精华内容
下载资源
问答
  • 维普资讯 http://doc.docsou.com文章编号:0 2 8 8 (o 7 0 - 0 4 0 10—6 4 2 o )1 0 4 - 3基于维纳滤波语音增强算法的改进实现白文雅,黄健群,陈智伶。论文(.石家庄军械工程学院光学与电子工程系,河北石家庄 0 0 ...

    通过对维纳滤波的介绍,实现了基本维纳滤波效果;利用两级维纳滤波和两级滤波器组滤波方法实现了语音增强,达到了良好的效果。

    维普资讯 http://doc.docsou.com

    文章编号:0 2 8 8 (o 7 0 - 0 4 0 10—6 4 2 o )1 0 4 - 3

    基于维纳滤波语音增强算法的改进实现

    白文雅,黄健群,陈智伶。

    论文

    (.石家庄军械工程学院光学与电子工程系,河北石家庄 0 0 0;2 1 50 3 .武汉士官学校,湖北武汉 4 0 7 ) 3 0 5

    【要】通过对维纳滤波的介绍,摘实现了基本维纳滤波效果;利用两级维纳滤波和两级滤波器组滤波方法实现了

    语音增强,到了良好的效果。达

    【关键词】维纳滤波;语音增强;两级维纳滤波;两级滤波嚣组滤波【中图分类号】T 1 .5 Ng 23【文献标识码】A

    I p o e aiain o e c h n e e tAlo i m sd o in r Fle i m r v d Re l to fSp e h En a c m n g rt z h Ba e n W e e i rng t

    BAIW e— a, HUANG Ja— u n y in q n,CHEN Z i l g h—i n

    (. e a m n fO t a a dEet ncE gne n,S iah a gO d ac n ier gC l g,S iah ag0 0 0,C ia 1 D pr e t pi l n l r i n ier g h i u n rn neE gne n oee h i un 50 3 hn; t o c co i jz i l jz

    2 .Wu a d a c h n Orn n e NON— o c mmiso e f e a e L sin d Ofc rAc d my P A,Wu a 3 0 5,C ia i hn 4 07 hn )

    【 src】T e p n il fWi e l r g ae it d cd ad t ai e eto inrft n s razd Abtat h r c e o e r ft i r nr u e n h bs f c fwe e l r g i ele . i ps n i en o e c ie i i

    T ru h fr e w - tg in rf trn d t o s g l r b n l rn, te p e h e h n e n s raie ho【 ut rt o sa e W e e l i g a g h i e n w - t e f t a k fti g a i e ie h se c n a c me ti l d e z

    a d t e e e ti aif i g n h f c s s t yn . s

    【 y wod

    】Winrftr g sec n acm n;tosaeWi e lr g w -t eWi e l r akft n Kg rs ee l i; pehe hn e et w - g e rft n;tos g e rft n l r g i en t n ie i a n ieb ie i

    1引言

    在许多场合下采集的语音都会不可避免地混入噪声,这常常使接收语音的可懂度和清晰度受到严重损伤。在语音识别系统中噪声将使识别率迅速下降, 因为此时从语音信号提取出来的参数被噪声干扰而发生了变化。即使信噪比 S R高达 2 B, N Od一些语音

    的共振峰却已经消失于噪声中,因此研究如何将“干

    加特性,即

    S( )S( )S ( ) = + ( 2)

    基于短时傅里叶变换 (h a Tm or rTa s S o i e Fu e rn— i

    f m,T T分析, o SF ) r短时信号段可表示为

    () (£ n[ n+ ( ) n= p一 ) ()6 n] 其中£是帧长, P是整数。频域表示为 () 3

    l P ) (L )B p, , L,= p,+ (L ) (

    () 4

    净”音从语音和噪声的混合体中提取出来是十分语

    必要的。迄今已有一些有效的技术被用于此领域来减小噪声,如谱抽取、谐波分析技术和自回归滑动平均

    ( uo R ges e a d oig A eae A M模型 A t- ers v n M v vrg, R A) i n

    其中 X(L 0)B(L ) l(L,分别是目标信号 p,, p,和, ) 9 p ( )背景噪声 b n和观测信号 Y n的短时傅里叶 n, () ()变换,它们是以£为帧间隔计算得到的,因此 y n的 ()

