谐波重构先验信噪比估计算法

doi:10.3778/j.issn.1002-8331.1611-0366

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (7): 44-48.DOI: 10.3778/j.issn.1002-8331.1611-0366

谐波重构先验信噪比估计算法

王杰1，杨程程1，莫嘉永2，王敦泽1，王谢谢1

1.广州大学机械与电气工程学院，广州 510006
2.广州市信息安全测评中心，广州 510635

出版日期:2018-04-01 发布日期:2018-04-16

A priori SNR estimator based on harmonic regeneration

WANG Jie1, YANG Chengcheng1, MO Jiayong2, WANG Dunze1, WANG Xiexie1

1.College of Mechanical and Electric Engineering, Guangzhou University, Guangzhou 510006, China
2.Guangzhou Information Technology Security Evaluation Center, Guangzhou 510635, China

Online:2018-04-01 Published:2018-04-16

摘要/Abstract

摘要： 先验信噪比单通道语音增强算法在信噪比较高时能有效地去除噪声，但在信噪比较低时语音高次谐波失真较为严重。针对此提出了一种基于谐波重构的先验信噪比估计算法，对增强后的信号加权求平方，进行功率谱的二次谱处理，以加强语音信号的周期性；再进行谐波重构，提升谐波分量。实验研究表明，该算法在低信噪比时能够有效地增强语音谐波分量，相对于先验信噪比估计的语音增强算法能够改善语音质量，减少语音失真。

关键词: 语音增强, 先验信噪比, 谐波重构, 二次谱处理

Abstract: A priori SNR estimator of single-channel speech enhancement can effectively remove the noise when the SNR is high, but the speech distortion is more serious when the SNR is low. In this paper, a priori SNR estimator using harmonic regeneration is proposed. In the algorithm, the power spectrum reprocessing（including weighting and square）can be used to process speech signals, which can enhance the periodicity of the speech signal; and then the harmonic regeneration is carried out, thus the harmonic component is enhanced. Experimental results show that the proposed algorithm can effectively enhance the harmonic component of the speech signal in low SNR, improve the performance of this algorithm and reduce speech distortion than a priori SNR estimator of speech enhancement.

Key words: speech enhancement, a priori SNR, harmonic regeneration, power spectrum reprocessing

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.

WANG Jie1, YANG Chengcheng1, MO Jiayong2, WANG Dunze1, WANG Xiexie1. A priori SNR estimator based on harmonic regeneration[J]. Computer Engineering and Applications, 2018, 54(7): 44-48.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	王波，于凤芹，陈莹. 基于非平滑非负矩阵分解语音增强[J]. 计算机工程与应用, 2017, 53(7): 160-164.
[6]	王霞1，王丹1，王光艳2，张艳1. 压缩感知与EMD相结合的带噪面罩语音增强[J]. 计算机工程与应用, 2017, 53(18): 137-140.
[7]	张建伟，陶亮，周健，王华彬. 基于改进谱平滑策略的IMCRA算法及其语音增强[J]. 计算机工程与应用, 2017, 53(1): 153-157.
[8]	胡永刚1，张雄伟1，邹霞1，闵刚1，2，张立伟1，王健3. ADMM稀疏非负矩阵分解语音增强算法[J]. 计算机工程与应用, 2016, 52(3): 108-112.
[9]	宁矿凤，王景芳. DCT域维纳滤波语音增强[J]. 计算机工程与应用, 2015, 51(8): 226-230.
[10]	曹龙涛1，李如玮1，鲍长春1，吴水才2. 基于噪声估计的二值掩蔽语音增强算法[J]. 计算机工程与应用, 2015, 51(17): 222-227.
[11]	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.
[12]	王瑜琳1，田学隆1，2，高雪利1. 自适应滤波语音增强算法改进及其DSP实现[J]. 计算机工程与应用, 2015, 51(1): 208-212.
[13]	徐文超，王光艳，耿艳香，白芳，费腾. 基于谱减法和变步长LMS语音增强算法[J]. 计算机工程与应用, 2015, 51(1): 213-217.
[14]	宁矿凤，王景芳. 压缩感知分组分离语音增强[J]. 计算机工程与应用, 2014, 50(24): 204-208.
[15]	夏乐乐1，孙永荣1，王勇2. 基于自适应噪声估计的语音增强技术[J]. 计算机工程与应用, 2014, 50(23): 225-228.

谐波重构先验信噪比估计算法

A priori SNR estimator based on harmonic regeneration

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