一種改進(jìn)的譜減法語音增強(qiáng)算法*

郭莉莉，陳永紅

（南通大學(xué)杏林學(xué)院，江蘇 南通 226000）

0 引言

在語音信號(hào)傳輸過程中，由于環(huán)境和傳輸信道等因素的影響，收到的語音信號(hào)中往往夾雜著噪聲，使語音信號(hào)產(chǎn)生失真。語音信號(hào)增強(qiáng)算法主要是研究如何對(duì)失真的帶噪語音信號(hào)進(jìn)行有效的降噪處理，盡可能提取出純凈語音信號(hào)[1]。在語音增強(qiáng)算法中，基于短時(shí)譜估計(jì)的增強(qiáng)算法因效率高、計(jì)算簡單、易于處理等特點(diǎn)而應(yīng)用廣泛?；诙虝r(shí)譜估計(jì)的語音增強(qiáng)算法可分為譜減法[2]、最小均方誤差算法[3]和維納濾波算法[4]等，其中基于譜減法的語音增強(qiáng)算法得到了廣泛研究。文獻(xiàn)[5]將壓縮感知應(yīng)用于譜減法語音增強(qiáng)算法，提高了語音的可懂度；文獻(xiàn)[6]提出一種基于噪聲譜估計(jì)的譜減法語音增強(qiáng)算法，通過端點(diǎn)檢測和噪聲估計(jì)，提高了語音信號(hào)的信噪比和清晰度。本文首先分析傳統(tǒng)的譜減法語音增強(qiáng)算法的基本原理，針對(duì)傳統(tǒng)的譜減法中存在的“音樂噪聲”問題，引入過減因子和補(bǔ)償因子兩個(gè)參數(shù)對(duì)傳統(tǒng)的譜減法進(jìn)行改進(jìn)，得到引入?yún)?shù)的改進(jìn)形式譜減法語音增強(qiáng)算法。最后，仿真結(jié)果驗(yàn)證了改進(jìn)算法的語音增強(qiáng)效果。

1 傳統(tǒng)的譜減法

譜減法語音增強(qiáng)的基本原理是在語音信號(hào)和噪聲通過加性模型構(gòu)成帶噪語音信號(hào)且語音信號(hào)與噪聲之間互不相關(guān)的前提假設(shè)下，將帶噪語音信號(hào)轉(zhuǎn)化到頻域進(jìn)行“短時(shí)處理”，從帶噪語音的短時(shí)譜中減去估計(jì)出的噪聲短時(shí)譜，從而獲得增強(qiáng)處理后的純凈語音信號(hào)的估計(jì)短時(shí)譜，最后通過傅里葉逆變換將其恢復(fù)回時(shí)域信號(hào)。

假設(shè)純凈語音的時(shí)域采樣信號(hào)為s(n)，噪聲的時(shí)域采樣信號(hào)為d(n)，則帶噪語音的時(shí)域信號(hào)y(n)可表示為：

由于譜減法是基于短時(shí)譜的估計(jì)算法，故首先對(duì)信號(hào)y(n)、s(n)和d(n)進(jìn)行分幀、加窗處理，得到：

式中，yw(n)、sw(n)和dw(n)分別為y(n)、s(n)和d(n)經(jīng)過分幀、加窗處理以后的結(jié)果。

對(duì)式（2）兩邊同時(shí)做傅里葉變換，得到：

式中，Yw(ω)、Sw(ω)和Dw(ω)分別為yw(n)、sw(n) 和dw(n)的傅里葉變換。

對(duì)式（3）等式兩邊同時(shí)求平方，可得帶噪語音信號(hào)的功率譜為：

式中，S*w(ω)Dw(ω)+Sw(ω)D*w(ω)表示Sw(ω)和Dw(ω) 在相關(guān)性作用下產(chǎn)生的分量，也可寫為交叉項(xiàng)2Re[Sw(ω)D*w(ω)]，故式（4）變?yōu)椋?/p>

基于前提假設(shè)了s(n)和d(n)之間互不相干的統(tǒng)計(jì)特性，可認(rèn)為交叉項(xiàng)為2E{Re[Sw(ω)D*w(ω)]}=0。式（6）中噪聲譜是未知的，可用前導(dǎo)無語音段獲得的估計(jì)值來代替。一般采用平均法對(duì)噪聲譜進(jìn)行估計(jì)，即：