    SF T T幅度平方为

    等,维纳 ( ee)而 Wi r滤波器法也是语音增强的有效方 n

    法之一。

    p 0 l l (L0 Bp 0 I l (, )=X p, ) l (, )+ Y L 9 9 L 9

    (, ) p ) p 0 B(L,+ 9 (L, ) (L, ) p B p () 5

    2维纳滤波的原理…

    假设’n表示离散时间的含噪序列,, ) (则

    'n= n+ (), ) ( ) 6 n ( () 1

    式( ) 5的目标是得到 l (L )‘ p, l。从加性噪声

    b n干扰的序列中恢复目标信号 ( )一种方法是寻 () n,找一个线性滤波

    器 h n,得通过滤波操作后的序列 ( )使 () () ( ) n n *h凡达到[凡一 ( )。 ( ) n]的最小期望值,这

    就是维纳滤波( ee l r g的原理。 Winrft i ) i en维纳滤波的关

    其中, n为所需要的信号, ( )也称作“目标信号”6 n;()

    为背景噪声。假设 x n和 b n是广义平稳的不相关随 ( ) ()

    机序列,它们的功率谱密度分别是 S ( ) S (。 和 )

    种恢复目标信号 (,的方法就是利用功率谱的相// )

    【基金项目】总装备部科研预研项目

    键是构建一个线性滤波器 h n, ( )使通过滤波后的信号

    匡垒基生盎塑 曼耋基簋

    1-2059-png_6_0_0_0_0_887_1211_887.039_1211.759-1508-0-0-1508.jpg

    展开全文
  • 基于MMSE维纳滤波语音增强方法研究与Matlab实现
  • 【语音增强】谱减法、最小均方和维纳滤波语音增强matlab源码.md
  • 在基于先验信噪比的维纳滤波语音增强算法的基础上,结合语音端点检测算法,本文提出一种新算法。新算法在语音端点检测的基础上,通过平滑处理更新噪声信号功率谱以适应噪声不稳定的环境;通过计算有声段噪声信号估计...
  • 基于MMSE维纳滤波语音增强方法研究与Matlab实现.pdf
  • 针对维纳滤波在复杂背景噪声情况下,语音信号成分衰减过大的问题,提出了一种基于多窗口谱估计和维纳滤波相结合的语音增强方法。该方法先将带噪语音进行多窗口谱估计,再通过小波阈值去除噪声项得到近似纯净的语音谱;...
  • 针对非平稳噪声和强背景噪声下声音信号难以提取的实际问题,提出了一种DCT域的维纳滤波方法。列出了DCT域清浊音分割步骤,给出了DCT域频谱信噪比迭代更新机制与具体实施方案,设计了DCT域的二维维纳滤波。实验仿真...
  • 在许多场合下采集的语音都会不可避免地混 入 噪声, 这常常使接收语音的可懂度和清晰度受到严重 损伤。 在语音识别系统中噪声将使识别率迅速下降, ...等, 而维纳( Wiener) 滤波器法也是语音增强的有效方 法之一
  • 本章提出了一种语音增强算法,该算法以基于先验信噪比估计的维纳滤波法为基础。通过计算无声段的统计平均得到初始噪声功率谱,并平滑处理初始噪声功率谱和带噪语音功率谱,更新了噪声功率谱;最后,考虑了某频率点处...

