王山海，馬鑫鑫，劉 謙，楊 敏

(河南省人工影響天氣中心,鄭州 450003)

人工影響天氣作業(yè)飛機(jī)中語(yǔ)音增強(qiáng)算法的研究

王山海，馬鑫鑫，劉 謙，楊 敏

(河南省人工影響天氣中心,鄭州 450003)

飛機(jī)實(shí)施人工影響天氣作業(yè)，具有覆蓋范圍廣，作業(yè)效果好的優(yōu)點(diǎn)，是未來(lái)人工影響天氣工作的發(fā)展方向;但人影作業(yè)飛機(jī)內(nèi)部工作環(huán)境復(fù)雜，工作人員的正常語(yǔ)言交流會(huì)受到飛機(jī)引擎、機(jī)艙內(nèi)設(shè)備、飛機(jī)外部等噪聲的影響，甚至無(wú)法正常交流;因此，需要設(shè)計(jì)一種語(yǔ)音增強(qiáng)裝備或設(shè)施來(lái)消除噪聲，方便人影飛機(jī)上工作人員的正常溝通交流;從理論上闡述了參數(shù)法、非參數(shù)法、統(tǒng)計(jì)方法及其他語(yǔ)音增強(qiáng)算法;重點(diǎn)研究了維納濾波法、譜減法和基于短時(shí)對(duì)數(shù)譜幅度的MMSE算法，并對(duì)這3種語(yǔ)音增強(qiáng)算法都進(jìn)行了實(shí)驗(yàn)仿真，對(duì)比了各種算法的優(yōu)缺點(diǎn);針對(duì)人影飛機(jī)的特定工作環(huán)境，提出基于短時(shí)對(duì)數(shù)譜幅度的MMSE算法比較適合用于人影飛機(jī)上進(jìn)行語(yǔ)音增強(qiáng)，消除噪音。

人工影響天氣；語(yǔ)音增強(qiáng)；譜減法；維納濾波；最小均方誤差

0 引言

人工影響天氣，是指為避免或者減輕氣象災(zāi)害，合理利用氣候資源，在適當(dāng)條件下通過(guò)科技手段對(duì)局部大氣的物理、化學(xué)過(guò)程進(jìn)行人工影響，使某些局地天氣過(guò)程朝著有利于人類(lèi)的方向轉(zhuǎn)化，從而實(shí)現(xiàn)增雨雪、防雹、消雨、消霧、改善環(huán)境等目的。

目前實(shí)施人工影響天氣作業(yè)主要有地面和空中兩種方式。地面作業(yè)通常利用高炮或者火箭架向空中具有一定條件的目標(biāo)云發(fā)射含有催化劑的炮彈、火箭彈，它們?cè)谠浦斜?，把催化劑播撒在云中，以影響云物理過(guò)程。這種作業(yè)方式具有播撤路徑長(zhǎng)、發(fā)射高度高、成核率高、便于操作、機(jī)動(dòng)性強(qiáng)等特點(diǎn)。但在發(fā)射高炮和火箭彈前需要申請(qǐng)空域，得到空管部門(mén)的批復(fù)后才能作業(yè)。隨著民航事業(yè)的發(fā)展，航線逐年增多，空域申請(qǐng)難度也隨之增加。例如在河南周口上空，每天過(guò)境飛機(jī)最高達(dá)1300架次。在申請(qǐng)空域過(guò)程中，往往會(huì)失去最佳作業(yè)時(shí)機(jī)，使人工影響天氣效果大打折扣[1]。

第二種方式是利用飛機(jī)直接入云，在具有一定條件的目標(biāo)云中直接播撒含有催化劑的物質(zhì)，進(jìn)行人工影響天氣作業(yè)，以影響云物理過(guò)程。飛機(jī)機(jī)動(dòng)性強(qiáng)，可根據(jù)飛機(jī)實(shí)時(shí)探測(cè)的云作業(yè)條件直接將催化劑播入云中預(yù)定的部位，播撒均勻，作業(yè)面積大，覆蓋范圍較廣。因此這種作業(yè)方式相比地面具有明顯的優(yōu)勢(shì)，作業(yè)效果較好，是未來(lái)人工影響天氣工作的發(fā)展方向。同時(shí)，可以通過(guò)飛機(jī)上的觀測(cè)設(shè)備對(duì)云結(jié)構(gòu)進(jìn)行直接觀測(cè)，進(jìn)一步了解掌握云中作業(yè)條件，促進(jìn)人影科學(xué)研究。

目前河南所使用的人工影響天氣飛機(jī)主要有運(yùn)-8、運(yùn)-12等小型運(yùn)輸機(jī)。機(jī)艙內(nèi)工作環(huán)境復(fù)雜，噪音較大，正常的語(yǔ)言交流往往受到很大影響。因此，如何從被干擾的語(yǔ)音中恢復(fù)清晰的語(yǔ)音，使交談雙方能夠清晰的交談是一個(gè)亟待解決的問(wèn)題。語(yǔ)音增強(qiáng)作為一種處理手段，不失為解決噪聲污染的有效途徑。語(yǔ)音增強(qiáng)就是盡可能地消除背景噪聲、提高信噪比，使處理后的語(yǔ)音信號(hào)和原始語(yǔ)音盡可能地保持一致[2]。

1 語(yǔ)音增強(qiáng)算法研究

1.1 語(yǔ)音增強(qiáng)算法簡(jiǎn)介及分類(lèi)

實(shí)際環(huán)境中，噪聲特點(diǎn)多種多樣，不可能設(shè)計(jì)出一種算法用來(lái)消除所有噪聲。人們針對(duì)不同的噪聲源，研究了多種方法，大致可以分為如下幾種，下面對(duì)這幾類(lèi)方法分別進(jìn)行闡述和分析。

參數(shù)方法主要依賴于語(yǔ)音生成模型，需要提取如基音周期、LPC系數(shù)等模型參數(shù)，常常使用迭代方法。維納濾波器[3]、卡爾曼濾波器[4]都是屬于這種方法。但是在實(shí)際噪音與模型差別比較大的情況下，這種去噪方法效果不好。

非參數(shù)方法不需要從帶噪的語(yǔ)音信號(hào)中估計(jì)模型參數(shù)，因此這種方法應(yīng)用更為廣泛，但是效果并不是最優(yōu)。較為常用的這種方法包括譜減法[5]、自適應(yīng)濾波法[6]。

統(tǒng)計(jì)方法主要根據(jù)語(yǔ)音和噪聲的統(tǒng)計(jì)特性，通過(guò)訓(xùn)練得到的統(tǒng)計(jì)數(shù)據(jù)建立模型，采用的方法有最小均方誤差估計(jì)(MMSE, minimum mean square error)、聽(tīng)覺(jué)掩蔽效應(yīng)等。

除了上面所說(shuō)的幾種方法，還有小波變換[7]、離散余弦變換(DCT)、人工神經(jīng)網(wǎng)絡(luò)等方法。這些方法目前應(yīng)用還不夠廣泛，是一些新興知識(shí)在語(yǔ)音增強(qiáng)領(lǐng)域的應(yīng)用[8]。

1.2 譜減法語(yǔ)音增強(qiáng)算法

譜減法利用了噪聲的平穩(wěn)統(tǒng)計(jì)特性以及噪聲和語(yǔ)音信號(hào)不相關(guān)的特性，它是一種較為經(jīng)典和有效的算法。這種算法的使用前提是需要假定噪聲統(tǒng)計(jì)平穩(wěn)。用無(wú)音期間計(jì)算得到的頻譜值作為有語(yǔ)音期間噪聲的頻譜值，然后用帶噪語(yǔ)音信號(hào)的頻譜值減去噪聲頻譜值，這樣就近似地得到了純凈語(yǔ)音信號(hào)的頻譜值。如果得到負(fù)值，將其置0。另外，人耳主要是通過(guò)對(duì)語(yǔ)音信號(hào)的頻譜幅度值來(lái)獲得信息，而語(yǔ)音信號(hào)頻譜的相位值對(duì)信息的獲取不起主要作用。因此，對(duì)語(yǔ)音信號(hào)短時(shí)譜的幅度估計(jì)是譜減法主要考慮的內(nèi)容[9]。

