基于短時譜相估計改進型減譜法語音降噪研究

喬彬彬，江 冰，馬 勝

(1.河海大學計算機與信息學院，常州 213022;2.江蘇樂眾信息技術有限公司，常州 213022)

1 引言

語音數據的輸入、輸出以及音頻數據處理質量是衡量手機等移動終端質量的重要因素。目前國內外對于手機音頻部分都有嚴格的測試標準，如國際上的3GPP TS26.131、TS26.132 標準，我國CTA 測試中的YD/T1538 -2011 標準等［1］。以下以手機設計為例，由于手機自身結構和使用者所處環境因素的影響，通話會受到各種噪聲干擾，如:環境噪聲、會話回音等，從而導致語音質量嚴重下降，因此，降噪技術顯得十分重要。

由于噪聲種類的多樣性，以及噪聲與噪聲之間特性的差異，針對不同的噪聲需采用不同的降噪方法。目前對于可加性噪聲的降噪處理算法可歸納為三大類:第一類是時域處理，如基于參數與模型的方法等;第二類是頻域處理，典型的有減譜法和自適應濾波器算法等;其余的噪聲處理方法歸為第三類，這部分主要有小波變換法和聽覺隱藏法等。非加性噪聲的處理可以通過變換使其轉換為可加性噪聲來處理，如同態濾波法等［2-4］。

2 語音信號觀測模型建立

語音信號是一種平穩的、時變的隨機信號，語音在生成過程中與發音器官的運動密切相關。由于人類的發生器官在發聲過程中的變化速度遠小于語音信號的變化速度，因此可以假定語音信號是短時平穩的，即在10～30ms 內認為其某些物理特性和頻譜特性保持不變。噪聲可以分為可加性噪聲和非可加性噪聲，可加性噪聲主要有:周期噪聲、脈沖噪聲、寬帶噪聲等。非可加性噪聲主要有殘響和傳送網絡的電路噪聲等［5］。

通常所要處理的環境噪聲可認為是一種可加性的寬帶噪聲，其特點是噪聲頻譜遍布于語音信號頻譜中，處理起來難度較大。為此這里利用語音信號的短時平穩特性以及噪聲信號相關性較弱的特點，建立含噪語音的觀測模型，其形式如公式(1)所示:

其中s(t)為純凈的語音信號，n(t)認為是近似白噪聲的干擾信號，y(t)為語音的噪聲觀察，即含噪語音。下文將基于此觀測模型對含噪語音信號進行分析處理。

3 減譜法算法原理

基于短時譜相估計的減譜法是一種發展較早的語音增強方法，減譜法具有算法簡單、運算量小的特點，便于信號的快速處理，同時獲得較高的輸出信噪比。

利用式(1)所示的語音信號觀察模型，并對y(t)進行分幀加窗處理，可得語音信號的分幀觀測模型:

其中:m∈(0，M -1);t∈(0，T -1)，m為語音幀編號，t為每幀語音信號的采樣點編號，M、T 分別是語音數據所分成的幀數以及每段語音幀的采樣點數。

分別設ym(t)、sm(t)、nm(t)的傅里葉變換為Yk(w)、Sk(w)、Nk(w)，則有:

由上式可得:

由于語音信號sm(t)和噪聲信號nm(t)相互獨立，所以Sk(w)、Nk(w)也相互獨立，同時由于Nk(w)為0 均值的高斯分布，所以有:

代入上式得:

對于第m 幀的短時平穩過程，有:

這里的噪聲通過MIC1 單獨采樣，所以nm(t)可認為是已知量，所以有:

分別設ym(t)、sm(t)、nm(t)的功率譜為Py(w)、Ps(w)、Pn(w)，由此可得原始語音的估計值為:

在具體運算時，為防止出現負功率譜的情況，當Py(w)＜Pn(w)時，令Ps(w)=0，則減譜法運算公式可歸納為:

