李戰(zhàn)明，尚豐

（蘭州理工大學(xué) 甘肅 蘭州　747300）

一種基于語音端點(diǎn)檢測的維納濾波語音增強(qiáng)算法

李戰(zhàn)明，尚豐

（蘭州理工大學(xué) 甘肅 蘭州747300）

在基于先驗(yàn)信噪比的維納濾波語音增強(qiáng)算法的基礎(chǔ)上，結(jié)合語音端點(diǎn)檢測算法，本文提出一種新算法。新算法在語音端點(diǎn)檢測的基礎(chǔ)上，通過平滑處理更新噪聲信號功率譜以適應(yīng)噪聲不穩(wěn)定的環(huán)境；通過計(jì)算有聲段噪聲信號估計(jì)值，將有聲段的噪聲影響納入考慮范圍；通過每個語音段自適應(yīng)調(diào)節(jié)噪聲功率譜，實(shí)時的計(jì)算出先驗(yàn)信噪比。最后將該算法與改進(jìn)前算法進(jìn)行仿真比較驗(yàn)證，該算法有更好的語音增強(qiáng)效果，在非穩(wěn)定噪聲環(huán)境中較好的抑制了噪聲殘留，提高了語音的可懂度。

語音端點(diǎn)檢測；語音增強(qiáng)；噪聲功率譜；維納濾波

語音增強(qiáng)是利用某種算法抑制噪聲的干擾，提高語音的信號質(zhì)量。語音增強(qiáng)算法可以去除噪聲，也可以稱為語音去噪，它被廣泛的應(yīng)用到網(wǎng)絡(luò)、手機(jī)、助聽器等領(lǐng)域中，是近年來發(fā)展較快的一種語音技術(shù)［1］。

基于短時譜估計(jì)的語音增強(qiáng)算法具有適用信噪比范圍廣、實(shí)時性較強(qiáng)、算法計(jì)算量不大等特點(diǎn)，是應(yīng)用范圍最廣泛的語音增強(qiáng)算法?；诙虝r譜估計(jì)的算法有譜減法、維納濾波法、最小均方誤差法等，傳統(tǒng)的算法在不同程度上存在殘留噪聲大、語音失真嚴(yán)重等問題。Ephriam等人［2］提出在計(jì)算濾波器傳遞函數(shù)時引入先驗(yàn)信噪比，并對先驗(yàn)信噪比進(jìn)行估計(jì)，從而有效的抑制殘留噪聲。文獻(xiàn)［3-4］中對上述方法進(jìn)行了改進(jìn)，通過計(jì)算無語音期間噪聲的統(tǒng)計(jì)平均來計(jì)算當(dāng)前幀的先驗(yàn)信噪比，這顯然是不夠的。上述方法在噪聲變化范圍不大或者噪聲穩(wěn)定的環(huán)境下能有效的進(jìn)行語音增強(qiáng)，但是在噪聲變化范圍較大、低信噪比環(huán)境下效果不是很明顯。

本文首先介紹了維納濾波語音增強(qiáng)算法的基本思路，在推導(dǎo)先驗(yàn)信噪比和后驗(yàn)信噪比的基礎(chǔ)上結(jié)合語音端點(diǎn)檢測算法（VAD）提出了一種新的維納濾波語音增強(qiáng)算法。通過仿真實(shí)驗(yàn)，比較了改進(jìn)前算法和改進(jìn)后算法以及常用的譜減法，實(shí)驗(yàn)結(jié)果表面改進(jìn)后算法提高了增強(qiáng)效果，更有效的抑制了噪聲，提高了語音質(zhì)量。在最后的客觀評價法與主觀評價法打分后證明改進(jìn)算法有更好的效果。

1　未改進(jìn)的維納濾波語音增強(qiáng)算法

設(shè)帶噪語音為y（n）=s（n）+d（n），式中，s（n）為語音信號；d（n）為噪聲信號。只有帶噪語音信號為可測信號，維納濾波方法的基本思路就是設(shè)計(jì)一個數(shù)字濾波器h（n），當(dāng)輸入y（n）為時，濾波器的輸出為：按照最小均方誤差準(zhǔn)則有均方誤差達(dá)到最小。由于噪聲與語音互不相關(guān)，取傅里葉變換后可以導(dǎo)出：，有了維納濾波的譜估計(jì)器H（k）后，計(jì)算在頻域第k個頻點(diǎn)上語音頻譜的估算值，Y（k）是帶噪語音在頻點(diǎn)上的頻譜值。由于語音只是短時平穩(wěn)的且功率譜無法得到，故，同除Pd（k）可得：