假設(shè)帶噪信號(hào)為：

y(n)=s(n)+d(n),0≤n≤N-1

(1)

其中:s(n)為有用的語(yǔ)音信號(hào)，d(n)為要消除的噪聲信號(hào)。y(n)是對(duì)原始語(yǔ)音信號(hào)進(jìn)行加窗和分幀處理后的信號(hào)。設(shè)y(n)的傅里葉變換為Yk=|Yk|exp(jθk)，s(n)的傅里葉變換為Sk=|Sk|exp(jαk)，d(n)的傅里葉變換為Nk，則有:

Yk=Sk+Nk

(2)

Nk表示的含義是多個(gè)噪聲信號(hào)樣本的加權(quán)和，它滿足高斯分布，其均值為0，方差通過(guò)對(duì)靜音期間的噪聲計(jì)算得到。根據(jù)統(tǒng)計(jì)得到的噪聲功率譜信息，就可以從Yk中計(jì)算出Sk。然后用含有噪聲信號(hào)中的相位，再進(jìn)行傅里葉反變換就得到了消除噪音后的增強(qiáng)語(yǔ)音信號(hào)。

譜減法語(yǔ)音增強(qiáng)算法原理如圖1所示。y(n)經(jīng)FFT變換后，有Yk=Sk+Nk，由此得:

|Yk|2=|Sk|2+|Nk|2+SkNk*+Sk*Nk

(3)

圖1 譜減法原理圖

由于s(n)和d(n)相互獨(dú)立，所以Sk和Nk也相互獨(dú)立，而Nk是均值為0的高斯分布，所以有：

E(|Yk|2)=E(|Sk|2)+E(|Nk|2)

(4)

短時(shí)平穩(wěn)過(guò)程在一個(gè)短時(shí)幀內(nèi)有：

|Yk|2=|Sk|2+λn(k)

(5)

λn(k)表示的意思是靜音時(shí)|Nk|2的統(tǒng)計(jì)平均值，則原來(lái)語(yǔ)音信號(hào)的估計(jì)值可以用式(6)表示：

(6)

(7)

(8)

式中，當(dāng)γk小于1時(shí)，沒(méi)有意義。因此，將公式(8)改寫(xiě)為:

(9)

其中:ε是個(gè)大于零的常數(shù)。

譜減法比較簡(jiǎn)單，實(shí)現(xiàn)比較容易，但這種方法會(huì)出現(xiàn)“音樂(lè)噪聲”。

1.3 維納濾波語(yǔ)音增強(qiáng)算法

維納濾波法的基本思想是：以最小均方誤差的準(zhǔn)則設(shè)計(jì)一個(gè)數(shù)字濾波器，然后從此數(shù)字濾波器處理后的輸出信號(hào)中估計(jì)得到原始信號(hào)。當(dāng)數(shù)字濾波器的性能達(dá)到最佳狀態(tài)的時(shí)候，也就是維納濾波器。維納濾波器是在最小均方誤差準(zhǔn)則意義下，基于統(tǒng)計(jì)意義的最優(yōu)數(shù)字濾波器，但它是對(duì)平穩(wěn)條件設(shè)計(jì)的一種的最優(yōu)估計(jì)。維納濾波器相比譜減法有其優(yōu)點(diǎn)，即經(jīng)過(guò)維納濾波器處理后的語(yǔ)音中的噪聲不是“音樂(lè)噪聲”，而是一種近似于白噪聲的噪聲。但是維納濾波方法存在一個(gè)嚴(yán)重的缺點(diǎn)，就是它對(duì)于所有頻率的響應(yīng)是固定不變的，沒(méi)有考慮人耳對(duì)于語(yǔ)音的頻率感知特性，并且需要在濾波前對(duì)信號(hào)和噪聲的功率譜進(jìn)行估計(jì)[10]。

(10)

由正交性原理可知，最優(yōu)濾波器必須對(duì)任意的m都滿足：

(11)