式中，N為前導(dǎo)無語音幀的幀數(shù)。基于語音的短時(shí)平穩(wěn)特性，式（6）可以變?yōu)椋?/p>

根據(jù)以上的分析和推導(dǎo)過程，譜減法語音增強(qiáng)過程的原理如圖1 所示。

圖1 譜減法語音增強(qiáng)原理

2 引入?yún)?shù)的改進(jìn)形式譜減法

由傳統(tǒng)的譜減法分析過程可以看出，譜減法是在整個(gè)語音段中減去相同程度的噪聲功率譜估計(jì)值來獲得增強(qiáng)后的純凈語音信號(hào)。在現(xiàn)實(shí)中，這種方法往往會(huì)帶來很多不足。由于語音信號(hào)的能量分布不均勻，在頻譜上語音的能量通常聚集在某一頻段之內(nèi)，特別是處于共振峰段的語音信號(hào)幅度比起噪聲往往要高出很多。所以，單一地使用同一個(gè)標(biāo)準(zhǔn)去處理噪聲分量無法使純凈語音的成分更為突出，也無法增加純凈語音的清晰度。加上噪聲的隨機(jī)性及復(fù)雜性，使得噪聲的頻域值與前導(dǎo)無語音段的噪聲估計(jì)值往往存在較大差距，單一使用同一個(gè)處理標(biāo)準(zhǔn)會(huì)有大量的噪聲殘留下來，帶來“音樂噪聲”[8]。另外，在式（10）中，傳統(tǒng)的譜減法使用了一種非線性方式，將功率譜相減后產(chǎn)生的負(fù)值設(shè)置為零，實(shí)際上是采用了一種調(diào)整選擇法來進(jìn)行處理，但把負(fù)值直接設(shè)置為零，待語音恢復(fù)到時(shí)域后可能會(huì)有明顯的多頻音顫音，影響人耳的聽覺感受。針對(duì)上述不足，對(duì)譜減法進(jìn)行優(yōu)化，在式（10）的調(diào)整機(jī)制中引入?yún)?shù)a、b進(jìn)行人為的控制選擇。譜減法的改進(jìn)形式如下：

引入的兩個(gè)參數(shù)a、b，其意義分別如下。

（1）a是過減因子，取值范圍為a≥1。增大a的值，可以在帶噪語音頻譜上減去更多的噪聲分量。噪聲分量減小，會(huì)提高輸出信噪比，且使得殘留在頻譜上的“音樂噪聲”的窄帶譜幅度減小，對(duì)殘留噪聲有很好的抑制作用，同時(shí)可以有效突出純凈語音的成分。

（2）b是補(bǔ)償因子，取值范圍為0 ≤b<<1。增大b的值，可以在頻譜上保留極少的部分加性噪聲分量，實(shí)則是為了減少毛刺而人為地為增強(qiáng)后的純凈語音信號(hào)填充入部分背景噪聲。一是可以利用人耳的聽覺掩蔽特性來弱化殘留噪聲；二是可以對(duì)殘余的噪聲有聽覺上的平緩作用，降低人耳對(duì)殘留噪聲的感知度，且在一定程度上提高人耳的接受度。

參數(shù)a、b的取值在不同噪聲環(huán)境下會(huì)帶來不同的降噪結(jié)果。若a=1、b=0，就是傳統(tǒng)的譜減法表達(dá)式。倘若參數(shù)a取值過大，從帶噪語音信號(hào)的功率譜中減去過多的噪聲估計(jì)功率譜可能會(huì)導(dǎo)致語音失真；如果參數(shù)b取值過大，可能會(huì)混合疊加入過量的背景噪聲，不僅輸出信噪比會(huì)下降，人耳的接受度也會(huì)降低。因此，引入?yún)?shù)a、b實(shí)則是一種基于譜減法的折中改進(jìn)方式。