    一、简介

    本章提出了一种语音增强算法,该算法以基于先验信噪比估计的维纳滤波法为基础。通过计算无声段的统计平均得到初始噪声功率谱,并平滑处理初始噪声功率谱和带噪语音功率谱,更新了噪声功率谱;最后,考虑了某频率点处噪声急剧增大的情况,做了相关验证,该算法能有效地抑制变化范围不大或是稳定的噪声,但是对实际中的变化范围很广的噪声效果不是很好。
    1、语音增强概述
    1.1 语音增强的相关概念
    嵌在语音系统中,语音信号不可避免的会受到周围噪声的干扰,从而影响语音的质量与可懂度。
    语音增强:其实就是带噪语音中提取尽可能纯净的语音,改善语音质量和可懂度,提高噪声环境下语音通信系统的性能。
    噪声都随机产生的,不可能完全消除。语音增强的目标是:减弱噪声、消除背景噪声、改进语音质量、使听着乐于接受,提高语音可懂度。
    1.2 语音增强的相关算法
    由于噪声来源众多,特性各不相同。语音增强处理系统的应用场合千差万别。
    因此,不存在一种可以通用于各种噪声环境的语音增强算法。针对不同的环境,采取不同的语音增强算法。
    语音增强算法按处理方式可以分为:基于语音周期性的增强算法,基于全极点模型的增强算法,基于短时谱估计的增强算法,基于信号子空间的增强算法和
    基于HMM的增强算法。
    从目前的发展来看,基于短时谱估计的方法是最有效的方法。具体包括谱减法、维纳滤波、最小均方误差短时谱幅度估计法(MMSE-STSA)和最小均方误差对数谱幅度估计法(MMSE-LSA)。本文主要讨论使用维纳滤波器实现语音的增强处理。
    2 基于先验信噪比估计的维纳滤波语音增强理论
    先验信噪比是语音增强算法中非常重要的参数。 通过Ephraim和 Malah提出的“直接判决”估计来计算先验信噪比的方法是最有效的和最容易计算的。
    在这里插入图片描述
    在这里插入图片描述

    二、源代码

    function varargout = adsp_project(varargin)
    % ADSP_PROJECT MATLAB code for adsp_project.fig
    %      ADSP_PROJECT, by itself, creates a new ADSP_PROJECT or raises the existing
    %      singleton*.
    %
    %      H = ADSP_PROJECT returns the handle to a new ADSP_PROJECT or the handle to
    %      the existing singleton*.
    %
    %      ADSP_PROJECT('CALLBACK',hObject,eventData,handles,...) calls the local
    %      function named CALLBACK in ADSP_PROJECT.M with the given input arguments.
    %
    %      ADSP_PROJECT('Property','Value',...) creates a new ADSP_PROJECT or raises the
    %      existing singleton*.  Starting from the left, property value pairs are
    %      applied to the GUI before adsp_project_OpeningFcn gets called.  An
    %      unrecognized property name or invalid value makes property application
    %      stop.  All inputs are passed to adsp_project_OpeningFcn via varargin.
    %
    %      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one
    %      instance to run (singleton)".
    %
    % See also: GUIDE, GUIDATA, GUIHANDLES
    
    % Edit the above text to modify the response to help adsp_project
    
    % Last Modified by GUIDE v2.5 15-Dec-2014 18:26:21
    
    % Begin initialization code - DO NOT EDIT
    gui_Singleton = 1;
    gui_State = struct('gui_Name',       mfilename, ...
                       'gui_Singleton',  gui_Singleton, ...
                       'gui_OpeningFcn', @adsp_project_OpeningFcn, ...
                       'gui_OutputFcn',  @adsp_project_OutputFcn, ...
                       'gui_LayoutFcn',  [] , ...
                       'gui_Callback',   []);
    if nargin && ischar(varargin{1})
        gui_State.gui_Callback = str2func(varargin{1});
    end
    
    if nargout
        [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
    else
        gui_mainfcn(gui_State, varargin{:});
    end
    % End initialization code - DO NOT EDIT
    
    
    % --- Executes just before adsp_project is made visible.
    function adsp_project_OpeningFcn(hObject, eventdata, handles, varargin)
    % This function has no output args, see OutputFcn.
    % hObject    handle to figure
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    % varargin   command line arguments to adsp_project (see VARARGIN)
    
    % Choose default command line output for adsp_project
    handles.output = hObject;
    
    % Update handles structure
    guidata(hObject, handles);
    
    % UIWAIT makes adsp_project wait for user response (see UIRESUME)
    % uiwait(handles.figure1);
    
    
    
    
    % --- Outputs from this function are returned to the command line.
    function varargout = adsp_project_OutputFcn(hObject, eventdata, handles) 
    % varargout  cell array for returning output args (see VARARGOUT);
    % hObject    handle to figure
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    
    % Get default command line output from handles structure
    varargout{1} = handles.output;
    