將式(10)代入式(11)中，兩邊同時(shí)取傅立葉變換，得:

(12)

這里，Ssy(k)是s(n)與y(n)的互功率譜密度，Sy(k)是y(n)的功率譜密度。

因?yàn)閟(n)與噪聲d(n)不相關(guān)，所以Rsd(m)=0，則:

Sy(k)=Ss(k)+Sd(k)

(13)

Ssy(k)=Ss(k)

(14)

所以公式(12)可以化簡(jiǎn)為：

(15)

公式(15)就是維納要求的維納濾波器的響應(yīng)函數(shù)。因?yàn)殚_(kāi)始不存在語(yǔ)音信號(hào)，所以需要通過(guò)迭代進(jìn)行反復(fù)的改善，在第一次維納濾波后，輸出的語(yǔ)音信號(hào)更為純潔并且更接近原始語(yǔ)音，再將輸出的語(yǔ)音信號(hào)作為估計(jì)繼續(xù)濾波[11]。迭代的維納濾波法原理如圖2所示。

圖2 維納濾波法原理框圖

1.4 短時(shí)對(duì)數(shù)譜幅度的MMSE估計(jì)語(yǔ)音增強(qiáng)算法

使用基于譜減法的語(yǔ)音增強(qiáng)算法對(duì)帶噪語(yǔ)音進(jìn)行消噪處理時(shí)，處理結(jié)果會(huì)產(chǎn)生“音樂(lè)噪聲”，使聽(tīng)者在聽(tīng)覺(jué)效果上受到一定的干擾。最小均方誤差算法(minimummeansquareerror,MMSE)能夠有效地去除增強(qiáng)語(yǔ)音中的“音樂(lè)噪聲”，該算法最初是由Y.Ephrain和D.Malah在1984年提出的[12]。MMSE算法在語(yǔ)音可懂度和降噪比之間取得了較好的折衷，適用范圍較廣。

設(shè)接收到的一幀帶噪語(yǔ)音為：

y=x+d

(16)

式中,y為帶噪語(yǔ)音，x為純凈語(yǔ)音，d為加性平穩(wěn)噪聲。令Yk=Rkexp[jθk]，Xk=Bkexp[jαk]和Dk分別表示y，x和d經(jīng)過(guò)FFT變換后的第k個(gè)頻譜分量。其中Rk和Bk分別為帶噪語(yǔ)音、純凈語(yǔ)音在頻點(diǎn)k的幅度；θk和αk分別為帶噪語(yǔ)音、純凈語(yǔ)音在頻點(diǎn)k的相位。MMSE算法的核心就是從Yk中估計(jì)出Bk。

(17)

(18)

基于短時(shí)對(duì)數(shù)譜最小均方誤差估計(jì)為[13]：

(19)

增益函數(shù)可以表示為：

(20)

式中，

其中:ξk和γk分別為先驗(yàn)信噪比(SNR)和后驗(yàn)信噪比(SNR)；λs為純凈語(yǔ)音方差，λn為噪聲方差。因此，MMSE算法的增益函數(shù)僅依賴于先驗(yàn)信噪比和后驗(yàn)信噪比。MMSE算法達(dá)到了語(yǔ)音可懂度和降噪比的折衷，適用信噪比的范圍較廣，但是由于需要統(tǒng)計(jì)各種參數(shù)，算法運(yùn)算量大，實(shí)時(shí)性有待提高。

2 語(yǔ)音增強(qiáng)實(shí)驗(yàn)及結(jié)果分析

為了對(duì)比分析不同語(yǔ)音增強(qiáng)算法的處理效果，使用Matlab軟件分別就3種語(yǔ)音增強(qiáng)算法進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)所需的語(yǔ)音信號(hào)來(lái)自NOIZEUS語(yǔ)料庫(kù)，NOIZEUS是德克薩斯大學(xué)達(dá)拉斯分校語(yǔ)音處理實(shí)驗(yàn)室為方便對(duì)比各種語(yǔ)音去噪算法效果開(kāi)發(fā)的語(yǔ)料庫(kù)，總共包含了從IEEE語(yǔ)料庫(kù)中選取出的30條連續(xù)語(yǔ)音，其中包括15個(gè)男聲和15個(gè)女聲樣本，采樣頻率為8kHz，量化為16bit。噪聲選自NOISEX-92語(yǔ)料庫(kù)，從中選取比較具有代表性的高斯白噪聲(white)、說(shuō)話人噪聲(babble)和戰(zhàn)斗機(jī)噪聲(f16)。