3 仿真結(jié)果與分析

本文在MATLAB 軟件中對(duì)傳統(tǒng)的譜減法和改進(jìn)形式譜減法的語音增強(qiáng)效果進(jìn)行仿真，其中采樣頻率fs=8 000 Hz，前導(dǎo)空白語音段長度為0.25 s，幀長為25 ms，幀移為10 ms。a=1、b=0 即為傳統(tǒng)譜減法的仿真結(jié)果，對(duì)參數(shù)加以人為控制選擇以a=4、b=0.001 作為改進(jìn)形式譜減法的一組數(shù)據(jù)。仿真流程如圖2 所示。

圖2 仿真流程

以高斯白噪聲作為背景噪聲，輸入信噪比分別取-5 dB、0 dB、5 dB，譜減法和引入?yún)?shù)的改進(jìn)形式譜減法對(duì)語音信號(hào)的增強(qiáng)效果分別如圖3、圖4 和圖5 所示。圖3～圖5 主要是從時(shí)域波形圖的角度來觀察。可以看出，輸入信噪比越低，純凈語音被噪聲湮沒的程度越強(qiáng)。當(dāng)輸入信噪比為 -5 dB 時(shí)，幾乎看不出存儲(chǔ)純凈語音信號(hào)的波形段。但是，譜減法和改進(jìn)形式的譜減法對(duì)不同輸入信噪比的帶噪語音處理后都減少了其中的噪聲分量，尤其是改進(jìn)形式的譜減法相比于譜減法，純凈語音成分的時(shí)域波形更加突出，降低了波形失真程度，使得語音信號(hào)的增強(qiáng)效果更為明顯。

圖3 輸入SNR=-5 dB 時(shí)譜減法與改進(jìn)形式譜減法語音增強(qiáng)效果對(duì)比

圖4 輸入SNR=0 dB 時(shí)譜減法與改進(jìn)形式譜減法語音增強(qiáng)效果對(duì)比

圖5 輸入SNR=5 dB 時(shí)譜減法與改進(jìn)形式譜減法語音增強(qiáng)效果對(duì)比

信噪比改善（Signal-to-Noise Ratio Improvement，SNRI）定義為最終SNR 減去原始SNR。譜減法和改進(jìn)形式譜減法的SNRI，如表1 所示。從表1 可知，隨著輸入信噪比的提高，譜減法和改進(jìn)形式譜減法對(duì)應(yīng)的輸出信噪比隨之增加，但改進(jìn)形式的譜減法輸出信噪比總體比譜減法提高5 dB 左右。在輸出信噪比遞增的同時(shí)，SNRI 的值卻逐漸降低，說明基于譜減法的增強(qiáng)算法在低輸入信噪比時(shí)對(duì)帶噪語音的信噪比改善更明顯。

表1 不同強(qiáng)度噪聲環(huán)境下的信噪比改善

譜減法和改進(jìn)形式譜減法的MOS 評(píng)分結(jié)果，如表2 所示。從表2 可知，相比于譜減法，帶噪語音在改進(jìn)形式的譜減法處理后所獲得的MOS 評(píng)分得到了更顯著的提高。每組實(shí)驗(yàn)中，譜減法處理后的語音信號(hào)都可以聽見不同程度的類似水流一般的間歇性的殘留噪聲，而經(jīng)改進(jìn)形式譜減法處理后的語音信號(hào)相比于譜減法來說，可以明顯感受到殘留噪聲得到了減弱，語音聽起來更加清晰，也較為流暢，減小了失真度，改善了人耳的接受度。

表2 MOS 評(píng)分

4 結(jié)語

經(jīng)過傳統(tǒng)的譜減法處理后的語音信號(hào)可以獲得一定程度的增強(qiáng)效果，但會(huì)產(chǎn)生“音樂噪聲”。本文提出引入?yún)?shù)的改進(jìn)形式譜減法，引入過減因子和補(bǔ)償因子兩個(gè)參數(shù)。在這兩個(gè)參數(shù)的共同作用下，算法可以在抑制“音樂噪聲”的同時(shí)使語音信號(hào)更為突出。仿真結(jié)果表明，改進(jìn)形式的譜減法語音信號(hào)波形的失真程度降低，信噪比改善更明顯，語音增強(qiáng)效果更好。