传统语音增强——基于先验信噪比的维纳滤波语音降噪算法

一、基于先验信噪比的维纳滤波语音降噪算法的基本概念

改进的维纳滤波器为基于先验信噪比的维纳滤波器，其原理框图下图所示。

对于第m帧带噪语音信号ym(n)=sm(n)+nm(n)
式中，sm（n)是第m帧纯净语音信号；nm（n)为第m帧噪声信号。维纳滤波器就是在最小方均误差准则（MSE）下实现对语音信号sm（n）的估计。在sm（n）与nm（n）不相关且均为平稳随机过程条件下，对上式进行离散傅里叶变换，得Y(m,k)=S(m,k)+N(m,k)
谱增益函数为

式中，ζ（m，k）（SNRpo）为先验信噪比；m为帧号；k为频点。

则第m帧增强语音可表示为

采用直接判决（Decision-Directed）法来估计先验信噪比SNRprio，即
SNRprio(m,k)=a・ SNRprio(m-1,k)+(1-a) ・max(SNRpost(m,k) -1,0)

式中，SNRpost表示后验信噪比；Y（m，k)表示估计的第m帧信号的功率谱； $\hat{N}$ （m，k）表示估
计的第m帧噪声功率谱。

二、先验信噪比的维纳滤波语音增强实验

先验信噪比的维纳滤波函数Weina_Im

名称：Weina_Im
功能：基于先验信噪比的维纳滤波算法。
调用格式：
enhanced = Weina_Im(x,wind,inc,NIS,alpha)
说明：输入参数x是输入的含噪语音信号；wlen为窗函数或窗长；inc是帧移；NIS是前导无话段帧数；alpha是信噪比平滑参数。enhanced是降噪后的信号。

函数代码如下：

% 维纳滤波enhancement=Weina_Im(y_fft,framesize,framenum,length);
% MS估计噪声功率谱, D-D法估计先验概率, 不需要估计纯净信号功率
% y_fft：分帧语音的FFT变换，
% framesize：帧长
% framenum：总帧数，
% length：语音长度
% enhancement：增强后的语音
% --------------------------------------------------------------------------------------------------------------function enhancement=Weina_Im(x,wind,inc,NIS,alpha)Length=length(x);nwin=length(wind);           % 取窗长if (nwin == 1)              % 判断窗长是否为1，若为1，即表示没有设窗函数framesize= wind;               % 是，帧长=winwnd=hamming(framesize);                      % 设置窗函数elseframesize = nwin;              % 否，帧长=窗长wnd=wind;endy=enframe(x,wnd,inc)';             % 分帧framenum=size(y,2);                           % 求帧数y_fft = fft(y);                         % FFTy_a = abs(y_fft);                       % 求取幅值y_phase=angle(y_fft);                   % 求取相位角y_fft2=y_a.^2;                            % 求能量noise=mean(y_fft2(:,1:NIS),2);               % 计算噪声段平均能量snr_x_q=0.96;                                    %前一帧先验信噪比，初始值设为0.96for i=1:framenumMag_y=y_a(:,i);                          snr_h=y_fft2(:,i)./noise;%(:,i);                   %计算后验信噪比snr_x=alpha.*snr_x_q+(1-alpha).*max(snr_h-1,0);        %先验信噪比,利用"D-D"法  ,framesize*1Hw=snr_x./(1+snr_x);                             %维纳滤波M=Mag_y.*Hw;                                     %维纳后的幅度值Mn=M.*exp(1i.*y_phase(:,i));                       %插入相位snr_x_q=M.^2./noise;%(:,i);                        %更新估计的前一帧先验信噪比signal(:,i)=real(ifft(Mn));end
enhancement=filpframe(signal',wnd,inc);

信噪比计算函数SNR_Calc

名称：SNR_Calc
功能：计算信噪比。
调用格式：
snr=SNR_Calc(x,xn)

说明：输入信号x是输入的纯净语音信号；xn是输入的含噪信号。输出参数snr是计算的信噪比。

函数程序如下：

function snr=SNR_Calc(I,In)
% 计算带噪语音信号的信噪比
% I 是纯语音信号
% In 是带噪的语音信号
% 信噪比计算公式是
% snr=10*log10(Esignal/Enoise)
I=I(:)';                             % 把数据转为一列
In=In(:)';
Ps=sum((I-mean(I)).^2);              % 信号的能量
Pn=sum((I-In).^2);                      % 噪声的能量
snr=10*log10(Ps/Pn);                 % 信号的能量与噪声的能量之比，再求分贝值