2.1 譜減法實(shí)驗(yàn)仿真分析

在眾多語(yǔ)音增強(qiáng)算法中，譜減法因其原理簡(jiǎn)單、容易實(shí)現(xiàn)且計(jì)算量小等優(yōu)點(diǎn)，應(yīng)用非常廣泛。本文通過(guò)對(duì)混入不同類(lèi)型、不同信噪比噪聲的語(yǔ)音信號(hào)用譜減法進(jìn)行語(yǔ)音增強(qiáng)處理。選用”sp01.wav”樣本進(jìn)行實(shí)驗(yàn)，在純凈的語(yǔ)音中混入0db的戰(zhàn)斗機(jī)噪聲(f16)，處理前后波形對(duì)比如圖3所示。

圖3 譜減法語(yǔ)音增強(qiáng)處理前后語(yǔ)音波形對(duì)比圖

可以地看出，經(jīng)過(guò)語(yǔ)音增強(qiáng)處理后，受到噪聲干擾的語(yǔ)音信號(hào)波形有了明顯的變化，噪聲已被消除。對(duì)”sp01.wav”樣本分別加上-5、0、5、10、15db的白噪聲、babble噪聲、f16噪聲，處理后輸出信噪比的對(duì)比結(jié)果如表1所示。

表1 譜減法語(yǔ)音去噪輸出信噪比 dB

2.2 維納濾波法實(shí)驗(yàn)仿真分析

用維納濾波法對(duì)含有噪聲的語(yǔ)音信號(hào)進(jìn)行處理，即將含有噪聲的語(yǔ)音作為對(duì)原始語(yǔ)音信號(hào)的估計(jì)來(lái)設(shè)計(jì)濾波器。因?yàn)殚_(kāi)始不存在語(yǔ)音信號(hào)，所以需要通過(guò)迭代進(jìn)行反復(fù)的改善，在第一次維納濾波后，輸出的語(yǔ)音信號(hào)更為純潔并且更接近原始語(yǔ)音，再將輸出的語(yǔ)音信號(hào)作為估計(jì)繼續(xù)濾波。

在實(shí)驗(yàn)中，選用”sp01.wav”樣本進(jìn)行實(shí)驗(yàn)，在純凈的語(yǔ)音中混入0db的戰(zhàn)斗機(jī)噪聲(f16)，處理前后波形對(duì)比如圖4所示。

圖4 維納濾波語(yǔ)音增強(qiáng)處理前后波形對(duì)比圖

從實(shí)驗(yàn)結(jié)果對(duì)比圖中可以看出，維納濾波算法能夠很好地對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行消噪處理。采用維納濾波最大的好處是增強(qiáng)后的殘留噪聲類(lèi)似于白色噪聲，而不是有節(jié)奏起伏的音樂(lè)噪聲。但是維納濾波只是在平穩(wěn)條件下才能保證在最小均方誤差意義下的最優(yōu)估計(jì)。而語(yǔ)音是非平穩(wěn)的，只在短時(shí)間內(nèi)近似平穩(wěn)，實(shí)際環(huán)境中的噪聲也常是非平穩(wěn)的。這是維納濾波器的缺陷所在。

對(duì)”sp01.wav”樣本分別加上-5、0、5、10、15db的白噪聲、babble噪聲、f16噪聲，處理后輸出信噪比的對(duì)比結(jié)果如表2所示。

表2 維納濾波法語(yǔ)音去噪輸出信噪比 dB

2.3 基于MMSE算法的語(yǔ)音增強(qiáng)實(shí)驗(yàn)仿真分析

最小均方誤差語(yǔ)音增強(qiáng)算法基于語(yǔ)音的短時(shí)平穩(wěn)性，同時(shí)人耳對(duì)語(yǔ)音信號(hào)的相位不敏感。該算法假設(shè)原始純凈語(yǔ)音信號(hào)和噪聲信號(hào)互不相關(guān)，因此它們的傅里葉展開(kāi)系數(shù)也相互獨(dú)立。基于這個(gè)假設(shè)采用MMSE準(zhǔn)則，在對(duì)數(shù)域上對(duì)純凈語(yǔ)音信號(hào)的功率譜進(jìn)行估計(jì)。這種語(yǔ)音增強(qiáng)算法能夠在一定程度上減少音樂(lè)噪聲，達(dá)到了語(yǔ)音可懂度和降噪比的折衷，適用信噪比的范圍較廣，但是由于需要統(tǒng)計(jì)各種參數(shù)，算法運(yùn)算量大。在實(shí)驗(yàn)中，選用”sp01.wav”樣本進(jìn)行實(shí)驗(yàn)，在純凈的語(yǔ)音中混入0db的戰(zhàn)斗機(jī)噪聲(f16)，處理前后波形對(duì)比如圖5所示。

圖5 MMSE算法語(yǔ)音增強(qiáng)處理前后波形對(duì)比圖

對(duì)”sp01.wav”樣本分別加上-5、0、5、10、15 db的白噪聲、babble噪聲、f16噪聲，處理后輸出信噪比的對(duì)比結(jié)果如表3所示。

3 結(jié)語(yǔ)

利用飛機(jī)實(shí)施人工影響天氣作業(yè)，具有作業(yè)面積大，覆蓋范圍廣，作業(yè)效果好的優(yōu)點(diǎn)，是未來(lái)人工影響天氣工作的發(fā)展方向。但人影作業(yè)飛機(jī)內(nèi)部工作環(huán)境復(fù)雜，噪音較大，給工作人員的正常語(yǔ)言交流帶來(lái)了影響。因此，需要設(shè)計(jì)一種語(yǔ)音增強(qiáng)裝備或設(shè)施來(lái)消除噪聲。本文從理論上闡述了常見(jiàn)的語(yǔ)音增強(qiáng)算法，包括參數(shù)方法、非參數(shù)方法、統(tǒng)計(jì)方法及其他方法，重點(diǎn)研究了譜減法、自適應(yīng)濾波算法、基于短時(shí)對(duì)數(shù)譜幅度的MMSE算法。譜減法具有原理簡(jiǎn)單，便于計(jì)算的優(yōu)點(diǎn)；但這種方法由于沒(méi)有考慮噪聲的分布特性，會(huì)存在音樂(lè)噪聲。維納濾波算法消除噪音效果較好，但這種方法是在假定噪音為平穩(wěn)條件下的最優(yōu)估計(jì)，而實(shí)際語(yǔ)音是非平穩(wěn)的，這是維納濾波器的缺陷所在。基于短時(shí)對(duì)數(shù)譜幅度的MMSE算法適應(yīng)范圍較廣，做到了可懂度和信噪比的折衷。對(duì)比分析不同算法的優(yōu)缺點(diǎn)，針對(duì)人影作業(yè)飛機(jī)的特定工作環(huán)境，MMSE算法去噪效果優(yōu)于前兩種語(yǔ)音增強(qiáng)算法。特別是在戰(zhàn)斗機(jī)噪聲干擾的情況下，MMSE算法輸出信噪比最高。因此，可以選用基于短時(shí)對(duì)數(shù)譜幅度的MMSE算法來(lái)進(jìn)行語(yǔ)音增強(qiáng)處理。

表3 MMSE算法語(yǔ)音去噪輸出信噪比 dB

[1] 王廣河,胡志晉,陳萬(wàn)奎.人工增雨農(nóng)業(yè)減災(zāi)技術(shù)研究[J].應(yīng)用氣象學(xué)報(bào),2001,12(s):1-9.

