基于主成分的頻譜迭代稀疏化語音增強方法

董嫻 邵玉斌 杜慶治 龍華 馬迪南

摘 要： 針對現有頻譜稀疏化方法在復雜環境語音增強上性能不佳的問題，提出一種基于主成分分析的迭代頻譜稀疏化方法. 首先，對輸入信號的語譜圖進行二維中值濾波處理，得到行分量頻譜和列分量頻譜；對包含語音主音的行分量頻譜序列進行主成分分析（PCA），以去除噪聲部分并保留主要語音結構；然后聯合列分量頻譜序列和縮放因子進行混合重構原信號，并采用動態縮放因子實現對列分量頻譜噪聲的有效控制. 在此基礎上，利用稀疏化對噪聲的抑制作用，對頻譜進行多次稀疏化，以減弱噪聲. 實驗結果表明，該方法增強了不同類型噪聲下語音的信噪比，包括White、Pink、Babble、Volvo 和Factory 等五種噪聲，輸入信噪比為15 dB，所提方法的信噪比分別提升了13. 89 dB，11. 97 dB，5. 65 dB，5. 26 dB 和4. 73 dB，該方法在其他信噪比下也能有效地抑制噪聲和保留有效特征信息，并減少因背景噪聲引起的語音失真.

關鍵詞： 語音增強； 多維度頻譜分析； 譜稀疏化； 主成分分析

中圖分類號： TN912. 3 文獻標志碼： A DOI： 10. 19907/j. 0490-6756. 2024. 033007

1 引言

在自動語音識別（Automatic Speech Recognition，ASR）系統中，語音增強是一個必不可少的過程，語音信號處理在其中發揮著重要作用. 語音增強是指對被污染的語音信號進行處理，減少噪聲的干擾，改善噪聲環境下的語音質量，從而增強語音的可懂度和主觀聽覺質量［1］. 對于聽覺受損的人群來說，語音增強技術旨在提升人工耳蝸在噪聲環境中的語音清晰度，以解決困擾多數聽障人群聽不清的難題［2］. 為了……