    
    % --- Executes on button press in pushbutton1.
    function pushbutton1_Callback(hObject, eventdata, handles)
    
    global xk;
    global fs;
     global noise_type;
     noise_type=1;
    [FileName,PathName] = uigetfile('*.wav','Select the voice-file');
    [x,fs]=wavread(FileName);
    ls=length(x);
    
    
    
    xk=x(1:ls);
    
    
    
    
    set(handles.text_fs,'string',num2str(fs));
    set(handles.text_ls,'string',num2str(ls));
    
     
    
    axes(handles.axes_freq);
    
    %xaxis1=linspace(0,0.5,250);
    plot(abs(fft(xk)));  %xk 音频的句柄 用来做按键响应函数
    axis([0,14000,0,300]) ;
    
    
    axes(handles.axes_wave);
    
    %xaxis1=linspace(0,0.5,250);
    h_xk=plot(xk);  %xk 音频的句柄 用来做按键响应函数
    axis([0,30000,-1.5,1.5]) ;
    
    set(h_xk,'ButtonDownFcn',@axes_waveCallback);
    
    
    
    
    
    %grid on;
    %set(gca,'xtick',(0:0.02:0.5),'ytick',[0:100:500]);
    %axis([0.25 0.45 0 500]);
    
    % hObject    handle to pushbutton1 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    
    
    % --- Executes on button press in pushbutton2.
    function pushbutton2_Callback(hObject, eventdata, handles)
    global xk;
    global SNR;
    global fs;
    global xs;
    global noise_type;
    
    noise_type=1;%高斯噪声
    SNR_slider=get(handles.slider_SNR,'value');
    SNR_slider=floor(SNR_slider);
    SNR=num2str(SNR_slider);
    set(handles.text_snr,'string',SNR);
    xs=awgn(xk,SNR_slider,0);%加入高斯白噪声,信噪比30
    
    
    axes(handles.axes_freq);
    plot(abs(fft(xs)));  %xk 音频的句柄 用来做按键响应函数
    axis([0,14000,0,300]) ;
    
    
    axes(handles.axes_noise);
    
    h_xs=plot(xs);
    axis([0,30000,-1.5,1.5]) ;
    set(h_xs,'ButtonDownFcn',@axes_noiseCallback);
    
    
    
    % hObject    handle to pushbutton2 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    
    
    % --- Executes on button press in pushbutton3.
    
    
    
    % hObject    handle to pushbutton3 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    
    
    % --- Executes on selection change in popupmenu1.
    function popupmenu1_Callback(hObject, eventdata, handles)
    % hObject    handle to popupmenu1 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    
    % Hints: contents = cellstr(get(hObject,'String')) returns popupmenu1 contents as cell array
    %        contents{get(hObject,'Value')} returns selected item from popupmenu1
    
    
    % --- Executes during object creation, after setting all properties.
    function popupmenu1_CreateFcn(hObject, eventdata, handles)
    % hObject    handle to popupmenu1 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    empty - handles not created until after all CreateFcns called
    
    % Hint: popupmenu controls usually have a white background on Windows.
    %       See ISPC and COMPUTER.
    if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
        set(hObject,'BackgroundColor','white');
    end
    
    
    % --- Executes on key press with focus on pushbutton1 and none of its controls.
    function pushbutton1_KeyPressFcn(hObject, eventdata, handles)
    
    
    
    % hObject    handle to pushbutton1 (see GCBO)
    % eventdata  structure with the following fields (see UICONTROL)
    %	Key: name of the key that was pressed, in lower case
    %	Character: character interpretation of the key(s) that was pressed
    %	Modifier: name(s) of the modifier key(s) (i.e., control, shift) pressed
    % handles    structure with handles and user data (see GUIDATA)
    
    
    % --- If Enable == 'on', executes on mouse press in 5 pixel border.
    % --- Otherwise, executes on mouse press in 5 pixel border or over pushbutton1.
    function pushbutton1_ButtonDownFcn(hObject, eventdata, handles)
    % hObject    handle to pushbutton1 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    
    
    % --- Executes on slider movement.
    function slider2_Callback(hObject, eventdata, handles)
    
    
    
    
    % hObject    handle to slider2 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    structure with handles and user data (see GUIDATA)
    