[2] 柴 恒.幾種語(yǔ)音增強(qiáng)技術(shù)降噪效果的比較和MATLAB仿真[J].科技資訊,2008,22:8-10.

[3] Fan N P. Low distortion speech denoising using an adaptive parametric Wiener filter[A]. 2004. Proceedings. (ICASSP 04)IEEE International Conference on Acoustics, Speech, and Signal Processing[C]. 2004:1309-1312.

[4] You C H, Koh S N, Rahardja S. Kalman filtering speech enhancement incorporating masking properties for mobile communication in a car environment[A]. 2004, ICME 04. 004 IEEE International Conference on Multimedia and Expo[C]. 2004: 1343-1346.

[5] Flogeras D, Doraiswami R, Kaye M. E. A real time specatral subtraction based speech enhancement scheme[A]. IEEE CCECE 2003. Cnandian Conference on Electrical and Computer Engineering 2003[C]. 2003: 1071-1074.

[6] Hu X, Hu A Q, Zhao L. A robust adaptive speech enhancement system[A]. Proceedings of the 2003 International Conference on Neural Networks and Signal Processing[C]. 2003:814-817.

[7] 史迎馨. 航空飛機(jī)計(jì)算機(jī)通信中濾波器的優(yōu)化設(shè)計(jì)[J]. 計(jì)算機(jī)測(cè)量與控制, 2015, 23(1):234-236.

[8] 趙鴻圖, 劉 云. 改進(jìn)粒子群算法的小波神經(jīng)網(wǎng)絡(luò)語(yǔ)音去噪[J]. 計(jì)算機(jī)測(cè)量與控制, 2013, 21(10):2799-2807.

[9] 張雪英.數(shù)字語(yǔ)音處理及MATLAB仿真[M].北京: 電子工業(yè)出版社,2010,7.

[10] 李 琴. 語(yǔ)音增強(qiáng)技術(shù)研究[D]. 桂林: 桂林電子科技大學(xué), 2007.

[11] 李 洋. 基于小波變換的語(yǔ)音去噪算法研究與實(shí)現(xiàn)[D]. 桂林: 桂林電子科技大學(xué), 2014.

[12] Ephraim Y, Malah D. Speeeh enhancement using a minimum mean square error short time spectral amplitude estimator[J]. IEEE Transaetionson Speech Audio Proeessing, 1984, 32(6): 1109-1121.

[13] 陳 琪, 郭 英, 張 群, 等. 基于聽(tīng)覺(jué)感知的LSA-MMSE改進(jìn)型語(yǔ)音增強(qiáng)方法[J]. 信號(hào)處理, 2008, 24(6): 1037-1040.

ResearchofSpeechEnhancementAlgorithmsofWeatherModificationAeroplane

WangShanhai,MaXinxin,LiuQian,YangMin

(WeatherModificationCenterofHenanProvince,Zhengzhou450003,China)

The implementation of weather modification with aeroplane can cover a wide range and produce better results. So it is the future trend of the development of weather modification. However, the internal working environment of the aeroplane is so complex that the normal communication of the staff would be affected by the noise of aircraft engines, inside equipments and external aeroplane. Sometimes they can’t communicate fluently. Therefore, it is need to design a speech enhancement equipment or facilities to eliminate the noise and convenient staff communication. Elaborates theoretically the parametric method, the nonparametric method, the statistical method and other speech enhancement algorithms. Focus research on Wiener filtering algorithm, spectral subtraction algorithm and MMSE algorithm based on short-time logarithm spectrum. The three algorithms are simulated and are compared. The experimental results demonstrate that the MMSE algorithm based on short-time logarithm spectrum is suitable for speech enhancement aiming at the specific circumstance.

weather modification; speech enhancement; spectral subtraction; Wiener filter; minimum mean square error

2016-11-01；

2016-11-22。

河南省氣象局科研項(xiàng)目(Z201508)。

王山海(1982-)，男，河南長(zhǎng)垣人，碩士研究生，主要從事人工影響天氣信息技術(shù)方向的研究。

1671-4598(2017)04-0162-05DOI：10.16526/j.cnki.11-4762/tp

TP

A