diǎn)w1=2π/N處，x軸的負(fù)半軸的在w2=-2π/N處第一個過零點(diǎn)，ω1和ω2之間的距離叫做主瓣，矩形窗的主瓣寬為4π/N，其兩邊的旁瓣各占二分之一，均為2π/N。

2.2.2 巴特利窗

從其表達(dá)式可以看出巴特利窗是一種三角窗，兩端為0，中間為最大值。

其頻譜為

其幅度譜為R（w），如圖2所示。

圖2 巴特利窗的幅度譜

和矩形窗的頻譜相比，巴特利窗的頻譜最大旁瓣的幅度降低了很多。但時其主瓣寬度和過渡帶寬增加了。

2.2.3 漢寧窗

其也是一種常用的窗函數(shù)，其中RN(n)是長度為N 的矩形窗。其頻譜為

矩形窗的幅度譜表示為RNr，如圖3所示。

3 個分量之和構(gòu)成了其幅度譜，導(dǎo)致其旁瓣相互抵消，旁瓣減小。與矩形窗的幅度譜相比，我們很容易看出其能量更加集中到主瓣，主瓣加寬。

圖3 漢寧窗的幅度譜

2.2.4 漢明窗

改變漢寧窗定義式中的系數(shù)0.5則可以得到漢明窗。即漢明窗是漢寧窗的升級版。

圖4 為漢明窗的幅度譜，與圖3 相比，漢明窗幅度譜旁瓣更小，從而使得能量更加集中到主瓣。

圖4 漢明窗的幅度譜

加窗分幀可以采用前后兩幀完全不重疊的連續(xù)分幀；也可以前后兩幀完全有部分重疊的疊分幀。但是一般都采用重疊分幀的方法。這是為了保證前后兩幀參數(shù)能夠平穩(wěn)的過渡。幀移則表示為前一幀和后一幀的重復(fù)部分。幀移與幀長的比值在0～0.5范圍內(nèi)選取。當(dāng)幀移取0時表示連續(xù)分幀，即相當(dāng)于前后兩幀沒有交疊重復(fù)部分，當(dāng)幀移取0.5時表示前后兩幀有一半重疊的分幀。

3 維納濾波器

濾波器就是一個含有噪聲的信號，經(jīng)過這個濾波器之后，輸入信號變成了另一個信號。只不過這個信號比較特殊，它和原來的信號有聯(lián)系，這個聯(lián)系就是原來的信號是現(xiàn)在的信號的+噪聲信號。維納濾波器是一種以語音信號衰減為代價而實(shí)現(xiàn)噪聲抑制［1］的濾波器。也是常用的線性濾波器之一。它是對語音處理的關(guān)鍵的一個部分。

假設(shè)所有信號都是平穩(wěn)的，純凈語音信號y（n）受到噪聲信號v（n）干擾，帶噪信號可以表示為

其中帶噪信號v（n）是與純凈語音信號y（n）不相關(guān)的白噪聲或者有色噪聲［2］。

當(dāng)帶噪信號s（n）輸入到維納濾波器后，可以得到輸出信號ss（n），使得輸出信號ss（n）盡可能接近純凈信號y（n），即均方差E{e(n)2} 最小，可以表示為

其中h（n）為單位沖擊響應(yīng)。均方誤差MSE 準(zhǔn)則［3］可以表示為

其中:

其中Ryy表示帶噪信號s（n）自相關(guān)矩陣，rsy表示帶噪信號和純凈信號的互相關(guān)矢量，δ2為信號y（n）的方差，E[.]表示數(shù)學(xué)期望?？梢缘玫阶顑?yōu)維納錄波器為［4］

然而在現(xiàn)實(shí)當(dāng)中我們往往不知道純凈信號y（n）的信息，這就使得rsy［5］很難獲得。但是通過以下公式的推導(dǎo):

我們可以找到噪語音信號與噪聲信號互相關(guān)函數(shù)和帶噪語音自相關(guān)函數(shù)與噪聲信號自相關(guān)函數(shù)之間的聯(lián)系。

