崔恒志，王 翀

(江蘇省電力公司信息通信分公司，南京210090)

電力線載波機利用輸送電力的電纜線來傳送話音及數(shù)據(jù)(遠(yuǎn)動信號)，它在電力部門具有廣泛的應(yīng)用。根據(jù)有關(guān)約定，每4 kHz作為一個通道，高壓電力線在40 kHz～500 kHz的頻段內(nèi)共分成115個信號通道。電力線兩端的載波機利用兩個不同頻率的通道來發(fā)送本方和接受對方的信號。在一個通道內(nèi)只傳輸一路話音和(或)一路數(shù)據(jù)的載波機稱為單路載波機，而在一個通道內(nèi)傳輸多于一路話音或數(shù)據(jù)信號的載波機稱為多路載波機。單路載波機可以直接將模擬的話音信號和調(diào)制后的數(shù)據(jù)信號(通常采用FSK調(diào)制方式)合成一個4 kHz的信號通過功率放大后發(fā)送出去。多路載波機必須由話音/數(shù)據(jù)復(fù)接器將多路話音信號數(shù)字化壓縮后，與多路數(shù)據(jù)一起打包調(diào)制發(fā)送出去。

語音增強是電力線載波機的一個重要組成部分，其主要任務(wù)是抑制背景噪聲和干擾。電力線載波機在目標(biāo)語音的實際拾取過程中，不可避免會受到外界環(huán)境噪聲和其他說話人的干擾。如果干擾噪聲過強對收聽者而言則會覺得刺耳乃至聽不清目標(biāo)語音。針對這種情況，通常采用增強語音、去除背景噪聲的方法來改善電力線載波機系統(tǒng)性能。在眾多語音增強方法中，譜減法［1-2］是最常用的。但是其處理的語音會產(chǎn)生音樂噪聲，而且在信噪比較低時殘留噪聲較大，不能得到很好的增強效果。另一類常見的語音增強方法是基于語音生成模型的方法，如卡爾曼濾波［3］?？柭鼮V波的語音增強方法通過線性預(yù)測系數(shù)獲得干凈語音參數(shù)，并通過無語音幀獲得噪聲特性。當(dāng)噪聲是高斯過程時，卡爾曼濾波假設(shè)語音滿足高斯分布，因此在對實際非高斯分布的語音的方面有其局限性。因而粒子濾波器也被用于語音增強。Vermaak［4］等人在采用語音的時變自回歸(TVAR)基礎(chǔ)上，提出一種基于Rao-Blackwellized粒子濾波的語音增強方法。金乃高［5］等到人在Vermaak算法的基礎(chǔ)上通過子帶分解降低了Rao-Blackwellized粒子濾波中采樣空間的維數(shù)，達(dá)到減少計算量的目的。上述的兩種方法在語音增強上獲得了很好的效果，但是它們在建立語音的TVAR模型時未考慮模型的穩(wěn)定性。此外，在選擇重要性采樣時將狀態(tài)的先驗分布作為建議分布進(jìn)行狀態(tài)估計，不能很好地逼近實際的后驗分布，影響了估計精度，同時也導(dǎo)致了粒子的退化。本文提出了一種改進(jìn)的基于粒子群優(yōu)化的粒子濾波算法來進(jìn)行語音增強，在分析語音信號TVAR模型的基礎(chǔ)上對語音建模，引入粒子群優(yōu)化的方法來產(chǎn)生建議分布，來近似估計未知狀態(tài)變量的后驗分布。使降噪結(jié)果更接近純凈語音，從而得到更好的語音增強效果。

1TVAR模型

實際語音信號處理中最常用的模型是自回歸模型 AR(Autoregressive)［6］，e(n)為激勵信號，H(n)為全極點濾波器。該模型稱為p階自回歸模型或AR(p)模型，其傳輸函數(shù)為:

假設(shè)語音和噪聲信號相互無關(guān)，干凈語音信號x(n)可以描述為一個由白噪聲信號驅(qū)動、全極點線性自回歸過程，將式(1)寫成時域表達(dá)式，即:

式(2)中，p為AR模型的階數(shù)，{a(i)為AR模型的系數(shù)，u(n)為零均值且方差為的高斯白噪聲。由式(2)可知，當(dāng)前的測量值可以用過去的p個樣本來進(jìn)行預(yù)測，對于上述模型的參數(shù)估計通常使用的是線性預(yù)測分析的方法。首先對語音進(jìn)行分段處理，當(dāng)非平穩(wěn)的段總是會出現(xiàn)，此時利用非平穩(wěn)的信號模型，如TVAR模型，就可以對語音信號進(jìn)行更好的跟蹤，提供更加接近真實的估計。