式中，下標(biāo)i表示第i幀，式（3）表明，有第i-1幀的先驗(yàn)信噪比及第i幀的后驗(yàn)信噪比可求出第i幀的先驗(yàn)信噪比，即可求出本幀的維納濾波器傳遞函數(shù)：

2　改進(jìn)后的算法

在基于先驗(yàn)信噪比的維納濾波法中，需要估計(jì)當(dāng)前幀的噪聲功率譜，改進(jìn)前的算法是將無聲段的統(tǒng)計(jì)平均當(dāng)做噪聲功率譜［3-4］，這種假設(shè)僅適用于環(huán)境噪聲不變或者變化較小的情況，很顯然這種假設(shè)不是全面的。未改進(jìn)的算法對于抑制不變的環(huán)境噪聲效果較好，但是在噪聲不穩(wěn)定的環(huán)境下效果不佳。為了解決上述問題，本文提出新的改進(jìn)算法。首先對帶噪語音進(jìn)行語音端點(diǎn)檢測［5-6］（VAD），分辨出無聲段和語音段；然后在每個語音段前的無聲段開始部分（取NIS幀）計(jì)算噪聲功率譜的初值，通過平滑處理噪聲功率譜初值與無聲段噪聲功率譜不斷更新噪聲功率譜，得到最新的無聲段用噪聲功率譜；最后在有語音段中，用帶噪功率譜減去語音功率譜估計(jì)值得到有聲段中的噪聲功率譜估計(jì)值。新算法考慮了環(huán)境噪聲的變化，通過更新噪聲功率譜來適應(yīng)環(huán)境噪聲的變化，考慮了有聲段噪聲的影響，使噪聲功率譜涵蓋噪聲更全面，在一定程度上改善了之前算法僅適用于穩(wěn)定噪聲的缺陷，并有效的消除了殘留噪聲。

首先進(jìn)行語音端點(diǎn)檢測（VAD），確定語音開始端點(diǎn)，在無聲段中的開始部分取一小段（NIS幀）計(jì)算噪聲平均功率譜初值：

在之后的無聲段進(jìn)行平滑處理，更新噪聲功率譜：

式中，Pgi（k）是第i幀噪聲功率譜估計(jì)值，Pgi-1（k）是第 i-1幀噪聲功率譜估計(jì)值，NoiseLength是設(shè)置的噪聲平滑區(qū)間長度。

用Pvi（k）來更新噪聲功率譜，將有聲段的環(huán)境噪聲也考慮進(jìn)去。由于Pvi（k）是二次估計(jì)

所得，誤差較大，所以在更新噪聲功率譜時平滑區(qū)間長度NoiseLength要比無聲段的大。通過這樣的調(diào)整，可以較好的濾除變化較大的不穩(wěn)定噪聲。

圖1　疊加粉紅噪聲后維納濾波仿真結(jié)果Fig．1　The result of superimposing pink noise Wiener filter simulation

改進(jìn)算法的具體實(shí)施步驟為：

1）帶噪語音為y（n），加窗分幀后為yi（n），相鄰窗之間有重疊，并進(jìn)行FFT，求出幅度譜|Yi（k）|和相位譜θi（k），并保存；

2）語音端點(diǎn)檢測，在無聲段開始處取NIS幀計(jì)算初始噪聲功率譜

3）用式（6）更新噪聲功率譜估計(jì)值Pc（k），直到有聲段開始；

4）在有聲段通過式（7），計(jì)算Pvi（k），通過新的平滑系數(shù)平滑得到噪聲功率譜估計(jì)值；

6）通過式（4）求得維納濾波器函數(shù)Hi（k），可以導(dǎo)出

8）語音端點(diǎn)檢測到有聲段結(jié)束端點(diǎn)，清零并重復(fù)步驟（1）。

3　仿真實(shí)驗(yàn)結(jié)果

改進(jìn)算法后在MATLAB中進(jìn)行仿真比較，將作者的青年男音“蘭州理工大學(xué)”疊加0dB粉紅噪聲后仿真結(jié)果如圖1。

為了說明一般性，錄制男女各10人，樣率為8 000 Hz、16bit量化的純凈語音信號，疊加不同信噪比白噪聲和粉噪聲，以對比改進(jìn)前與改進(jìn)后算法的效果。用客觀評價方法信噪比對比以及對數(shù)倒譜距離法LCD［7］，改進(jìn)后的算法效果優(yōu)于之前的算法及譜減法，如表1、表2所示。

