CN111508514A - 基于补偿相位谱的单通道语音增强算法 - Google Patents

Abstract

本发明提供一种基于补偿相位谱的单通道语音增强算法，包括如下步骤：将带噪语音信号进行预处理、分帧加窗；进行傅里叶变换；使用ERB尺度划分临界频带；计算分段信噪比的值；计算新补偿因子，同时通过功率谱减法获得初次增强的语音复频谱；将相位谱补偿函数与初次增强的语音复频谱做加性计算，得到补偿后的复频谱；对补偿后的复频谱求取相位角，得到补偿相位谱；通过将基本谱减后的语音幅度谱与步骤七得到的补偿相位谱重叠相加后再进行逆傅里叶变换，得到增强后语音信号。本发明验证了改进的补偿因子不仅对稳态噪声有作用，还对非稳态噪声的去噪效果更加有利，本发明语音增强算法的适用噪声环境较为广泛且有效。

Description

基于补偿相位谱的单通道语音增强算法

技术领域

本发明涉及语音增强算法领域，具体涉及一种基于补偿相位谱的单通道语 音增强算法。

背景技术

传统的相位谱补偿语音增强算法，假设纯净语音s(t)受到平稳加性高斯噪 声d(t)的污染，而且两者相互独立，则带噪语音x(t)的时域表示为：

x(t)＝s(t)+d(t) (1)；

对式(1)做短时傅里叶变换得到频域的表达式为：

其中，n为帧数，N表示离散傅里叶变换长度，k表示频带数，w(n)是窗 函数；j是傅里叶变换的定义中数学符号，一般不需要说明解释。

为了方便表示带噪语音，使用极坐标的形式表示式(2)：

X(n,k)＝|X(n,k)|e^j∠X(n,k) (3)；

式中，|X(n,k)|为带噪语音信号的幅度谱，∠X(n,k)是相位谱。

在传统的相位谱补偿算法中，定位相位谱补偿函数为：

式(4)中，λ是补偿因子，现有技术中的补偿因子根据大量实验得出的 经验常数值为3.74；

是对带噪语音的前几帧的噪声估计值；

为一个 判决函数，它的表达式为：

然后将相位谱补偿函数与带噪语音信号的频谱相加，得到一个补偿后的频 谱表达式：

X_Λ(n,k)＝X(n,k)+Λ(n,k) (6)。

对补偿后的频谱求取相位角，得到补偿相位谱：

其中，Im{·}和Re{·}分别是对X_Λ(n,k)求虚部和实部。

最后将带噪语音的幅度谱与补偿的相位谱相结合，得到增强的语音频谱如 下：

由于语音信号是实信号，其经过短时傅里叶变换后得到的是一对共轭对称 的向量，其中，幅度谱是对称的，相位谱是反对称的，最后在语音合成过程中 的逆短时傅里叶变换是将共轭项相加形成实信号的反过程。

在传统的语音增强算法中，通常是保留带噪音相位谱，将其与处理后的语 音幅度谱相结合。而且传统相位谱补偿算法中的补偿因子是一个根据实验所得 到的的经验固定常数值3.74，这无法对带噪语音的相位谱进行灵活补偿，对于 带噪语音来说，背景噪声是在不断变化的，如果采用一个固定的补偿因子进行 相位谱补偿就不能够得到符合不断变化的相位谱，从而会导致合成语音相位谱 中的细节信息不准确，增强后的语音质量不高。

由于现有技术相位谱补偿函数中的补偿因子都是固定的，这样就不能根据 噪声的大小变化来不同程度地对带噪语音进行补偿，而且在噪声强度较大及信 噪比较低时，噪声去除的情况会变得并不理想，残余噪声量较大，因此现有技 术相位谱补偿算法无法获得更好的增强后的语音质量。为了可以弥补这一缺陷， 本发明将对相位谱补偿函数中的补偿因子进行改进。

发明内容

本发明要解决的技术问题是提供一种基于补偿相位谱的单通道语音增强 算法，验证了改进的补偿因子是有效的，不仅对稳态噪声有作用，还对非稳态 噪声的去噪效果更加有利，同时弥补了现有技术对非稳态噪声去噪的缺陷，因 此本发明语音增强算法的适用噪声环境较为广泛且有效。