    % Hints: get(hObject,'Value') returns position of slider
    %        get(hObject,'Min') and get(hObject,'Max') to determine range of slider
    
    
    % --- Executes during object creation, after setting all properties.
    function slider2_CreateFcn(hObject, eventdata, handles)
    % hObject    handle to slider2 (see GCBO)
    % eventdata  reserved - to be defined in a future version of MATLAB
    % handles    empty - handles not created until after all CreateFcns called
    
    % Hint: slider controls usually have a light gray background.
    if isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
        set(hObject,'BackgroundColor',[.9 .9 .9]);
    end
    

    三、运行结果

    在这里插入图片描述

    四、matlab版本及参考文献

    1 matlab版本
    2014a

    2 参考文献
    [1]韩纪庆,张磊,郑铁然.语音信号处理(第3版)[M].清华大学出版社,2019.
    [2]柳若边.深度学习:语音识别技术实践[M].清华大学出版社,2019.

    展开全文
  • 句子的相似度计算在自然语言处理的各个领域都占有十分重要的地位。提出了一种多特征融合的句子相似度计算模型,该计算方法把句子的词形、词序、结构、长度、距离和语义这6种特征相似度考虑进来,通过对不同的特征...
  • 语音去噪中最常用的方法是谱减法,谱减法是一种发展较早且应用较为成熟的语音去噪算法,该算法利用加性噪声与语音不相关的特点,在假设噪声是统计平稳的前提下,用无语音间隙测算到的噪声频谱估计值取代有语音期间...

    一、简介


    在语音去噪中最常用的方法是谱减法,谱减法是一种发展较早且应用较为成熟的语音去噪算法,该算法利用加性噪声与语音不相关的特点,在假设噪声是统计平稳的前提下,用无语音间隙测算到的噪声频谱估计值取代有语音期间噪声的频谱,与含噪语音频谱相减,从而获得语音频谱的估计值。谱减法具有算法简单、运算量小的特点,便于实现快速处理,往往能够获得较高的输出信噪比,所以被广泛采用。该算法经典形式的不足之处是处理后会产生具有一定节奏性起伏、听上去类似音乐的“音乐噪声”。

    转换到频域后,这些峰值听起来就像帧与帧之间频率随机变化的多频音,这种情况在清音段尤其明显,这种由于半波整流引起的“噪声”被称为“音乐噪声”。从根本上,通常导致音乐噪声的原因主要有:
    (1)对谱减算法中的负数部分进行了非线性处理
    (2)对噪声谱的估计不准
    (3)抑制函数(增益函数)具有较大的可变性
     1 原理

     


     二、源代码

    ```c
    global hr1 hr2 hr3 hr4 s y fs
    clf reset
    set(gcf,'menubar','none')
    set(gcf,'unit','nor malized','position',[0.1,0.1,0.85,0.85]);
    set(gcf,'defaultuicontrolunits','normal')
    set(gcf,'defaultuicontrolfontsize',12);
    uicontrol('style','frame','position',[0.64,0.6,0.3,0.3]);
    uicontrol('style','text','string','选择按钮框','position',[0.65,0.91,0.12,0.03],'horizontal','left');
    hr1=uicontrol(gcf,'style','popupmenu','string','谱减法|维纳滤波法|最小均方误差估计法','position',[0.65,0.85,0.25,0.03]);
    hr2=uicontrol(gcf,'style','toggle','string','开始/关闭','position',[0.72,0.65,0.15,0.05]);
    %uicontrol(gcf,'style',')
    %htitle1=title('原是语音波形');
    uicontrol('style','text','string','原始语音波形','position',[0.25,0.93,0.12,0.03],'horizontal','center');
    h_axes1=axes('position',[0.05,0.54,0.52,0.38]);
    set(h_axes1,'ylim',[-1,1]);
    %t=0:pi/50:2*pi;
    %y=sin(t);
    %plot(t,y);
    [y,fs,bit]=wavread('C:\Users\lenovo\Desktop\89787488speech_enhancement_GUI\speech enhancement\5.wav');
    L1=length(y);
    t1=1:L1;
    plot(t1,y);