從中可以看出帶噪信號和純凈信號的互相關(guān)矢量取決于帶噪信號的自相關(guān)矢量和噪聲信號的自相關(guān)矢量。其中帶噪信號的自相關(guān)矢量可以通過純凈信號和噪聲信號混合時得到，噪聲信號的自相關(guān)矢量，可以在只有噪聲存在的時刻估計(jì)得到。為了解決這一問題，需要提前對噪聲進(jìn)行估計(jì)，這一步就顯得十分重要，這里利用語音活動性檢測的方法從帶噪語音中提取純凈的噪聲片段，從而估計(jì)其自相關(guān)矩陣。

4 語音活動性檢測

語音活性檢測［6］是一項(xiàng)用于語音處理的技術(shù)，簡稱VAD。其目的是檢測語音信號的存在與否。VAD 技術(shù)通常在語音編碼和語音識別［7］方面應(yīng)用。它可以簡化語音處理，也可用于在視頻通話的時候出去非語音信號，可以在IP 電話應(yīng)用中避免對靜音數(shù)據(jù)包的編碼和傳輸，從而節(jié)省了計(jì)算時間和帶寬［8］。

VAD 有很多種方法。在實(shí)際處理中，為了提高其精確度往往會提取四種或者更多的特征進(jìn)行判斷［9］，此處介紹的是利用短時能量（簡稱STE）和過零率（簡稱ZCC）的檢測方法［9］。

4.1 過零率

過零率是指一個信號的符號變化的比率，即一幀語音時域信號穿過時間軸的次數(shù)。

其計(jì)算方法是，將幀內(nèi)所有信號平移1，再對應(yīng)點(diǎn)做乘積，符號為負(fù)的則說明此處過零，只需將幀內(nèi)所有負(fù)數(shù)乘積數(shù)值求出則得到該幀的過零率。

4.2 短時能量

短時能量是指一幀語音信號的能量［10］。由于隨著時間變化信號能量也隨之變化，清音和濁音之間的能量差別相當(dāng)顯著。利用短時能量可以很好地進(jìn)行處理。

可以定義為［11］

在信噪比不是很低的前提下，語音片段的STE相對較大，ZCC 相對較??；而非語音片段的STE 相對較小，ZCC相對較大［12］。主要是由于語音信號能量絕大部分包含在低頻帶內(nèi)，而噪音信號通常能量較小且含有較高頻段的信息而造成的。所以可以設(shè)置兩個門限通過語音信號這兩個特征進(jìn)行對比，從得得到想要的非語音信號，進(jìn)行下一步維納濾波的操作。

5 實(shí)驗(yàn)分析和結(jié)果

Matlab［13］是一款在算法開發(fā)時經(jīng)常用到的數(shù)學(xué)軟件。因此在維納濾波處理和運(yùn)用上，我們也將使用這個便捷的計(jì)算軟件。主要考慮的是輸入的帶噪信號s（x）的自相關(guān)函數(shù)Rs（x）和帶噪信號s（x）和純凈信號y（x）的互相關(guān)函數(shù)Rsy（x）。

本文實(shí)驗(yàn)取一段在安靜環(huán)境下錄制的30s 語音作為純凈始語音y（n），并加入不同信噪比的高斯白噪，得到帶噪信號s（n）。

在維納濾波階段，根據(jù)帶噪信號s（n）和VAD估計(jì)得噪聲信號v（n），通過Matlab 可以求解維納-霍夫方程得出系統(tǒng)函數(shù)［14］:

其中R 為相關(guān)函數(shù)，其傅立葉變換為G。進(jìn)一步計(jì)算輸出信號ss（n）與輸入信號y（n）的均方誤差值，可以得到最優(yōu)維納濾波輸出信號。

在根據(jù)語音活動性檢測來估計(jì)噪聲v（n）的階段，首先需要對語音信號進(jìn)行預(yù)處理［15］，本實(shí)驗(yàn)取采樣頻率為fs，一幀長度為0.02fs。對語音信號進(jìn)行分段處理，計(jì)算短時能量和過零率，通過STE 和ZCC這兩個特征并且與兩個門限進(jìn)行對比，從而判斷非語音信號［16］。

圖5 流程圖

5.1 加噪處理

我們錄制了30s 的語音信號作為試驗(yàn)的數(shù)據(jù)，對錄制的語音信號，加入已知信噪比為60 的白噪聲，用來評定噪聲信號估計(jì)的結(jié)果是否與加入的白噪聲接近。錄制信號加入白噪聲后頻譜如圖6所示。