为解决上述技术问题，本发明的实施例提供一种基于补偿相位谱的单通道 语音增强算法，包括如下步骤：

步骤一、将带噪语音信号x(n)进行预处理、分帧加窗；

步骤二、进行傅里叶变换，得到复频谱X(n,k)＝|X(n,k)|∠X(n,k)，

其中，|X(n,k)|为带噪语音信号的幅度谱，∠X(n,k)是带噪语音相位谱；

步骤三、使用ERB尺度划分临界频带；

步骤四、计算分段信噪比的值；

步骤五、计算新补偿因子后计算改进的相位谱补偿函数Λ′(n,k)，同时通过 功率谱减法获得初次增强的语音复频谱

步骤六、将相位谱补偿函数与初次增强的语音复频谱做加性计算，得到补 偿后的复频谱；

步骤七、对补偿后的复频谱求取相位角，得到补偿相位谱；

步骤八、通过将基本谱减后的语音幅度谱与步骤七得到的补偿相位谱重叠 相加后再进行逆傅里叶变换，得到增强后语音信号

其中，所述步骤四中对于分段信噪比的定义如下：

其中，x(n)表示原始(纯净)语音信号，

是增强的语音信号，N是帧 长，M为信号中的帧数；步骤四中的分段信噪比是基于对所有语音帧的信噪 比求几何平均。

其中，所述步骤五中，相位谱补偿函数中的补偿因子的函数表达式为：

式中，c是一个固定的、由大量的实验数据所得到的经验值，c＝2.5；SNRseg′_i是第i个频带的分段信噪比：

式(III)中的分子分母分别为第i个频带中的带噪语音功率谱和噪声估计 功率谱，K为频带划分的总频带数；

将式(II)代入到相位谱补偿函数中，得到以下表达式：

其中，所述步骤六中，将新的相位谱补偿函数Λ′(n,k)与基于ERB尺度划 分多频带谱减法得到的复频谱

相加，得到新补偿后的复频谱：

步骤七中对补偿后的复频谱求取相位角，得到新的补偿相位谱：

步骤八中，将基本谱减后的语音幅度谱与步骤七得到的补偿相位谱重叠相 加后再进行逆傅里叶变换，得到增强后语音信号

本发明的上述技术方案的有益效果如下：

1、利用本发明的算法得到的信噪比提高值在高斯白噪声环境下优于现有 技术，在汽车噪声、飞机场噪声和babble噪声的背景噪声环境下，随着输入 信噪比提高，本发明算法的结果是最优的，这说明改进的补偿因子对非稳态噪 声的估计起到了一定的作用，能够根据噪声的变化灵活了进行了相应的补偿。

2、本发明的算法验证了改进的补偿因子是有效的，不仅对稳态噪声有作 用，还对非稳态噪声的去噪效果更加有利，同时弥补了现有技术对非稳态噪声 去噪的缺陷，因此本发明语音增强算法的适用噪声环境较为广泛且有效。

3、利用本发明提供的算法增强后的语音残余噪声和语音失真程度是可以 令人接受的，同时也验证了PESQ的结果。

4、本发明算法不仅基于ERB尺度应用于相位谱补偿函数之中还对补偿因 子进行了改进，这样对非稳态噪声环境中的带噪语音也可以去除更多的噪声成 分，从而使语音质量更优。

5、本发明改进的补偿因子在能够去除背景噪声的同时还能使语音的失真 程度减少。从整体来看，本发明算法增强后的语音质量要优于现有技术。

附图说明

图1为本发明的流程框图；

图2为本发明中不同噪声类型下信噪比提高值的示意图；

图3为本发明中不同噪声类型下PESQ值的示意图；

图4为本发明中语音语谱图；

图5为本发明中残余噪声的MOS评分测试结果；

图6为本发明中语音失真度的MOS评分测试结果。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附 图及具体实施例进行详细描述。

本发明先使用ERB尺度对经过傅里叶变换的带噪语音复频谱进行频带划 分，在各自的频带中独立地进行功率谱减法得到初次增强后的语音信号，然后 对这个初次增强后的语音信号进行改进的补偿相位谱，接下来将详细的介绍本 发明。

本发明提供了一种流程如图1所示的基于补偿相位谱的单通道语音增强 算法，包括如下步骤：

步骤一、将带噪语音信号x(n)进行预处理、分帧加窗；

步骤二、进行傅里叶变换，得到复频谱X(n,k)＝|X(n,k)|∠X(n,k)，

其中，|X(n,k)|为带噪语音信号的幅度谱，∠X(n,k)是带噪语音相位谱。

步骤三、使用ERB尺度划分临界频带；

步骤四、计算分段信噪比的值；

本发明对补偿因子进行改进会使补偿因子可以根据噪声强度的大小进行 灵活的调整。分段信噪比的计算可以对语音信号噪声大小进行测量，其可以在 时域或者频域计算，，对于分段信噪比的定义如下：

