基于自適應(yīng)參數(shù)的多窗譜譜減法算法改進(jìn)

張莉 李文鈞 岳克強(qiáng)

摘 要：當(dāng)今人工智能發(fā)展迅速，語音識別成為人機(jī)交互的重要方式。為提高語音識別準(zhǔn)確度，在分析語音信號前去除語音信號噪聲干擾并提高語音信號能量尤為重要。在實際應(yīng)用中，不同語音信號包含不同的噪聲。針對不同的語音噪聲，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，增強(qiáng)語音信號中的關(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)識碼（OSID）：

中圖分類號：TP312文獻(xiàn)標(biāo)識碼：A 文章編號：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，如何使其更有效地識別并提取有用信息成為研究重點。

在語音信號處理中，接收到的語音信號大多含有噪聲，語音增強(qiáng)技術(shù)應(yīng)運而生。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最好的權(quán)衡點。文獻(xiàn)[1-2]對譜減算法進(jìn)行改進(jìn)，在傳統(tǒng)譜減算法的基礎(chǔ)上，對無聲段進(jìn)行平滑處理，得到噪聲功率;文獻(xiàn)[3-4]通過約束先驗信噪比與調(diào)整后驗信噪比，提出基于[MMSE]的短時譜幅度增益函數(shù)計算方法，即根據(jù)信噪比取值范圍對増益函數(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”，又不會使波形失真成為研究熱點。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總能量中減去噪聲能量，從而獲得有用信號的能量。設(shè)含噪語言信號為[xn]，加窗分幀處理后得到第[？]幀語音信號為[xi（m）]，幀長為[N]，對[xi（m）]作離散傅里葉變換（DFT）后[Xi（k）]為：

譜減算法增強(qiáng)處理后的信號會殘留較多噪聲，因為有一定的節(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的特點有關(guān)，因為其符合高斯分布，幅度隨機(jī)變化的范圍較寬[3]。所以引用無語音期間噪聲統(tǒng)計方差表示噪聲時，會根據(jù)信號幀噪聲分量大小，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)后的語音信號會有節(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)會有不同的帶寬和頻譜泄漏，語音信號分析常用的窗函數(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）對帶噪的語音信號進(jìn)行預(yù)處理。一般語音信號預(yù)處理包含加窗分幀，在加窗部分對其進(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）對加窗分幀后的信號[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 實驗結(jié)果分析

3.1 加窗對比

實驗語言信號頻率為16khz的純語音信號。將一段純語音信號與白噪聲疊加，得到信噪比為-5、0、5dB的帶噪信號，分別采用矩形窗、海寧窗和漢明窗對語音信號進(jìn)行分幀處理，其中語言信號頻率為16khz，采用漢明窗對語言信號進(jìn)行加窗分幀，幀長為25ms、幀移為10ms。純語音信號（見圖2（a））疊加白噪聲信號（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)對比

在相同漢明窗和信噪比的條件下運用該自適應(yīng)多窗譜減法，從而得到一個關(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，譜減后的波形帶有大量音樂噪聲，從而使得到的語音信號難以分辨;若過減因子過大，則會引起語音信號失真，從而丟失語音幀。本文實驗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)行對比，在相同噪聲環(huán)境（這里的噪聲使用對純凈語音加高斯白噪聲進(jìn)行模擬）下，分別采用3種譜減法對其進(jìn)行實驗，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

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

本文著重研究了語音識別中的前端處理，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，通過語音識別準(zhǔn)確率進(jìn)一步驗證算法有效性。

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

[11] 趙發(fā). 基于多窗譜估計譜減法和能熵比法的語音端點檢測算法[J]. 巢湖學(xué)院學(xué)報，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（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（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，2019，46（1）：86-92.

（責(zé)任編輯：江 艷）