    uicontrol('style','text','string','增强后语音波形','position',[0.25,0.45,0.12,0.03],'horizontal','center');
    h_axes2=axes('position',[0.05,0.05,0.52,0.38]);
    set(h_axes2,'ylim',[-1,1]);
    set(hr1,'callback','speech_enhancement');
    set(hr2,'callback','speech_enhancement');
    function [ss,po]=specsubm(s,fs,p)
    %SPECSUBM performs speech enhancement using spectral subtraction [SS,PO]=(S,FS,P)
    %
    % implementation of spectral subtraction algorithm by R Martin (rather slow)
    % algorithm parameters: t* in seconds, f* in Hz, k* dimensionless
    % 1: tg = smoothing time constant for signal power estimate (0.04): high=reverberant, low=musical
    % 2: ta = smoothing time constant for signal power estimate
    %        used in noise estimation (0.1)
    % 3: tw = fft window length (will be rounded up to 2^nw samples)
    % 4: tm = length of minimum filter (1.5): high=slow response to noise increase, low=distortion
    % 5: to = time constant for oversubtraction factor (0.08)
    % 6: fo = oversubtraction corner frequency (800): high=distortion, low=musical
    % 7: km = number of minimisation buffers to use (4): high=waste memory, low=noise modulation
    % 8: ks = oversampling constant (4)
    % 9: kn = noise estimate compensation (1.5)
    % 10:kf = subtraction floor (0.02): high=noisy, low=musical
    % 11:ko = oversubtraction scale factor (4): high=distortion, low=musical
    if nargin<3 po=[0.04 0.1 0.032 1.5 0.08 400 4 4 1.5 0.02 4].'; else po=p; end
    ns=length(s);
    ts=1/fs;
    ss=zeros(ns,1);

    ni=pow2(nextpow2(fs*po(3)/po(8)));
    ti=ni/fs;
    nw=ni*po(8);
    nf=1+floor((ns-nw)/ni);
    nm=ceil(fs*po(4)/(ni*po(7)));

    win=0.5*hamming(nw+1)/1.08;win(end)=[];
    zg=exp(-ti/po(1));
    za=exp(-ti/po(2));
    zo=exp(-ti/po(5));

    px=zeros(1+nw/2,1);
    pxn=px;
    os=px;
    mb=ones(1+nw/2,po(7))*nw/2;
    im=0;
    osf=po(11)*(1+(0:nw/2).'*fs/(nw*po(6))).^(-1);

    imidx=[13 21]';
    x2im=zeros(length(imidx),nf);
    osim=x2im;
    pnim=x2im;
    pxnim=x2im;
    qim=x2im;

    for is=1:nf
       idx=(1:nw)+(is-1)*ni;
       x=rfft(s(idx).*win);
       x2=x.*conj(x);
       
       pxn=za*pxn+(1-za)*x2;
       im=rem(im+1,nm);
       if im
          mb(:,1)=min(mb(:,1),pxn);
       else
          mb=[pxn,mb(:,1:po(7)-1)];
       end
       pn=po(9)*min(mb,[],2);
       %os= oversubtraction factor
       os=zo*os+(1-zo)*(1+osf.*pn./(pn+pxn));
       
       px=zg*px+(1-zg)*x2;
       q=max(po(10)*sqrt(pn./x2),1-sqrt(os.*pn./px)); 
       ss(idx)=ss(idx)+irfft(x.*q);
       
    end
    ```

    三、运行结果

     

     

     

    展开全文
  • 中文分词是中文信息处理的基础,在诸如搜索引擎,自动翻译等多个领域都有着非常重要的地位。中文分词词典是中文机械式分词算法的基础,它将告诉算法什么是词,由于在算法执行过程中需要反复利用分词词典的内容进行...
  • 该资源是基于维纳滤波语音增强研究与仿真实现,在去噪方面有不错的效果。
  • 语音增强】基于GUI维纳滤波语音增强matlab 源码.md
  • 《自适应维纳滤波方法的语音增强.docx》由会员分享,可免费在线阅读全文,更多与《C版:自适应维纳滤波方法的语音增强(C2-1)》相关文档资源请在帮帮文库(www.woc88.com)数亿文档库存里搜索。1、()...