TVAR模型可以認(rèn)為是普通AR模型的擴展，其參數(shù)是時變的［7］。這其中包括激勵源參數(shù)和聲道模型參數(shù)，它們在短時間間隔內(nèi)時變，為了更有效地描述語音信號的非平穩(wěn)特性將式(2)改寫成TVAR模型，即:

在此引入一個對數(shù)域偏差φut=lg()，并假設(shè)其變化規(guī)律滿足高斯移動模型，則激勵噪聲的似然函數(shù)為在此，，α是小于1的系數(shù)。對于TVAR系數(shù)at(i)也采用高斯隨機移動模型則有:

2 語音信號建模

語音信號xt和帶噪的觀測信號yt的TVAR模型如下:

式中，αt=(α1，t，α2，t，…，αp，t)T為t時刻p維的 AR系數(shù)矢量;et和vt為高斯白噪聲，方差分別為σ2et和也是時變的。這樣可以得到xt的條件概率密度為

觀測值yt的似然函數(shù)可以用均值為xt，方差為的正態(tài)分布加以描述

令Xt=(xt，…，xt-p+1)T，Yt=(y1:t)，定義系統(tǒng)矩陣

則語音信號模型可以表示為

為了描述噪聲{eti}和{vti}序列的時變特性，引入一個對數(shù)域的偏差，其對數(shù)域偏差的變化規(guī)律為高斯隨機移動模型，即

這樣，TVAR模型中的線性觀測系數(shù)αt的時變特性描述最簡單的方法也是使用高斯移動模型描述，即

Ip為p階單位矩陣。至此語音信號的TVAR模型已經(jīng)完整定義了。上述所有的N(x;μ，σ2)均指變量x服從均值μ、方差σ2的高斯分布，未加說明的高斯分布均值為0。

信噪比是衡量針對寬帶噪聲失真的語音增強算法的常規(guī)方法。假設(shè)y(n)表示帶噪信號，s(n)表示其中的純凈語音信號，s(^n)表示相對應(yīng)的增強信號，所有這些信號都假設(shè)是能量信號，則時域誤差信號為:

誤差能量是:

純凈語音信號的能量是:

信噪比定義為:

3 基于PSO-EPF粒子濾波的語音增強算法

基于語音參數(shù)模型的語音增強問題可以歸結(jié)為從帶噪語音y1:t={y1，y2，…，yt}中估計純凈語音x1:t={x1，x2，…，xt}的貝葉斯濾波問題，在此，我們利用粒子濾波器來實現(xiàn)對非線性非高斯序列的實時跟蹤。

選取語音模型狀態(tài)為

假設(shè)語音參數(shù)滿足一階馬爾可夫隨機過程p(Xt|Xt-1，Xt-2，…，X0)=p(Xt|Xt-1)

則上述狀態(tài)變量的轉(zhuǎn)移概率密度為

系統(tǒng)的觀測模型為

以下是基于改進(jìn)粒子濾波的語音增強的算法流程:

(1)初始化

設(shè)置粒子數(shù)目N，指定N個初始權(quán)重，從先驗分布p(X0)中采集粒子，其中，再設(shè)置粒子初速度，令=1/N;給定初始值 Δ^X0為常量;設(shè)置慣性權(quán)重λ，速度調(diào)節(jié)參數(shù)η，求解初始時刻全局最優(yōu)解pg0

(2)重要性采樣

①調(diào)整粒子的速度

②根據(jù)EKF算法對每個粒子狀態(tài)進(jìn)行更新，即在EKF算法重要性采樣中將EKF算法重要性采樣中狀態(tài)k時刻的狀態(tài)估計改為③求粒子集的均值和方差分別為和;

t;

⑤粒子權(quán)值更新

(3)重采樣

消除權(quán)值較小的粒子，復(fù)制權(quán)值較大的粒子，當(dāng)滿足重采樣條件時，獲得N個隨機樣本，從近似服從分布p(X0:t|y1:t)為每一個再采樣之后的樣本粒子賦給相同的權(quán)值，即:當(dāng)i=1，2，…，N，有=1/N。

