基于BARK子波变换的语音增强方法研究

doi:10.3778/j.issn.1002-8331.2009.33.042

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (33): 128-131.DOI: 10.3778/j.issn.1002-8331.2009.33.042

• 数据库、信号与信息处理 • 上一篇下一篇

基于BARK子波变换的语音增强方法研究

李野¹，吴亚锋¹，刘雪飞²

1.西北工业大学数据处理中心，西安 710072
2.陕西师范大学生命科学学院，西安 710062

收稿日期:2008-07-01 修回日期:2008-12-18 出版日期:2009-11-21 发布日期:2009-11-21
通讯作者: 李野

Research on speech enhancement based on BARK wavelet transform

LI Ye¹，WU Ya-feng¹，LIU Xue-fei²

1.Data Processing Centre，Northwestern Polytechnical University，Xi’an 710072，China
2.College of Life Sciences，Shaanxi Normal University，Xi’an 710062，China

Received:2008-07-01 Revised:2008-12-18 Online:2009-11-21 Published:2009-11-21
Contact: LI Ye

摘要/Abstract

摘要： 在Bark子波的构造的基础上，提出一种改进的Bark子波变换构造方法，即直接由临界带中心频率确定Bark子波的中心频率，保证了其通带和临界带的对应一致性，并与人耳的听觉系统十分吻合。采用Bark子波对带噪语音进行分解，在语音信号的子带层次上用一种类似于软阈值的无穷阶可导的函数进行阈值处理，并应用谱减法进行二次增强。仿真实验表明，构建Bark子波与增强算法使信噪比和PESQ得分都有较大提高，特别是在信噪比较高时，语音具有很好的清晰度和可懂度。

关键词: Bark子波, 语音增强, 阈值

Abstract: Based on the conformation of Bark wavelet，an improved bark wavelet transform method is put forward.The center frequency of Bark wavelet which is constructed is directly determined by the center frequency of the critical bands.It ensures the consistency between Bark wavelet passband and critical band.It well inosculates to human hearing system.Using bark wavelet decomposes noisy speech.An infinite-order derivative function which is similar to the soft threshold is used on sub-band level of speech signals，and then spectral subtraction is used in the second time speech enhancement.Experiment result shows the algorithm highly improves both SNR and PESQ scores.Especially when the SNR is high，the speech has well definition and intelligibility.

Key words: Bark wavelet, speech enhancement, threshold

中图分类号:

TP912.35

李野¹，吴亚锋¹，刘雪飞². 基于BARK子波变换的语音增强方法研究[J]. 计算机工程与应用, 2009, 45(33): 128-131.

LI Ye¹，WU Ya-feng¹，LIU Xue-fei². Research on speech enhancement based on BARK wavelet transform[J]. Computer Engineering and Applications, 2009, 45(33): 128-131.

[1]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[2]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[3]	王师琦，曾庆宁，龙超，熊松龄，祁潇潇. 语音增强与检测的多任务学习方法研究[J]. 计算机工程与应用, 2021, 57(20): 197-202.
[4]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[5]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[6]	刘杰，房俊，雷峰津. 电能质量异常数据在线检测方法[J]. 计算机工程与应用, 2020, 56(9): 240-247.
[7]	颜建军，陈松晔，燕海霞，王忆勤，郭睿. 基于递归图和卷积神经网络的脉象分析识别[J]. 计算机工程与应用, 2020, 56(7): 170-175.
[8]	宋杰，许冰，杨淼中. 基于自适应步长果蝇优化算法图像分割[J]. 计算机工程与应用, 2020, 56(4): 184-190.
[9]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[10]	谭正华，戴立平，文阳，李国泰. 基于约简属性和阈值分割的决策树构建方法[J]. 计算机工程与应用, 2020, 56(22): 160-165.
[11]	刘永芳，郝晓燕，刘荣. 中国英语新词语料库构建技术研究[J]. 计算机工程与应用, 2020, 56(16): 165-168.
[12]	王春丹，谢红薇，李亚旋，张昊. 融合改进的三帧差分和ViBe算法的运动目标检测[J]. 计算机工程与应用, 2020, 56(13): 199-203.
[13]	王雁，贾海蓉，吉慧芳，王卫梅. 特征联合优化深度信念网络的语音增强算法[J]. 计算机工程与应用, 2019, 55(9): 38-42.
[14]	宋森森1，贾振红1，杨杰2，Nikola KASABOV3. 结合Ostu阈值法的最小生成树图像分割算法[J]. 计算机工程与应用, 2019, 55(9): 178-183.
[15]	吉慧芳，贾海蓉，王雁. 改进相位谱补偿的语音增强方法[J]. 计算机工程与应用, 2019, 55(8): 48-52.

基于BARK子波变换的语音增强方法研究

Research on speech enhancement based on BARK wavelet transform

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics