基于计算听觉场景分析的语音增强系统设计

在matlab中，语音增强的算法有很多种，其中比较常见的算法有谱减法和维纳滤波法，今天介绍一种比较少见的算法，以计算听觉场景分析为基础，采用时频掩蔽的方法进行语音增强，并进行系统设计。

计算听觉场景分析

计算听觉场景分析就是让计算机模拟人类处理声音信号的过程，可以让计算机像人类一样在复杂的语音环境中感知声音，处理声音，解析声音。

算法原理

本文提出基于计算听觉场景分析的语音增强系统，可以分为五个部分，分别为听觉外围处理、特征提取、时频单元标记、平滑处理、语音重构。

基于计算听觉场景分析的语音增强算法原理图
本文采用gammatone滤波器来模拟人的听觉系统，其时域表达式为：

g i ( t ) = { t l − 1 e x p ( − 2 π b t ) c o s ( 2 π f t ) , t ≥ 0 0 , e l s e g_i(t) = \begin{cases} t^{l-1}exp(-2\pi bt)cos(2\pi ft),t\ge0\\0\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,\,,else \end{cases} gi(t)={tl−1exp(−2πbt)cos(2πft),t≥00,else
其中l=4；b为等效矩阵带宽；f为滤波器中心频率，在80~5000Hz范围内呈准对数分布。

使用gammatone滤波器的数量越多，模拟人的听觉系统的效果越好，本文采用64个gammatone滤波器来模拟人的听觉系统

64个gammatone滤波器的频率响应图

GUI界面设计

通过设计一个GUI界面来实现对整个系统的搭建。

效果展示

部分代码展示

%%
[audioin,fs] = audioread('SA1.wav'); %获取语音数据
N = length(audioin) %音频采样点数
[noise,fn] = audioread('white.wav');
%防止噪声和音频长度不对等
if length(noise)>=Nnoise = noise(1:N);
elsezer = zeros(N-length(noise),1)noise=[noise',zer']'
end
A = 0.4  %噪声系数
audio = audioin+A*noise
g=[audioin;audio]
sound(g,fs)
%创建一个gammatoneFilterBank对象。
%滤波器组的默认频率范围是50到8000 Hz。
%超出此范围的频率会在重构信号中衰减
gammaFiltBank = gammatoneFilterBank([50,8000],64,fs)
fvtool(gammaFiltBank)
%使音频信号通过伽马通滤波器组。输出为64个通道，
audioOut = gammaFiltBank(audio);
%size(audioOut)   ans = 63488  64
%使用50 ms窗口（重叠25 ms）来计算每个频带的能量。
%使用dsp.AsyncBuffer划分信号转换成重叠窗口，然后记录每个窗口对每个信道的RMS值。
samplesPerFrame = round(0.05*fs);
samplesOverlap = round(0.025*fs);
%buffer缓冲器
buff = dsp.AsyncBuffer(numel(audio));
write(buff,audioOut.^2);sink = dsp.AsyncBuffer(numel(audio));T = N/fs;   %音频时长
num = ceil(T/0.025); %分段数%SA1.WAV 该语音信号长度约为3.968s，划分时间帧为25ms/段，共约[158.725]=159段while buff.NumUnreadSamples > 0currentFrame = read(buff,samplesPerFrame,samplesOverlap);write(sink,mean(currentFrame,1));
end
%将能量值转换为dB。绘制随时间变化的每频带能量。
gammatoneSpec = read(sink);
D = 20*log10(gammatoneSpec');
DD = D;
timeVector = ((samplesPerFrame-samplesOverlap)/fs)*(0:size(D,2)-1);
cf = getCenterFrequencies(gammaFiltBank)./1e3;
surf(timeVector,cf,D,'EdgeColor','none');
axis([timeVector(1) timeVector(end) cf(1) cf(end)]);
view([0,90])
caxis([-150,-60]);
colorbar;
%随时间变化没频带的能量
title('混合语音随时间变化每频带的能量')
xlabel('Time (s)')
ylabel('Frequency (kHz)')

本设计使用的是matlab2019b版本，因为2019b 版本自带gammatone滤波器的相关代码，低于2019b版本本代码运行不了。