基于連續噪聲譜估計的譜減法語音增強算法*

嚴思偉，屈曉旭，婁景藝

（海軍工程大學 電子工程學院，湖北 武漢 430033）

0 引 言

語音是人類交流信息最自然、最有效、最方便的手段。伴隨著通信技術的發展，語音通信已經成為人們日常工作和生活中不可或缺的一部分。然而，語音通信過程中不可避免地會受到來自環境、設備內部等一系列的噪聲。這些噪聲的存在會影響語音處理系統的性能，最終影響接收者接收信號的質量。為了從被污染的語音信號中提取盡可能純凈的話音信號，語音增強技術應運而生。目前，語音增強的主要方法有基于短時譜估計的語音增強法[1-2]、基于聽覺掩蔽的語音增強法[3]、噪聲對消法[4]和小波變換法[5]等。在基于短時譜估計法中，Boll等人提出的語音功率譜減法以其算法的簡單、高效一直被沿用至今。但是，該算法由于其平穩性假設，同實際含噪聲情況不相符，在實際應用中存在較大的音樂噪聲。Berouti等人[6]提出了功率譜過減法，有效平衡了噪聲殘留。張悅等人[7]對文獻[6]中的算法進行了改進，運用人耳的聽覺特性即聽覺掩蔽效應[8]，適當加入寬帶噪聲來掩蓋音樂噪聲。該算法雖然在一定程度上能夠降低音樂噪聲的影響，但是在信噪比較低的情況下，降噪效果不明顯，還有可能導致語音的惡化。語音的端點檢測（VAD）用來確定語音信號的起點和結束點。有效的端點檢測可以最短化處理時間，并提高語音質量[9]。通常的VAD采用短時過零率進行，文獻[10]對該方法進行了說明，但是在低信噪比下該方法準確率不足。

短波信道噪聲譜是時變的，所以必須進行連續噪聲譜估計。本文在傳統譜減法的基礎上結合連續噪聲譜估計算法和維納濾波器提出了一種新的譜減語音增強算法，在此基礎上通過維納濾波器對處理后信號進行連續的頻域平滑處理。通過仿真，比較了短時過零率端點檢測和改進的端點檢測算法，以及傳統譜減法和改進后的譜減法，證明改進的算法效果更好。

1 傳統的譜減法

傳統的譜減法以其簡單、高效的特性一直沿用至今。在噪聲信號和語音信號互不相關以及在頻域內是加性關系的假設前提下，通過從帶噪語音的功率譜中減去對噪聲功率譜的估計，從而得到純音信號的功率譜；基于人耳對語音信號的短時相位不敏感的感覺特性，可以通過純音信號的功率譜和原帶噪語音信號的相位譜來恢復純凈的語音信號。流程圖如圖1所示。

圖1 譜減法實現流程

假設語音是平穩信號，則帶噪語音信號可以表示為：

其中， y ( n)、 s( n)和d(n)分別為帶噪語音、純凈語音和噪聲信號，經過分幀、加窗處理后，等式兩邊同時做FFT變換，則原式時域和頻域分別表示為：

其中，表示加窗處理， Yw( ω )、 Sw(ω)和Dw(ω)分別為 y ( n)、 s( n)和d(n)的FFT。考慮到人耳對相位的不敏感，忽略語音和噪聲相位的區別。又由于語音和噪聲的互不相關，則原帶噪信號的幅度譜和功率譜可表示為：

其中，λ為譜指數。當λ=1時，表示為幅度譜，λ=2時，表示為功率譜。在估計出噪聲譜的情況下，可以直接通過從原帶噪信號譜中減去噪聲估計譜來得到純音信號譜，且將原帶噪信號的相位作為純音信號的相位，從而達到語音增強的效果。具體表達式為：

其中，表示語音的估計，)(ωθy表示帶噪語音信號的相位。對進行IFFT后，可以得到增強后的語音信號。

2 改進的譜減法

針對傳統譜減法存在的問題，本文提出了一種結合連續噪聲譜估計和維納濾波器的改進的譜減法，具體流程如圖2所示。

圖2 改進譜減法流程

2.1 端點檢測與連續噪聲譜估計

傳統譜減法的噪聲能量通常以無語音期間噪聲能量的統計平均進行估計。然而，由于短波信道的噪聲譜是時變的，噪聲頻譜為高斯分布，僅僅通過采用“寂靜段”噪聲的統計平均來估計噪聲譜。這樣在某些噪聲分量大的頻率點會保留很大一部分噪聲，使語音增強的效果不明顯甚至惡化。改進算法通過端點檢測來識別噪聲段，并對噪聲譜進行不間斷的更新來進行噪聲估計。傳統的譜減法端點檢測通常采用平均過零率來進行檢測，即語音信號時域波形穿過時間軸的次數。這種算法在信噪比較高的情況下適用，然而在信噪比較低的情況下會失效。倘若在低信噪比的條件下，端點檢測的失效會導致語音幀被判定為噪聲幀進行處理，從而產生語音回聲。