其中，x(n)表示原始(纯净)语音信号，

是增强的语音信号，N是帧 长，M为信号中的帧数；步骤四中的分段信噪比是基于对所有语音帧的信噪 比求几何平均。

步骤五、计算新补偿因子后计算改进的相位谱补偿函数Λ′(n,k)，同时通过 功率谱减法获得初次增强的语音复频谱

本步骤中，相位谱补偿函数中的补偿因子的函数表达式为：

式中，c是一个固定的、由大量的实验数据所得到的经验值，c＝2.5； SNRseg′_i是第i个频带的分段信噪比：

式(III)中的分子分母分别为第i个频带中的带噪语音功率谱和噪声估计 功率谱，K为频带划分的总频带数；

将式(II)代入到相位谱补偿函数中，得到以下表达式：

从新的相位谱补偿函数中可以看出，若当前帧为语音帧时，即分段信噪比 值会越大，根据指数函数的特性，补偿因子会相应的变小，则此时对带噪语音 的相位谱补偿会减少；若当前帧为噪声帧时，即分段信噪比值会越小，那么补 偿因子会相应变大，这时对带噪语音相位谱的补偿会增大，从而达到去除背景 噪声的效果。

步骤六、将新的相位谱补偿函数Λ′(n,k)与基于ERB尺度划分多频带谱减 法得到的复频谱

相加，得到新补偿后的复频谱：

步骤七、对补偿后的复频谱求取相位角，得到新的补偿相位谱：

步骤八、将基本谱减后的语音幅度谱与步骤七得到的补偿相位谱重叠相加 后再进行逆傅里叶变换，得到增强后语音信号

本步骤中的 基本谱减法是对带噪的语音信号先进行了谱减法是一个完整的算法再对其进行调用谱减后的幅度谱。从理论上来说，基本谱减法是在傅里叶变换之后。

对于本算法中符号的说明：预处理前的时域信号是小写的x，在经过傅里 叶变化之后变成频域信号是大写的X，最后经过逆傅里叶变换后转换回时域信 号是小写的s。

本发明提出的改进算法与现有技术进行实验仿真结果相比较。在实验仿真 中可以更加直观的看出本章提出的该语音增强算法的优越性和有效性。

本实验中使用的语音数据来自于NOIZEUS语料数据库，在本仿真实验中 选取了高斯白噪声、汽车噪声、飞机场噪声以及babble噪声加以不同的信噪 比(0dB，2dB，4dB，6dB，8dB和10dB)来产生不同的带噪语音用于性能评 估。在实验性能评估中，语音的采样频率为8KHz，采样精度为16bit。

从客信噪比的提高、主观语音质量评估、语谱图对比以及MOS评分进行 语音增强算法性能评估。为了便于直接进行算法之间的比较，短时傅里叶变换 过程中涉及的基本参数设置一致：(1)语音帧长度为256个采样点，即32ms； (2)相邻帧之间选取50％的重叠率；(3)窗函数选取汉明窗。

一、SNR的提高

图2显示了不同背景噪声类型下，在不同输入信噪比下信噪比的提高如图 2所示，其中图2(a)高斯白噪声；图2(b)汽车噪声；图2(c)飞机场噪 声；图2(d)babble噪声。

观察图2可以看到，本发明算法得到的信噪比提高值在高斯白噪声环境下 优于现有技术，在另外三种背景噪声环境下，可以看出随着输入信噪比提高本 发明算法的结果是最优的。这说明改进的补偿因子对非稳态噪声的估计起到了 一定的作用，能够根据噪声的变化灵活了进行了相应的补偿。

二、PESQ值

图3显示了不同背景噪声类型下，在不同输入信噪比下PESQ值如图3所 示，其中，图3(a)高斯白噪声；图3(b)汽车噪声；图3(c)飞机场噪声； 图3(d)babble噪声。

如图3所示，本发明算法在四种背景噪声环境下取得的PESQ值均明显优 于现有技术。在高斯白噪声下无论是低信噪比下还是高信噪比下，本发明算法 的结果都是最优的，在另外三种非稳态噪声环境下，随着信噪比的增加其PESQ 的值也越来越好，该结果明显好于现有技术，这也验证了改进的补偿因子是有 效的，不仅对稳态噪声有作用，还对非稳态噪声的去噪效果更加有利，同时弥 补了现有技术对非稳态噪声去噪的缺陷，因此本发明语音增强算法的适用噪声 环境较为广泛且有效。