從表1和表2中可以看出，與語音端點(diǎn)檢測算法結(jié)合的維納濾波法在整體信噪比評價與LCD評價中效果要好于改進(jìn)前的算法。

選取聽力正常的十個人進(jìn)行MOS［8-11］（Main Opion Score）主觀打分并取平均值，由于影響MOS得分的條件除語音增強(qiáng)效果外，還要考慮語音失真的影響，表3所示新算法在語音失真的消除上也有一定效果

表1　不同算法改善的信噪比對照表Tab.1　The comparison of different algorithm improvement in SNR

表2　不同算法增強(qiáng)后倒譜距離對照表Tab.2　The comparison of different algorithm improvement in LCD

表3　不同算法的MOS評價Tab.3　The evaluation of different algorithm

4　結(jié)　論

本文提出了一種基于語音端點(diǎn)檢測算法的維納濾波法，與傳統(tǒng)的維納濾波法相比，不僅提高了信噪比，在語音失真的消除方面也有較好的效果。在非穩(wěn)定噪聲環(huán)境下，新算法仍有較好的增強(qiáng)效果。

［1］Lim J S，Oppenheim A V．Enhancement and bandwidth compression of noisy speech［C］//Proceedings of the IEEE，1979，67:1586-1604．

［2］Ephraim Y，Malah D．Speech enhancement using a minimum mean-square error log-spectral amplitude estimator［J］．IEEE Trans on Acoustics，Speech，Signal Processing，1985，ASSP-32:443-445．

［3］Scalart P，Vieira-Filho J．Speech enhancement based on a priori signal to noise estimation［C］//Proc 21st IEEE Int Conf Acoust Speech Signal Processing，Atlanta，GA，1996，2（2）: 629-632．

［4］Cohen I．Speech enhancement using a noncausal a priori SNR estimator［J］．IEEE Signal Processing Letters，2004（9）: 725-728．

［5］Shen J，Hung J，Lee L．Robust Entropy-based Endpoint Detection for Speech Recognition in Noisy Environments［C］// Proceeding of International Conference on Spoken Language Processing．Sydney:［s，n］，1998:232-238．

［6］王琳，李成榮．一種基于自適應(yīng)譜熵的端點(diǎn)檢測改進(jìn)方法［J］．計(jì)算機(jī)仿真，2010，27（12）:373-375．

［7］陳國，胡修林，張?zhí)N玉，等．語音質(zhì)量客觀評價方法研究進(jìn)展［J］．電子學(xué)報，2001，29（4）:548-552．

［8］Pachl W，Urbanek G，Rothauser E．Preference evaluation of a large set of vocoded speech signals［J］．IEEE Transaction on Audio and Electronics，1971，19（3）:216-224．

［9］肖鋒．維納濾波在退化圖像恢復(fù)中的應(yīng)用研究［J］．電子設(shè)計(jì)工程，2011（8）:173-175．

［10］李軒，韓笑，關(guān)慶陽，等．基于濾波方法的OFDM信道估計(jì)研究［J］．電子設(shè)計(jì)工程，2014（12）:145-147，151．

［11］周小軍，譚薇，張燎，等．遙感圖像常用去噪方法［J］．工業(yè)儀表與自動化裝置，2015（3）:69-72．

A wiener filtering speech enhancement algorithm based on speech endpoint detection

LI Zhan-ming，SHANG Feng
（Lanzhou University of Technology，Lanzhou 747300，China）

Based on the Wiener filtering speech prior SNR enhancement algorithm，this paper proposes a new algorithm combined with the speech endpoint detection algorithm．Based on the speech endpoint detection algorithm，the new algorithm updates the power spectrum of the noise signal by smoothing the power spectrum in order to adapt to the noise and unstable environment；The new algorithm takes the influence of the noise into account by calculating the estimate value of the sound segment noise，and calculates the priori SNR in real time by each sound segment adaptive noise power spectrum．Finally，compare the algorithm and improved algorithm by simulation verification，the improved algorithm suppresses the residual noise in the unstable noise environment，and improves the speech intelligibility．

voice activity detection；speech enhancement；noise power spectrum；wiener filtering

TN912

A

1674－6236（2016）02-0042-03

2015-03-13稿件編號：201503189

李戰(zhàn)明（1962—），男，陜西西安人，教授、博導(dǎo)。研究方向：復(fù)雜系統(tǒng)的建模與控制，神經(jīng)模糊系統(tǒng)與軟計(jì)算，智能信息處理與模式識別，計(jì)算機(jī)控制系統(tǒng)的理論與工程等。