基于解相关变步长的改进型语音增强算法

来源:用户上传      作者: 王瑜琳　田学隆　高雪利

　　摘要：复杂环境中噪声干扰严重影响语音信号的质量，无法正确传达语义，因此语音增强处理十分必要。传统语音增强技术存在适应性差、输入信号高度相关时收敛速度慢等问题。综合变步长最小均方（VSSLMS）算法与解相关的优点，提出了一种改进的语音增强算法，优化自适应滤波算法中步长的大小和权矢量的更新方向，提高语音降噪收敛速度。同时算法引入了连续块处理理论归一化权矢量，以提高其在嵌入式系统实现上的稳定性。仿真测试表明该算法收敛速度快、跟踪性能强，能有效去除强噪语音信号中的噪声，提高语音的清晰度与可懂度。
　　关键词：
　　语音增强；解相关；块处理；变步长最小均方；自适应滤波
　　0引言
　　语音信号是人们传递信息最直接有效的表达方式，然而其在实际传输中总会不可避免地受到各类噪声的干扰，降低语音通信的质量。为此，语音增强方法被广泛研究，常见的方法有参数估计法[1]、小波变换法、非参数方法。参数估计方法依赖于模型，如果语音生产模型不能很好模拟现实语音条件，则方法失去效果。小波变换应用于语音降噪还不太成熟，且算法较为复杂，难以应用于嵌入式系统。非参数方法如基于语音短时谱估计的谱减法[2]和自适应滤波法[3-4]，由于不依赖模型参数且计算简单而广泛应用。其中谱减法在噪声水平强度高时，由于对噪声估计的不准确而产生较大的残留噪声，由此推动了自适应滤波技术在语音增强领域的发展。
　　自适应滤波法需比谱减法多提供一路参考信号作为辅助输入。为了不增加系统设计的复杂性，大量研究引出了基于时间延迟的对消系统[5-6]。同时，由于传统最小均方（LeastMeanSquare，LMS）算法存在收敛速度与收敛精度之间的矛盾，为解决这一问题，各种改进型自适应算法不断涌现。文献[7]基于箕舌线提出了一种变步长算法，在不影响收敛精度的同时提高收敛速度。但当输入向量不满足彼此独立的假设时，这种变步长算法的收敛速度会明显降低；而文献[8]指出解相关可解除输入向量间的相关性，使其在不同时刻彼此独立。因此，本文引入解相关对基于箕舌线的变步长算法作了改进。此外，由于语音信号具有短时平稳特性，自适应滤波在硬件实现上需对连续信号进行分块处理，得到多组权值更新矢量。而权值波动影响着系统的稳定性，波动过大会使稳定性急剧下降。为了减小权矢量之间的波动，算法还结合了连续块处理理论对每一帧迭代的最终权矢量进行归一化，保持系统稳定性。
转载注明来源:https://www.xzbu.com/8/view-4166479.htm