案例、用先验信噪比的维纳滤波算法给语音减噪

程序如下：

clear all; clc; close all;[xx, fs] = wavread('C5_3_y.wav');           % 读入数据文件
xx=xx-mean(xx);                         % 消除直流分量
x=xx/max(abs(xx));                      % 幅值归一化
IS=0.25;                                % 设置前导无话段长度
wlen=200;                               % 设置帧长为25ms
inc=80;                                 % 设置帧移为10ms
SNR=5;                                  % 设置信噪比SNR
NIS=fix((IS*fs-wlen)/inc +1);           % 求前导无话段帧数
alpha=0.95;signal=awgn(x,SNR,'measured','db');               % 叠加噪声
output=Weina_Im(x,wlen,inc,NIS,alpha) ;
output=output/max(abs(output));
len=min(length(output),length(x));
x=x(1:len);
signal=signal(1:len);
output=output(1:len);snr1=SNR_Calc(x,signal);            % 计算初始信噪比
snr2=SNR_Calc(x,output);            % 计算降噪后的信噪比
snr=snr2-snr1;
fprintf('snr1=%5.4f   snr2=%5.4f   snr=%5.4f\n',snr1,snr2,snr);% 作图
time=(0:len-1)/fs;                        % 设置时间
subplot 311; plot(time,x,'k'); grid; axis tight;
title('纯语音波形'); ylabel('幅值')
subplot 312; plot(time,signal,'k'); grid; axis tight;
title(['带噪语音 信噪比=' num2str(SNR) 'dB']); ylabel('幅值')
subplot 313; plot(time,output,'k');grid;%hold on;
title('滤波后波形'); ylabel('幅值'); xlabel('时间/s');

运行结果如下：

实验使用到的语音数据下载链接如下：

传统语音增强——最小方均(LMS)自适应滤波算法-数据集文档类资源-CSDN下载

参考文献：语音信号处理实验教程；梁瑞宇、赵力、魏昕（编著）

传统语音增强——基于先验信噪比的维纳滤波语音降噪算法相关推荐

传统语音增强——基于小波分解的语音降噪算法
一.小波分析的意义在传统的傅里叶分析中,信号完全是在频域展开的,不包含任何时频的信息.因为丢弃的时域信息对某些应用同样重要,所以出现很多能表征时域和频域信息的信号分析方法,如短时傅里叶变换.Gabo ...
Matlab神经网络语音增强,基于BP神经网络的语音增强研究
曰髯? 分类号: 论文编号:2丛坦丝旦生丛密级:公开贵州大学 2009届硕士研究生学位论文基于即神经网络的语音增强研究学科专业:电路与系统研究方向:模式识别导师:刘宇红教授研究生:周元芬 ...
基于matlab语音增强,基于MATLAB的语音增强系统的设计
187 2010 年第 05 期,第 43 卷通信技术 Vol.43,No.05,2010 总第 221 期 Communications Technology No.221,Totally ...
android 电视语音遥控器,基于遥控器的Android电视语音聊天系统及其方法与流程
本发明涉及,尤其涉及一种基于遥控器的Android电视语音聊天系统及其方法. 背景技术: 随着科技越来越发展,电视机的功能也越来越强大,对于电视机,相对于传统电视机的单纯看电视功能,现有技术中,还支持 ...
基于matlab的有噪声语音信号处理,基于matlab的有噪声语音信号处理毕设
基于matlab的有噪声语音信号处理毕设 - I - I 大学本科毕业设计论文基于MATLAB的有噪声语音信号处理- II - II 摘要滤波器设计在数字信号处理中占有极其重要的地位,FIR 数字 ...
【信号处理】基于小波变换的语音增强matlab源码
一.简介语音通信是人类传播信息,进行交流时使用最多.最自然.最基本的一种手段.而这种通信中的信息载体-语音信号却是一种时变的.非平稳的信号,只有在很短的一段时间内(通常为10~30ms)才被认为是平 ...
基于小波变换的语音增强算法简单综述
前言: 语音通信是人类传播信息,进行交流时使用最多.最自然.最基本的一种手段.而这种通信中的信息载体-语音信号却是一种时变的.非平稳的信号,只有在很短的一段时间内(通常为10~30ms)才被认为是平稳 ...
【语音去噪】基于matlab谱减法+维纳滤波+卡尔曼滤波语音去噪【含Matlab源码 1881期】
⛄一.谱减法+维纳滤波+卡尔曼滤波语音去噪简介 1 维纳滤波算法在传统的去噪算法中,维纳滤波因其操作简单.去噪效果好,被公认为一种经典的去噪算法.语音信号在时域的表示为: yi( t) = si( ...
ICASSP 2023 | 解密实时通话中基于 AI 的一些语音增强技术
‍ 动手点关注干货不迷路背景介绍实时音视频通信 RTC 在成为人们生活和工作中不可或缺的基础设施后,其中所涉及的各类技术也在不断演进以应对处理复杂多场景问题,比如音频场景中,如何在多设备.多人. ...

传统语音增强——基于先验信噪比的维纳滤波语音降噪算法

传统语音增强——基于先验信噪比的维纳滤波语音降噪算法相关推荐

最新文章

热门文章