【摘要】：語音作為一種方便、快捷、有效的交流方式,在人們的日常生活中扮演著非常重要的角色。隨著社會科技的不斷進(jìn)步及其人工智能的迅猛發(fā)展,語音信號也逐漸成為人-機(jī)交互的一種重要方式,其較傳統(tǒng)的人-機(jī)交互方式更加的便捷、高效和安全,故被廣泛應(yīng)用于工業(yè)控制、醫(yī)療輔助、安防保障、智能家居等諸多方面。然而在實(shí)際的應(yīng)用場景中語音信號不可避免的會受到周圍環(huán)境噪聲的干擾,進(jìn)而影響語音質(zhì)量,導(dǎo)致其無法完成正常的人-機(jī)交互功能。因此語音增強(qiáng)作為一個能夠有效抑制噪聲分量,提高語音質(zhì)量的方法,具有重要的研究意義和應(yīng)用價值。針對車載環(huán)境這一特定的應(yīng)用場景,噪聲信號具有低頻分布、先驗(yàn)知識不易獲得、與語音信號混合情況復(fù)雜等特點(diǎn),造成了許多語音增強(qiáng)算法并不能很好的適用于車載環(huán)境。因此本文在分析車載噪聲和車載聲學(xué)場景的基礎(chǔ)上,建立噪聲信號和語音信號的卷積混合模型,研究盲源分離(Blind Source Separation,BSS)技術(shù)在車載環(huán)境下進(jìn)行語音增強(qiáng)的有效性和可行性,以提高車載環(huán)境下帶噪語音信號的質(zhì)量和可懂度。本文具體開展了以下的工作:(1)車載聲學(xué)場景分析建模和噪聲估計(jì)算法研究。根據(jù)車載環(huán)境所固有的特點(diǎn),分析車載噪聲的來源及其和駕駛員語音信號在車內(nèi)的傳播路徑,建立噪聲信號和語音信號在車內(nèi)的卷積混合模型。由于多數(shù)語音增強(qiáng)算法都需要噪聲的估計(jì)值作為消噪的先驗(yàn)知識,因此噪聲估計(jì)的準(zhǔn)確性將直接影響這些語音增強(qiáng)算法的性能。本文在歸納總結(jié)一些常用的語音處理理論基礎(chǔ)上,對現(xiàn)有常用的噪聲估計(jì)算法進(jìn)行了研究,包括語音端點(diǎn)檢測噪聲估計(jì)算法和最小值控制遞歸平均噪聲估計(jì)算法。(2)語音質(zhì)量評價和語音增強(qiáng)算法研究。文章歸納總結(jié)了一些常用的語音信號質(zhì)量主客觀評價標(biāo)準(zhǔn),并分析了這些評價標(biāo)準(zhǔn)的優(yōu)缺點(diǎn)。同時針對真實(shí)環(huán)境下客觀評價標(biāo)準(zhǔn)缺少參考源這一問題,本文構(gòu)建了一個基于隱馬爾科夫模型(Hidden Markov Model,HMM)的小詞匯量語音識別引擎,并將語音識別率納入了無參考源語音質(zhì)量的評價體系中。對于語音增強(qiáng)算法的研究,文章首先實(shí)驗(yàn)性分析了譜減法和維納濾波法這兩個經(jīng)典的語音增強(qiáng)算法,并給出了它們對車載帶噪語音信號的消噪結(jié)果;其次針對一些傳統(tǒng)語音增強(qiáng)算法的不足,本文提出了一個改進(jìn)的小波閾值函數(shù)語音增強(qiáng)算法,該算法可有效抑制寬帶噪聲和提高語音質(zhì)量;最后文章闡述了獨(dú)立分量分析(Independent Component Analysis,ICA)的基本理論框架和實(shí)現(xiàn)原理,并重點(diǎn)研究了利用基于負(fù)熵的復(fù)值ICA在頻域盲解卷積,實(shí)現(xiàn)語音增強(qiáng)的過程。該ICA語音增強(qiáng)過程不僅可以較好的契合卷積混合模型,而且可以很好的彌補(bǔ)現(xiàn)有語音增強(qiáng)算法在車載環(huán)境中應(yīng)用的不足。(3)基于卷積ICA的車載語音增強(qiáng)算法研究。文章根據(jù)語音信號和車載噪聲信號的卷積混合特性以及它們在頻域的非高斯分布特性,提出利用基于負(fù)熵極大的卷積ICA對車載帶噪語音信號進(jìn)行語音增強(qiáng),并對該增強(qiáng)過程進(jìn)行針對性的優(yōu)化。文章在仿真環(huán)境,室內(nèi)環(huán)境,真實(shí)車載環(huán)境三種聲學(xué)場景下構(gòu)建了車載帶噪語音信號語料庫,并采用基于負(fù)熵的卷積ICA進(jìn)行語音消噪。實(shí)驗(yàn)結(jié)果表明,該卷積ICA消噪后語音信號的識別率較車載帶噪語音信號分別最高提高了18.33%,30%,27.5%,展現(xiàn)出該卷積ICA在車載聲學(xué)場景中應(yīng)用的有效性和魯棒性。最后本文針對頻域盲解卷積ICA的語音消噪效果受語音信號分幀長度和幀移大小影響的問題進(jìn)行了實(shí)驗(yàn)性研究和闡述。(4)復(fù)雜環(huán)境下語音增強(qiáng)系統(tǒng)的研究和實(shí)現(xiàn)。本文在所研究的噪聲估計(jì)算法和語音增強(qiáng)算法基礎(chǔ)上,選擇部分算法結(jié)合語音媒體控制邏輯,在Windows平臺下利用C++實(shí)現(xiàn)了一套復(fù)雜環(huán)境下的語音增強(qiáng)系統(tǒng)。該系統(tǒng)具有語音波形顯示,頻譜顯示,選擇性語音增強(qiáng)、語音播放保存等功能。測試結(jié)果表明,該系統(tǒng)不但具有較好的語音增強(qiáng)性能,同時獲得了較強(qiáng)的可靠性和魯棒性。
[Abstract]:As a convenient, fast and effective way of communication, speech plays a very important role in people's daily life. Along with the progress of social science and technology and the rapid development of artificial intelligence, the voice signal gradually becomes an important way of human-machine interaction. It is more convenient, efficient and safe than the traditional man-machine interactive mode, so it is widely used in industrial control and medical assistance. Security and security, smart home and other aspects. However, in the actual application scene, the voice signal is inevitably disturbed by surrounding environmental noise, and then the voice quality is influenced, and the normal person-machine interaction function can not be completed. Therefore, speech enhancement plays an important role in suppressing noise components and improving the quality of speech. Aiming at this particular application scene of vehicle-mounted environment, the noise signal has low frequency distribution, the prior knowledge is not easy to obtain, and the mixing condition of the voice signal is complicated and the like, so that many voice enhancement algorithms do not apply to the vehicle-mounted environment very well. Therefore, based on the analysis of vehicle-mounted noise and vehicle-mounted acoustic scene, this paper establishes the convolution mixture model of noise signal and speech signal, and researches the validity and feasibility of blind source separation (BSS) technology in vehicle-mounted environment. so as to improve the quality and the intelligibility of the noisy speech signal under the vehicle-mounted environment. In this paper, the following work is carried out: (1) on-board acoustic scene analysis modeling and noise estimation algorithm research. According to the inherent characteristics of