一种含噪压缩感知的语音消噪方法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (15): 216-220.

一种含噪压缩感知的语音消噪方法

谷鹏1，2，朱俊华1，2，丁飞1，2

1.南京邮电大学通信与信息工程学院，南京 210003
2.宽带无线通信与传感网技术教育部重点实验室，南京 210003

出版日期:2015-08-01 发布日期:2015-08-14

Method in noisy signal compressed sensing for speech de-noising

GU Peng1, 2, ZHU Junhua1，2, DING Fei1，2

1.College of Telecommunications and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China
2.Key Lab of Broadband Wireless Communication and Sensor Network Technology, Ministry of Education, Nanjing 210003, China

Online:2015-08-01 Published:2015-08-14

摘要/Abstract

摘要： 针对含白噪声语音信号采用压缩感知时重构效果差的问题，提出了一种对CS投影矩阵为行阶梯矩阵下的观测序列进行小波阈消噪的方法。针对该方法在噪声较小时，由于对某些帧的观测序列的噪声标准差估计误差过大，从而导致的重构性能衰减严重的问题，提出了一阶平滑的噪声估计的改进方案，改善了高信噪比时的重构效果。仿真显示，该方法通过压缩感知降低采样率的同时，实现了语音增强，并且性能也优于传统语音消噪方法。

关键词: 语音压缩感知, 小波阈值去噪, 噪声估计, 平滑, 语音增强

Abstract: To solve the problem of poor reconstruction performance for compressed sensing of speech degraded by white Gaussian noise, a method using wavelet threshold de-noising algorithm based on row echelon matrix measurement sequences is proposed. In addition, when the noise is small, the reconstruction performance decays as a result of the inaccurate estimation of the standard deviations of some frames. To solve this problem, an?improved scheme using one step smoothing for noise estimation is also put forward, which improves the reconstruction results greatly for high SNR. It is demonstrated that by using compressed sensing, this method not only reduces the sampling rate, but also achieves better performance than the traditional speech de-noising methods.

Key words: speech compressed sensing, wavelet threshold de-noising, noise estimation, smoothing, speech enhancement

谷鹏1，2，朱俊华1，2，丁飞1，2. 一种含噪压缩感知的语音消噪方法[J]. 计算机工程与应用, 2015, 51(15): 216-220.

GU Peng1, 2, ZHU Junhua1，2, DING Fei1，2. Method in noisy signal compressed sensing for speech de-noising[J]. Computer Engineering and Applications, 2015, 51(15): 216-220.

[1]	张韩钰，吴志昊，徐勇，陈斌. 增强卷积神经网络的人脸篡改检测方法[J]. 计算机工程与应用, 2021, 57(8): 220-224.
[2]	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.
[3]	刘子豪，赵津，刘畅，赖坤城，王玺乔. 基于改进A*算法室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(2): 186-190.
[4]	李晓花，苏骏，李秀秀. 强干扰环境单观测站水下纯方位多目标跟踪[J]. 计算机工程与应用, 2021, 57(17): 253-259.
[5]	彭皓月，秦小林，侯屿，张力戈. 多无人机航迹规划的自适应B样条算法[J]. 计算机工程与应用, 2020, 56(9): 260-266.
[6]	袁良友，周航，韩丹，许国梁. 引入平滑迭代的骨架提取改进算法[J]. 计算机工程与应用, 2020, 56(24): 188-193.
[7]	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.
[8]	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.
[9]	买雪洁，石杰元，童倩倩. 基于周期性校正神经网络的血流血管壁耦合[J]. 计算机工程与应用, 2019, 55(24): 178-183.
[10]	孙波，姜平，周根荣，卢易天. 改进遗传算法在移动机器人路径规划中的应用[J]. 计算机工程与应用, 2019, 55(17): 162-168.
[11]	任臻1，李积英1，吴昊2. 基于M估计的鲁棒后向平滑CKF单站跟踪算法[J]. 计算机工程与应用, 2019, 55(11): 74-79.
[12]	陈金广1，2，王星辉1，2，马丽丽1，2，张馨东1，2，巩林明1，2. 采用分段RTS的CPHD平滑算法[J]. 计算机工程与应用, 2019, 55(1): 50-55.
[13]	王杰1，杨程程1，莫嘉永2，王敦泽1，王谢谢1. 谐波重构先验信噪比估计算法[J]. 计算机工程与应用, 2018, 54(7): 44-48.
[14]	王虎，李晶，赵恒淼，臧燕，李春堂. 稀疏低秩模型及相位谱补偿的语音增强算法[J]. 计算机工程与应用, 2018, 54(5): 150-155.
[15]	王斌，陈琳，侯翔宇，李伟民，盛津芳. 透明计算中用户访问行为特征分析与预测[J]. 计算机工程与应用, 2018, 54(16): 49-54.