(4)計算t時刻目標(biāo)狀態(tài)的后驗概率估計Xt

(5)求解當(dāng)前時刻全局最優(yōu)解。

(6)t=t+1，返回重要性采樣步驟，遞推估計下一時刻的目標(biāo)狀態(tài)的后驗概率。

圖1 純凈語音信號

4 實驗仿真與結(jié)果分析

在本次實驗中，分別利用EKF(Extended Kalman Filtering)算法、PF(Particle Filtering)算法、PSO-EPF(Particle Swarm Optimization-Extended Particle Filtering)算法對帶噪語音信號進(jìn)行增強，實驗中，我們進(jìn)行100次蒙特卡羅仿真。實驗中采用的語音材料為自己錄制，純凈語音為女聲“人盡其才，團結(jié)合作”，噪聲為錄制的生活噪聲，時長為2.5 s，語音和噪聲信號經(jīng)8 kHz采樣、16 bit量化為數(shù)字信號，并在計算機中按一定比例混合生成不同信噪比的帶噪語音，其信噪比變化范圍為0～10 dB。使用的粒子濾波的粒子數(shù)為200，在實驗中，TVAR模型的階數(shù)為10，圖1為純凈的語音信號，圖2為帶噪的語音信號，其初始信噪比為0.09 dB。

圖2 帶噪語音信號

在以上語音的基礎(chǔ)上，使用MATLAB在PC上進(jìn)行仿真實驗，來比較帶噪語音通過EKF算法、PF算法、PSO-EPF算法一次語音增強后的波形圖(圖3～圖5)。由圖3～圖5可知，使用PSO-EPF算法處理后的帶噪語音信號與純凈語音信號最為接近，也說明了它語音增強的效果最好。

圖3 EKF算法處理后的語音信號

圖4 PF算法處理后的語音信號

圖5 EPF-PSO算法處理后的語音信號

下面從信噪比角度來說明，在不同的信噪比下，各種算法的語音增強效果如表1所示。

表1 不同方法和信噪比的語音增強效果

從表1可以看出，對于帶噪語音信號，3種算法都能在一定程度上增強語音信號，表明TVAR模型可以很好描述語音信號的變化特性。而PSO-EPF算法對TVAR模型參數(shù)的估計能力比PF算法、EKF算法要有更好的效果，從而也具有更強的濾波降噪、增強語音的能力。

由前文可知，粒子數(shù)目對粒子濾波器的估計性能有很大的影響，因此我選擇不同的粒子數(shù)來進(jìn)行100次蒙特卡羅仿真，對帶噪語音進(jìn)行語音增強，輸入信噪比設(shè)定在0.09 dB，增強效果如表2所示。

表2 不同粒子數(shù)的語音增強效果

由表2可見，隨著粒子數(shù)目的增加，經(jīng)過PF算法和PSO-EPF算法進(jìn)行語音增強后，語音信號的信噪比得到增強，對TVAR模型參數(shù)的估計更加準(zhǔn)確，但是增加粒子數(shù)目的同時，也將使得計算量增大［8］。所以，我們在選擇語音增強算法時，要協(xié)調(diào)好粒子數(shù)目和SNR的關(guān)系，以便可以達(dá)到最好的語音增強效果。

5 結(jié)論

由于傳統(tǒng)的基于粒子濾波語音增強算法不能很好地逼近實際的后驗分布，影響了估計精度，同時也導(dǎo)致了粒子的退化。對此本文提出了一種基于粒子群優(yōu)化的改進(jìn)粒子濾波算法，它將語音增強問題轉(zhuǎn)換為從帶噪語音中對純凈語音的估計過程，引入粒子群優(yōu)化的方法來產(chǎn)生建議分布，使降噪結(jié)果更接近純凈語音，從而得到更好的語音增強效果。

［1］Hu H T，YuC.Adaptive Noise Spectral Estimaton for Spectral Subtraction Speech Enhancement［J］.Signal Processing，IET，2007，1(9):156-163.

［2］王振力，張雄偉.基于分?jǐn)?shù)階譜相減的語音增強方法［J］.電子信息學(xué)報，2007，29(5):1096-1100.

［3］Kalman R E.A New Approach to Linear Filtering and Prediction Problem Trans［J］.ASME J Basic Engineering，1960，82:34-45

［4］Vermaak J，Andrier C，Doucet A.Paticle Methods for Bayesian Modeling and Enhancement of Speech Signals［J］.IEEE Transactions on Speech and Audio Processing，2002，10(3):173-185.

［5］金乃高，殷福亮.基于子帶粒子濾波的一種語音增強方法［J］.通信學(xué)報，2006，27(4):23-28.

［6］Lim J S，Oppenheim A V.A11—Pole Mmodeling of Degraded Speech［J］.IEEE Transactions on Acoustics，Speech and Signal Processing，1978，26(3):197-210.

［7］Grenier Y.Time—Dependent ARMA Modeling of Nonstationary Signals［J］.IEEE Transactions on Acoustics，Speech and Signal Processing，1983，1(4):899-911.

［8］趙力.語音信號處理［M］.北京:機械工業(yè)出版社，2010.