減譜法語音增強技術的基本原理如圖1 所示，當進行頻域處理的過程中只考慮功率譜的變換，在最后IFFT 變換中借助相位譜來恢復降噪后的語音時域信號。

圖1 基本減譜法原理圖

由于人耳對相位變化不敏感的特點，可以利用源語音信號的相位譜來代替估計后的語音信號相位譜從而恢復降噪后的語音時域信號。

4 基本減譜法的算法改進

由于語音的能量通常集中在某些頻段內，這些頻段內的幅度相對較高，而基本減譜法是對整個語音段減去相同的噪聲功率譜。同時由于隨機噪聲的幀功率譜是隨機變化的，其大小值之間的比值可以達到幾個數量級，因此，減譜后仍會有較大的殘余噪聲。這里引入減譜噪聲系數α，在幅度較高的時域幀處減去αPn(w)(α ＞1)，以更好的突出語音譜，提高系統的降噪處理能力。

其中α ＞1，b?1。

此外，還需要對功率譜進行修正處理，以增加靈活性，通過引入功率譜系數β，由基本減譜法得到新的更具一般性的減譜法算法，其公式如(13)所示:

經功率譜修正處理后，適當的調節功率譜系數β的值可以取得更佳的語音增強效果，其靈活性得到進一步的提高。

基于以上的修改，基本減譜法的改進形式可表示為:

其中，在語音能量較高的區域令α ＞1，以多減去一個噪聲分量，可起到突出語音頻譜的作用。功率譜系數β的作用是提高信噪比，增大系數β 值時，系統信噪比可得到提高，反之則減小。

在減譜過程中，系數α、β 值需要在不同的語音幀處理中根據實際情況來動態調整。這樣可以在減譜過程中提高信噪比的同時避免不必要的語音失真，以保證增強后語音信號的清晰度。

設P為信號幀功率譜，Pm為信號幀功率譜的最大值。

其中，M、N為根據語音數據實際情況來調整的系數。當P 與Pm的比較小時，此時噪聲分量較小，α 值較小;當P 與Pm的比較大時，此時噪聲分量較大，α 值較大。同理可得β 值的變化規律。

5 實驗結果分析

實驗語音是一段電話通話錄音，干擾噪聲是從SPB的噪聲庫下載的純白噪聲和工廠背景噪聲，通過與語音信號的疊加得到含噪語音信號，數據采樣頻率為44100Hz，16bit的wav 文件。在程序設計中采用幀間重疊譜法進行語音處理，每幀采樣點256個，重疊區域185個點，去前十幀為噪聲幀。算法實現結合圖1 減譜法基本原理，用C 語言對算法進行編程驗證。

圖2 白噪聲環境下降噪效果對比

圖3 工廠環境下降噪效果對比

圖2、圖3 分別給出了語音信號在純白噪聲干擾下和工廠背景噪聲干擾下基本減譜法和改進減譜法的降噪結果。

通過主觀試聽以及對比處理前后的波形圖可知，在純白噪聲環境，即噪聲功率分布均勻的情況下，基本減譜法與改進減譜法降噪效果區別不大;在工廠環境，即噪聲功率譜比較集中的情況下，改進減譜法的降噪效果明顯優于基本減譜法的降噪效果。實驗驗證了改進減譜法的可行性以及對于噪聲處理的靈活性。

6 結束語

通過對基本減譜法的降噪原理分析，以短時譜相估計為基礎，通過引入減譜噪聲系數α 和功率譜系數β 對基本減譜法進行改進，實驗對比了純白噪聲環境和工廠環境下的降噪效果。通過主觀試聽和波形觀察，得出改進的減譜法能有效降低噪聲的干擾，大幅度提高帶噪語音的輸出信噪比。

［1］YD/T 1538 -2011.數字移動終端音頻性能技術要求及測試方法［S］.中國大陸:中國通信標準化協會，2011年5 月.

［2］王振力，張雄偉，楊吉斌，韓彥明.基于去相關NLMS 算法的自適應回波抵消［J］.應用科學學報，2006，24(1):21 -24.

［3］朱俊敏，張瀟，王旌陽，吳粵北.基于模極大值和尺度理論的音頻降噪方法［J］.振動與沖擊，2002，28(11):168 -172.

［4］黃玫，李雙田.改進的正弦模型在音頻時域修正中的應用［J］.語音技術，2008，32(3):49 -51.

［5］黃蘇雨，梁聲灼，黃蘇園.語音增強方法綜述［J］.計算機與現代化，2006，46(10):1685 -1687.