vehicle-mounted environment, the source of vehicle-mounted noise and the propagation path of the driver's voice signal in the vehicle are analyzed, and the convolution mixture model of the noise signal and the voice signal in the vehicle is established. Since most speech enhancement algorithms require an estimate of noise as a priori knowledge of noise cancellation, the accuracy of the noise estimation will directly affect the performance of these speech enhancement algorithms. On the basis of summarizing some common speech processing theories, this paper studies the existing commonly used noise estimation algorithms, including the speech endpoint detection noise estimation algorithm and the minimum control recursive average noise estimation algorithm. (2) Speech quality evaluation and speech enhancement algorithm research. The main objective evaluation criteria of speech signal quality are summarized in this paper, and the advantages and disadvantages of these evaluation standards are analyzed. At the same time, we construct a small vocabulary speech recognition engine based on Hidden Markov Model (HMM) based on Hidden Markov Model (HMM) and integrate the speech recognition rate into the evaluation system without reference source speech quality. For the research of speech enhancement algorithm, the paper firstly analyzes the two classical speech enhancement algorithms of spectral subtraction and Wiener filtering, and gives their noise elimination results for vehicle-mounted noisy speech signal; secondly, aiming at the deficiency of some traditional speech enhancement algorithms, This paper presents an improved speech enhancement algorithm for small wave threshold functions, which can effectively suppress wideband noise and improve speech quality. Finally, the basic theoretical framework and implementation principle of Independent Component Analysis (ICA) are described. In this paper, we focus on the process of using complex value ICA based on negative entropy in the frequency domain blind deconvolution to realize the speech enhancement. The ICA speech enhancement process not only can better fit the convolution mixing model, but also can make up the deficiency of the existing speech enhancement algorithm in the vehicle-mounted environment. (3) Research on vehicle-mounted speech enhancement algorithm based on convolution ICA. Based on the convolution mixing characteristics of speech signal and vehicle-mounted noise signal and their non-Gaussian distribution in frequency domain, the speech enhancement of vehicle-mounted noisy speech signal using convolution ICA based on negative entropy is proposed, and the enhancement process is optimized. In this paper, an on-board noisy speech signal corpus was constructed under three acoustic scenes of environment, indoor environment and real vehicle environment, and the speech noise was eliminated by convolution ICA based on negative entropy. The experimental results show that the recognition rate of the speech signal after the convolution ICA is improved by 18. 33%, 30% and 27. 5% respectively, which shows the validity and robustness of the convolution ICA in the vehicle-mounted acoustic scene. In the end, the speech noise elimination effect of blind deconvolution ICA in frequency domain is studied and explained by the influence of frame length and frame shift size of speech signal. (4) Research and implementation of speech enhancement system under complex environment. In this paper, based on the studied noise estimation algorithm and speech enhancement algorithm, a part of the algorithm is selected to combine with the speech media control logic, and the speech enhancement system under a complex environment is realized with C ++ under the Windows platform. The system has the functions of voice waveform display, frequency spectrum display, selective speech enhancement, voice play preservation and the like. The test results show that the system not only has better speech enhancement performance, but also has better reliability and robustness.
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN912.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡光銳,虞曉;基于二階前向結(jié)構(gòu)和信息最大理論的語音增強(qiáng)算法[J];上海交通大學(xué)學(xué)報;2000年07期