三、语谱图

图4的语谱图展示给出一个例子，带噪语音为输入信噪比等于0dB的 babble噪声，图4中将本发明和现有技术之间的性能评估，其中，图4(a)纯 净语音；图4(b)含有babble噪声且信噪比为0dB的带噪语音；图4(c)现 有技术；图4(d)本发明算法。

从以上图4语谱图的分析对比得到，本发明算法增强后的语音去噪效果且 语音失真程度是最优的。图4中的(c)语谱图上有非常明显的残余噪声，且 语音失真程度略大，例如大约在1-1.5s的这个时间段中本发明增强后的语音结 构与纯净语音较为接近，现有技术算法增强后的语音结构失真过多。这说明本 发明算法增强后的语音残余噪声和语音失真程度是可以令人接受的，同时也验 证了PESQ的结果。

四、MOS评分

为了能够更加全面的评估算法增强的性能，除了以上的三种评价方式之外， 还进行非正式主观听音测试，这里选取的测试音频是输入信噪比均为0dB的 高斯白噪声以及babble噪声。在这里，主要给出残余噪声和语音失真程度这 两个方面的MOS评分结果，具体实验测试结果如图5和图6所示。

在图5中，本发明算法的残余噪声结果优于现有技术，无论是在高斯白噪 声环境下还是babble噪声环境下，因为现有技术的补偿因子是固定的，无法 灵活的根据噪声的变化而变化，所以这就体现在了babble噪声环境测试的结 果。本发明算法不仅基于ERB尺度应用于相位谱补偿函数之中还对补偿因子 进行了改进，这样对非稳态噪声环境中的带噪语音也可以去除更多的噪声成分， 从而使语音质量更优。

从图6中发现，本发明算法的语音失真程度与现有技术相比获得最佳的测 试结果。这里面可以看出，在两种噪声环境下的语音失真程度都是最好的。虽 然语音失真程度的测试结果得分没有语音质量那么高，但是本发明算法的语音 失真程度是最能令人接受与舒适的，说明本发明改进的补偿因子在能够去除背 景噪声的同时还能使语音的失真程度减少。从整体来看，本发明算法增强后的 语音质量要优于现有技术。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技 术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰， 这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种基于补偿相位谱的单通道语音增强算法，其特征在于，包括如下步骤：

步骤一、将带噪语音信号x(n)进行预处理、分帧加窗；

步骤二、进行傅里叶变换，得到复频谱X(n,k)＝|X(n,k)|∠X(n,k)，

其中，|X(n,k)|为带噪语音信号的幅度谱，∠X(n,k)是带噪语音相位谱；

步骤三、使用ERB尺度划分临界频带；

步骤四、计算分段信噪比的值；

步骤五、计算新补偿因子后计算改进的相位谱补偿函数Λ′(n,k)，同时通过功率谱减法获得初次增强的语音复频谱

步骤六、将相位谱补偿函数与初次增强的语音复频谱做加性计算，得到补偿后的复频谱；

步骤七、对补偿后的复频谱求取相位角，得到补偿相位谱；

步骤八、通过将基本谱减后的语音幅度谱与步骤七得到的补偿相位谱重叠相加后再进行逆傅里叶变换，得到增强后语音信号

2.根据权利要求1所述的基于补偿相位谱的单通道语音增强算法，其特征在于，所述步骤四中对于分段信噪比的定义如下：

其中，x(n)表示原始语音信号，

是增强的语音信号，N是帧长，M为信号中的帧数。

3.根据权利要求1所述的基于补偿相位谱的单通道语音增强算法，其特征在于，所述步骤五中，相位谱补偿函数中的补偿因子的函数表达式为：

式中，c是一个固定的经验值，c＝2.5；SNRseg′_i是第i个频带的分段信噪比：

式(III)中的分子分母分别为第i个频带中的带噪语音功率谱和噪声估计功率谱，K为频带划分的总频带数；

将式(II)代入到相位谱补偿函数中，得到以下表达式：

4.根据权利要求1所述的基于补偿相位谱的单通道语音增强算法，其特征在于，所述步骤六中，将新的相位谱补偿函数Λ′(n,k)与基于ERB尺度划分多频带谱减法得到的复频谱

相加，得到新补偿后的复频谱：

步骤七中对补偿后的复频谱求取相位角，得到新的补偿相位谱：

步骤八中，将基本谱减后的语音幅度谱与步骤七得到的补偿相位谱重叠相加后再进行逆傅里叶变换，得到增强后语音信号

Images