    《自适应维纳滤波方法的语音增强.docx》由会员分享,可免费在线阅读全文,更多与《C版:自适应维纳滤波方法的语音增强(C2-1)》相关文档资源请在帮帮文库(www.woc88.com)数亿文档库存里搜索。

    1、()Itisossiblecombinethismagnitudesectrumestima

    2、Transform(STFT)estimateasfollows:XjeSS

    3、ttimesquaredmagnitudesectrumcanbeobtainedasfollo

    4、ewiththemeasuredhaseandthengettheShortTimeFourie

    5、thesectralsubtractionaroachiserformedbyassumingt

    6、:SNRH()维纳滤波器缺点是在所有频率固定频率响应和要求,估计功率干净

    7、Pv(ω),thatisobtainedbyaveragingovermultileframes

    8、htheinverseFouriertransformˆ()这个定义可以被纳入到维纳滤波方程如

    9、hatthereisantheestimateoftheowersectrumofthenois

    10、w[]:otherwisevPXifvPXS,ˆ,ˆˆ

    11、faknownnoisesegmentAnestimateofthecleansignalsho

    12、ˆˆ()Anoisefreesignalestimatecanthenbeobtainedwi

    展开全文
  • 基于维纳滤波语音增强算法,有比较好的效果
  • 基于维纳滤波的matlab实现和优化,加入了谱减法和LPC等在语音增强中的应用
  • 基于维纳滤波语音增强研究,张波,裴东兴,谱减法是在语音增强技术中应用最广泛的的技术,但其残留音乐噪声过强;而改进的谱减法在消除残留音乐噪声方面虽有所加强,很难确
  • 通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号。通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较。实验结果表明改进算法在...
  • 使用维纳滤波和 PSR 相位重建的语音增强 该算法使用维纳滤波估计基础语音信号的幅度谱,并重建语音信号的相位谱。 相位重建方法利用了谐波信号的音调同步表示 (PSR) 的某些特性,这使得相位谱的估计更快、更准确。 ...
  • 本文提出了一种语音增强算法,该算法以基于先验信噪比估计的维纳滤波法为基础。通过计算无声段的统计平均得到初始噪声功率谱,并平滑处理初始噪声功率谱和带噪语音功率谱,更新了噪声功率谱;最后,考虑了某频率点处...
  • 语音增强了两种基本方法,kalman滤波和维纳滤波的方法。希望对学习增强的同学有帮助。
  • 维纳滤波程序

    2013-04-27 09:09:13
    是一个matlab的维纳滤波语音增强代码,能很好的实现功能
  • 维纳滤波降噪和语音增强

    千次阅读 2015-12-03 00:05:22
    我喜欢的智慧石资源: 维纳滤波降噪和语音增强
  • 单通道语音增强维纳滤波(四)

    千次阅读 2017-12-19 11:35:21
    4.1 维纳滤波算法在工程中的应用  维纳滤波的思想,除了被应用在语音增强领域,还在其他工程领域,比如图像增强、飞机盲着陆、地震数据处理、抗多址干扰盲检测等领域都有所应用。维纳滤波这种以最小均方误差的准则...
  • 单通道语音增强维纳滤波(二)

    千次阅读 2017-12-10 16:21:50
    其基本思想为:先用带噪语音去初始化增强语音,然后计算得到增益函数,并利用对带噪语音进行滤波,得到新的增强信号,随后重复计算增益函数,再对带噪语音进行滤波,得到新的增强语音,如此迭代数次后的增益函数值即...
  • 语音增强--维纳滤波介绍及MATLAB实现

    千次阅读 热门讨论 2021-01-19 13:38:22
    语音增强-------------维纳滤波 原理介绍 时域维纳滤波 若输入信号 和期望信号 是联合广义平稳随机过程,那么系统输出对应的误差可以表示为
  • 单通道语音增强维纳滤波(三)

    千次阅读 2017-12-17 19:20:21
    3.1 非迭代维纳滤波算法简介  上一节中主要介绍了一些利用迭代的方法去近似求解非因果解的维纳滤波增益函数的算法,并且实验结果也表明,利用迭代方法实现的非因果解维纳滤波具有不错的消噪性能。而这一节中,我将...

空空如也

空空如也

1 2 3 4 5 ... 16
收藏数 315
精华内容 126
关键字:

维纳滤波语音增强