2 姚峰英,張敏;用于語音增強(qiáng)的高頻信噪比度量[J];聲學(xué)學(xué)報;2002年05期

3 彭煊,劉金福,王炳錫;基于獨(dú)立分量分析的語音增強(qiáng)[J];信號處理;2002年05期

4 王金明,張雄偉;一種基于自適應(yīng)模糊濾波的語音增強(qiáng)方法[J];解放軍理工大學(xué)學(xué)報(自然科學(xué)版);2003年01期

5 楊匯軍,鄭海英,王立紅;語音增強(qiáng)方法的研究[J];遼寧工學(xué)院學(xué)報;2003年05期

6 徐爽,韓芳芳,鄭德忠;基于閾值的小波域語音增強(qiáng)新算法[J];傳感技術(shù)學(xué)報;2004年01期

7 孫新德;一種改進(jìn)的語音增強(qiáng)方法及實(shí)現(xiàn)[J];鄭州航空工業(yè)管理學(xué)院學(xué)報(社會科學(xué)版);2005年04期

8 錢國青;趙鶴鳴;;基于改進(jìn)譜減算法的語音增強(qiáng)新方法[J];計(jì)算機(jī)工程與應(yīng)用;2005年35期

9 王晶,傅豐林,張運(yùn)偉;語音增強(qiáng)算法綜述[J];聲學(xué)與電子工程;2005年01期

10 楊毅;楊宇;余達(dá)太;;語音增強(qiáng)及其消噪能力研究[J];微電子學(xué)與計(jì)算機(jī);2006年07期

相關(guān)會議論文 前10條

1 陳凱;俞蒙槐;胡上序;付強(qiáng);;語音增強(qiáng)系統(tǒng)性能評測方法綜述[A];第四屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];1996年