針對上述問題，提出了一種基于連續噪聲譜估計的端點檢測和噪聲估計算法。它是在背景噪聲相對于語音信號是近似穩態的基礎上，運用能量平均法快速更新噪聲能量譜以及進行端點檢測。

首先，對原語音信號進行預處理，即分幀、加窗及FFT處理后，取ε幀信號的總能量的平均值作為初始噪聲能量，此時的噪聲估計值為：

其中，是當前噪聲能估計值，并將其設置為前ε幀的能量；是前ε幀各幀能量估計值。從后一幀開始，設定一個端點門限值。倘若該幀能量高過端點門限值，即判定這一幀為語音幀；否則，判定該幀為噪聲幀。考慮到如果將語音幀當做噪聲幀處理，會導致產生語音回聲，因此語音幀的門限值需要設置較低，即所有可能的語音幀統一判定為語音幀。具體判定該幀為噪聲的條件可以表示為：

其中，μ為端點門限值。

此時，考慮到噪聲是近似穩態的，或者說是一種慢變的過程，可以采用濾波法進行噪聲估計[11]。噪聲功率譜估計值可以表示為：

其中，α為濾波系數，典型的取值為0.8～0.95，本文選取α值為0.8。相反，如果該幀能量大于端點門限值，即：

則判定該幀為語音幀。此時，為了端點檢測和噪聲估計的準確性，置該幀相鄰前后幀為語音幀，并置這ε幀噪聲能量為第幀能量。經過反復的運算，直到找出所有的語音幀和各幀噪聲估計值。基于連續譜估計的端點檢測和噪聲估計算法的實現流程，如圖3所示。

圖3 端點檢測和連續噪聲譜估計

通過傳統功率譜減法后的語音信號，在頻率域中還存在殘留噪聲。為了消除或者削弱這些噪聲，可以多減去一些噪聲值，降低噪聲的影響，這種方法叫功率譜過減法。具體的實現過程可以表示為：

式中，a為降噪系數。當a=1時，為傳統功率譜減法；信噪比大時，a可設置得大一些，此時為功率譜過減法。這里還存在一個問題，即如果噪聲估計值過大，可能會有負譜的出現。為了防止負譜的出現，這里采用半波整流法，即當時，將其結果置為0。

為了確定降噪系數a，這里每10s進行一次信噪比（SNR）估計。若取a=3；若取a=2；否則，取a=1。

2.2 維納濾波平滑

在信號頻域處理的過程中，由于相鄰頻率點進行的處理可能并不相同，導致了相鄰連續頻率點之間的不連續性，從而影響增強語音的質量。因此，有必要在譜減法之后對增強信號進行頻域的平滑處理。仿真實驗證明，維納濾波平滑有效。所以，這里采用維納濾波進行平滑處理。

這里定義一個傳遞函數Gk，表達式為：

其中，kG 表示第k幀維納濾波傳遞函數，表示第 k ? 1 幀輸入信號的功率譜，表示第 1k? 幀的噪聲功率譜，那么第k幀輸出增強信號功率譜可以表示為：

其中，表示通過維納濾波平滑之前的輸出增強信號。

3 仿真結果

在MATLAB7.0的操作系統下對語音信號進行仿真。輸入語言采用NOIZEUS語料庫中的語音，采樣率為8 kHz。用漢明窗對帶噪語音進行分幀加窗處理，幀長256 ms，幀間疊接128 ms，選取ε為20幀，端點門限μ為1.2，濾波系數α為0.8。首先，在純音信號中添加高斯白噪聲生成不同信噪比（-10 dB、0 dB、10 dB和20 dB）的語音文件，然后運用短時過零率、短時能量分別對語音進行端點檢測。圖4為端點檢測算法仿真，4張圖片分別對應信噪比為-10 dB、0 dB、10 dB和20 dB時能量和過零率的情況對比。