圖6 語音信號加噪聲

5.2 預(yù)處理

為了加重語音的高頻部分，消除口唇輻射對語音信號的干擾，需要對帶噪語音進(jìn)行操作，這個過程就叫做預(yù)加重。從圖7 可以看出預(yù)加重后得到的語音更符合我們的要求。

圖7 預(yù)加重處理

為了得到平穩(wěn)信號，我們對語音信號進(jìn)行了分針加窗處理，在已知錄制語音的采樣頻率為fs的前提下，取一幀的長度L 為0.02ms，幀移為0.5L。窗函數(shù)選取為漢明窗?？梢缘玫秸Z音信號，如圖8 所示為加窗后的一幀信號。

圖8 一幀語音信號

5.3 噪聲估計(jì)

圖9 短時能量和過零率

利用過零率和短時能量來做為評判語音活性檢測的兩個指標(biāo)，在信噪比為60時。可以從圖9觀測這兩個指標(biāo)的變化。

生成的檢測VAD 和帶噪語音進(jìn)行對比，提取噪聲片段。如圖10和圖11。

圖10 語音活性檢測

圖11 噪聲片段

5.4 維納濾波處理

根據(jù)估計(jì)的噪聲，可以求得噪聲信號的自相關(guān)矢量。帶噪信號的自相關(guān)矢量已知，根據(jù)公式:

我們很容易求得系統(tǒng)函數(shù)。帶噪語音信號通過系統(tǒng)后得到的濾波信號為圖12?？梢钥闯龌謴?fù)的信號波形接近原始帶噪語音信號。

圖12 恢復(fù)信號

通過對濾波處理的恢復(fù)信號可懂度和信噪比兩方面進(jìn)行分析。語音可懂度大大提高，除去白噪聲的語音信號更加清晰。在信噪比方面，本身加入的是信噪比為60 的白噪聲。濾波之后信噪比變?yōu)?0.45。

從這兩個指標(biāo)可以看出，基于語音活動性檢測的維納濾波處理的效果十分明顯。我們可以通過這種方法來達(dá)到對白噪聲的去除。

5.5 信噪比對維納濾波效果的影響

除此之外，本實(shí)驗(yàn)對加入不同信噪比白噪聲的語音信號分別進(jìn)行處理。維納濾波的目標(biāo)是使得輸出信號無限接近未加噪之前的語音信號，即輸出信號和純凈的語音信號最小均方誤差最小。當(dāng)信噪比分別取50～100 時，觀察輸出信號與純凈信號之間的最小均方誤差，形成對比圖像。如圖13 所示。

圖13 不同均方誤差結(jié)果

從圖中可以看出隨著信噪比的提高，維納濾波處理的效果也越來越明顯，輸出信號無限接近輸入信號，我們也更可以得到想要的去噪信號。信噪比的值在50-60 之間時，維納濾波處理效果大幅上升，而在信噪比大于65 之后，維納濾波處理效果基于穩(wěn)定。其不會隨著信噪比的提高而提升處理效果。

6 結(jié)語

本文先通過語音活性檢測對帶噪語音進(jìn)行噪聲估計(jì)，估計(jì)其噪聲片段，從而求得維納濾波系統(tǒng)函數(shù)。再通過維納濾波對帶噪語音的處理實(shí)現(xiàn)，判斷維納濾波器的線性濾波效特性，獲得去噪信號。其次，加入不同信噪比的白噪聲，得到系統(tǒng)輸出和輸入的最小均方誤差判斷維納濾波的穩(wěn)定性和處理效果，濾波輸出的期望信號ss（n）越接近純凈信號y（n）。在信噪比達(dá)到一定數(shù)值時，維納濾波處理趨于穩(wěn)定。

維納濾波的研究有著重要的理論價值和應(yīng)用價值。它是最佳濾波器研究的基礎(chǔ)。它也是語音增強(qiáng)的重要組成部分。此外，維納濾波也在其他許多聲學(xué)領(lǐng)域的應(yīng)用前景也非常廣闊。通過仿真實(shí)踐研究，可以更好地學(xué)習(xí)這一領(lǐng)域，對今后在通信領(lǐng)域中研究信號處理有很大的幫助，為日后的研究提供了一定的理論依據(jù)。我們也要繼續(xù)在這一領(lǐng)域逐漸成長。