2 王建波;林本浩;田春明;劉睿;;語音增強(qiáng)及其相關(guān)技術(shù)研究[A];2009通信理論與技術(shù)新發(fā)展——第十四屆全國青年通信學(xué)術(shù)會議論文集[C];2009年

3 徐舒;孫洪;;基于融合迭代的語音增強(qiáng)方法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

4 牛剛;任新智;吳國慶;;諧波能量匯集度在語音增強(qiáng)中的應(yīng)用[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

5 國雁萌;;一種極低信噪比條件下的語音增強(qiáng)方法[A];第六屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];2001年

6 江峰;李曉東;;適用于抑制非平穩(wěn)背景噪聲的語音增強(qiáng)算法[A];中國聲學(xué)學(xué)會2003年青年學(xué)術(shù)會議[CYCA'03]論文集[C];2003年

7 閻兆立;杜利民;;維納后濾波語音增強(qiáng)算法研究[A];中國聲學(xué)學(xué)會2005年青年學(xué)術(shù)會議[CYCA'05]論文集[C];2005年

8 劉淑華;胡強(qiáng);覃團(tuán)發(fā);萬海斌;;語音增強(qiáng)算法的研究[A];2005通信理論與技術(shù)新進(jìn)展——第十屆全國青年通信學(xué)術(shù)會議論文集[C];2005年

9 魏臻;張景達(dá);陸陽;;嵌入式系統(tǒng)中語音增強(qiáng)改進(jìn)算法的研究[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（一）[C];2007年

10 楊威明;;基于閾值的小波變換語音增強(qiáng)方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（上冊）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 歐世峰;變換域語音增強(qiáng)算法的研究[D];吉林大學(xué);2008年

2 尹偉;基于模型的語音增強(qiáng)方法及質(zhì)量評估研究[D];武漢大學(xué);2009年

3 王海艷;基于統(tǒng)計(jì)模型的語音增強(qiáng)算法研究[D];吉林大學(xué);2011年

4 方瑜;語音增強(qiáng)相關(guān)問題研究[D];北京郵電大學(xué);2012年

5 姚峰英;語音增強(qiáng)系統(tǒng)的研究與實(shí)現(xiàn)[D];中國科學(xué)院上海冶金研究所;2001年

6 夏丙寅;面向移動通信的單通道語音增強(qiáng)方法研究[D];北京工業(yè)大學(xué);2014年

7 徐勇;基于深層神經(jīng)網(wǎng)絡(luò)的語音增強(qiáng)方法研究[D];中國科學(xué)技術(shù)大學(xué);2015年

8 陶智;低信噪比環(huán)境下語音增強(qiáng)的研究[D];蘇州大學(xué);2011年

9 王娜;基于小波變換與約束方差噪聲譜估計(jì)的語音增強(qiáng)算法研究[D];燕山大學(xué);2011年

10 趙彥平;基于稀疏表示的語音增強(qiáng)方法研究[D];吉林大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 肖佩霖;雙通道語音增強(qiáng)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2011年

2 陳成斌;針對于家居環(huán)境的語音增強(qiáng)系統(tǒng)的研究與開發(fā)[D];華南理工大學(xué);2015年

3 魏有權(quán);基于噪聲估計(jì)的語音增強(qiáng)算法研究[D];昆明理工大學(xué);2015年

4 胡勇;麥克風(fēng)陣列語音增強(qiáng)算法研究[D];電子科技大學(xué);2014年

5 曹后斌;有色背景噪聲環(huán)境下語音增強(qiáng)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

6 馬小惠;陣列語音增強(qiáng)在車載環(huán)境中的應(yīng)用[D];大連理工大學(xué);2015年

7 李達(dá);無線聲學(xué)傳感器網(wǎng)絡(luò)中分布式語音增強(qiáng)方法研究[D];大連理工大學(xué);2015年

8 高珍珍;基于梅爾頻譜域HMM的語音增強(qiáng)方法研究[D];北京工業(yè)大學(xué);2015年

9 宋環(huán)宇;全數(shù)字助聽器語音增強(qiáng)算法研究[D];哈爾濱工業(yè)大學(xué);2014年

10 王永杰;基于麥克風(fēng)陣列的語音增強(qiáng)算法研究[D];西安電子科技大學(xué);2014年

，

本文編號：2284152