圖4 不同信噪比下能量和過零率情況

由仿真結果可知，在信噪比較高時，過零率檢測能夠粗略檢測出端點位置，但在低信噪比時失效；而能量檢測在低信噪比和高信噪比下均有效，在低信噪比時因噪聲占主導，端點檢測錯誤而得到的噪聲估計仍然有效。

在此基礎上，用MATLAB對改進譜減算法進行仿真實現，并將增強后的語音信號同原信號進行時域和頻域的對比，觀察兩者之間時域和頻域的波形，可以直觀反映出語音增強的效果，如圖5所示。

圖5（a）是增強信號和帶噪語音信號的時域對比。顯而易見，增強信號幅度上沒有改變，而背景噪聲得到了有效消除，音樂噪聲得到了良好抑制。圖5（b）是兩者的功率譜對比。可以看到，語音增強信號和帶噪語音功率譜相比，沒有發生變化，說明增強信號很好地保留了語音信號的特征和質量。

圖5 語音信號對比

4 結 語

傳統的譜減法雖然能夠從帶噪語音信號中提取比較純凈的語音信號，但是會產生明顯的“音樂噪聲”。它要比原始語音中的噪聲清楚得多，也更加令人反感。本文針對短波信道中噪聲譜的時變問題，提出了改進的連續譜估計譜減法。進行反復連續的端點檢測和噪聲估計，通過選取合適的降噪系數，不但能夠消除背景噪聲，提高語音信號的信噪比，而且能有效抑制“音樂噪聲”，得到更好的語音可懂度和清晰度。

[1] Chen J,Benesty J,Huang Y,et al.New Insights into the Noise Reduction Wiener Filter[J].IEEE Transactions on Audio,Sjzeech,and Language Processi ng,2006,14(04):1218-1234.

[2] Boll S.Suppression of Acoustic Noise in Speech Using Spectral Subtraction[J].IEEE Transactions on Acoustics,Speech,and Signal Processing,1979,27(02):113-120.

[3] 蔡軍,李飛,張毅.基于聽覺掩蔽效應的語音增強算法[J].計算機工程,2017,43(07):288-292.CAI Jun,LI Fei,ZHANG Yi.A Speech Enhancement Algorithm Based on Auditory Masking Effect[J].Computer Engineering,2017,43(07):288-292.

[4] 蒙淑艷.自適應回聲抵消和噪聲消除算法的研究[D].長春:吉林大學,2004.MENG Shu-yan.Research on Adaptive Echo Cancellation and Noise Cancellation Algorithm[D].Changchun:Jilin University,2004.

[5] 李如瑋,鮑長春,竇慧晶.基于小波變換的語音增強算法綜述[J].數據采集與處理,2009,24(03):362-368.LI Ru-wei,BAO Chang-chun,DOU Hui-jing.An Overview of Speech Enhancement Algorithm Based on Wavelet Transform[J].Journal of Data Acquisition and Processing,2009,24(03):362-368.

[6] BEROUTI M,SCHWARTZ R,MAKHOUL J.Enhancement of Speech Corrupted by Acoustic Noise[C].IEEE International Conference on Acoustics,Specch,and Signal Processing,1979:208-211.

[7] 張悅.基于過量功率譜減的語音增強算法研究[J].蘭州文理學院學報(自然科學版),2017(05):89-92.ZHANG Yue.Research on Speech Enhancement Algorithm Based on Excessive Power Spectrum Reduction[J].Journal of Lanzhou University of Arts and Science(Natural Science Edition),2017(05):89-92.

[8] Ogata S,Shimamura T.Reinforced Spectral Subtraction Method to Enhance Speech Signal[J].Proceedings of IEEE Region 10 International Conference on Electrical and Electronic Technology IEEE,2001:242-245.

[9] 張雪英.數字語音處理及MATLAB仿真[M].北京:電子工業出版社,2010.ZHANG Xue-ying.Digital Speech Processing and MATLAB Simulation[M].Beijing:Publishing House of Electronics Industry,2010.

[10] 沈宏余,李英.語音端點檢測方法的研究[J].科學技術與工程,2008,8(15):4396-4397.SHEN Hong-yu,LI Ying.Research on Speech Endpoint Detection Method[J].Science Technology and Engineeri ng,2008,8(15):4396-4397.

[11] 徐巖.語音信號增強技術及其應用[M].北京:科學出版社,2014.XU Yan.Speech Signal Enhancement and Its Applications[M].Beijing:Science Press,2014.