王　杰，楊程程，莫嘉永，王敦澤，王謝謝

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

1.廣州大學(xué) 機(jī)械與電氣工程學(xué)院，廣州 510006

2.廣州市信息安全測(cè)評(píng)中心，廣州 510635

1.College of Mechanical and Electric Engineering,Guangzhou University,Guangzhou 510006,China

2.Guangzhou Information Technology Security Evaluation Center,Guangzhou 510635,China

1　引言

目前，隨著業(yè)界對(duì)人工智能的日益關(guān)注，作為人機(jī)接口技術(shù)之一的語(yǔ)音信號(hào)處理技術(shù)得以快速發(fā)展。語(yǔ)音增強(qiáng)作為語(yǔ)音信號(hào)處理的關(guān)鍵技術(shù)的目的是從帶噪語(yǔ)音中恢復(fù)出純凈語(yǔ)音[1-7]。在單通道語(yǔ)音增強(qiáng)算法中，先驗(yàn)信噪比估計(jì)算法已經(jīng)得到廣泛的應(yīng)用[8-11]，較為經(jīng)典的有Ephraim和Malah提出的極大似然（Maximum Likelihood，ML）估計(jì)算法[9]和直接判決（Decision-Directed，DD）算法[2]，以及Plapous提出的改進(jìn)算法（Two Step Noise Reduction，TSNR）[11]。這些算法在一定程度上都取得了較好的消噪效果，但在低信噪比的環(huán)境下，增強(qiáng)后的語(yǔ)音信號(hào)的高次諧波分量丟失十分嚴(yán)重，從而造成嚴(yán)重的語(yǔ)音失真。為了恢復(fù)丟失的高次諧波分量，Plapous等人以先驗(yàn)信噪比估計(jì)的維納濾波法為基礎(chǔ)，提出了諧波重構(gòu)的方法[12]，Shen也對(duì)此提出了相應(yīng)的改進(jìn)算法[13]。

先驗(yàn)信噪比估計(jì)算法在較低的信噪比環(huán)境下無(wú)法準(zhǔn)確估計(jì)出基音周期是諧波重構(gòu)的一個(gè)難點(diǎn)。已有實(shí)驗(yàn)研究表明，對(duì)語(yǔ)音信號(hào)進(jìn)行二次譜處理，在時(shí)域上可以增大聲門激勵(lì)產(chǎn)生的語(yǔ)音峰值的幅值，即增強(qiáng)語(yǔ)音的濁音信號(hào)；在頻域上可以使功率譜各諧波峰值更為清晰明顯，從而增強(qiáng)了語(yǔ)音信號(hào)的周期性[14]。基于此，本文提出了一種基于諧波重構(gòu)的先驗(yàn)信噪比估計(jì)算法。在多種噪聲環(huán)境下的仿真實(shí)驗(yàn)表明，經(jīng)過諧波重構(gòu)的先驗(yàn)信噪比估計(jì)算法能夠有效地恢復(fù)諧波分量，提高信噪比，從而改善增強(qiáng)后的語(yǔ)音質(zhì)量。

2　基于諧波重構(gòu)的先驗(yàn)信噪比估計(jì)算法

2.1　DD算法和Plapous改進(jìn)算法

假設(shè)語(yǔ)音信號(hào)模型為y(n)=x(n)+d(n)，其中帶噪語(yǔ)音y(n)是由純凈語(yǔ)音x(n)和加性噪聲信號(hào)d(n)相加而獲得的。在頻域，語(yǔ)音信號(hào)模型可以表示為Y(k,l)=X(k,l)+D(k,l)，其中 X(k,l)，D(k,l)和Y(k,l)分別是x(n)，d(n)和y(n)的傅里葉變換，k代表幀數(shù)，l代表頻率。DD算法的先驗(yàn)信噪比(k,l)可以如下表示[11]：

其中，αDD是常數(shù)，典型值為0.92≤αDD≤0.98；GDD(k,l-1)是前一幀的增益函數(shù)，（k,l-1)是前一幀的后驗(yàn)信噪比估計(jì)值，(k,l)是當(dāng)前幀的后驗(yàn)信噪比估計(jì)值。

其中，βTSNR(k,l)是由DD算法的先驗(yàn)信噪比估計(jì)值決定的，如下所示：

在先驗(yàn)信噪比確定的情況下，Plapous算法和DD算法后續(xù)算法步驟是一致的，下面僅考慮DD算法的情況。

帶噪語(yǔ)音信號(hào)經(jīng)過DD算法處理后獲得增強(qiáng)后的頻域語(yǔ)音信號(hào)為（k,l)：

2.2　二次譜處理

由語(yǔ)音信號(hào)的激勵(lì)模型可知語(yǔ)音信號(hào)的濁音部分具有明顯的周期性，針對(duì)語(yǔ)音信號(hào)這一特性，可利用二次譜處理的非線性處理方法來增強(qiáng)語(yǔ)音的諧波分量和周期性。二次譜處理定義如下[14]：

根據(jù)文獻(xiàn)[15]，對(duì)式（6）取傅里葉逆變換并取模，得到濁音語(yǔ)音信號(hào)的功率譜二次處理如下所示：

從式（7）中可以看出，輸入的濁音信號(hào)經(jīng)過二次譜處理后，是一列相關(guān)的函數(shù)串，且在基音周期處取得最大譜峰[15]，即等效于二次譜處理后的濁音信號(hào)在基音周期處進(jìn)行了加權(quán)處理，從而增強(qiáng)了語(yǔ)音信號(hào)的周期性。

為進(jìn)一步驗(yàn)證上述結(jié)論的有效性，對(duì)二次譜處理后的語(yǔ)音信號(hào)進(jìn)行求倒譜運(yùn)算，結(jié)果如圖1所示。

圖1　語(yǔ)音信號(hào)倒譜和二次譜處理后的倒譜

圖1是增強(qiáng)后的語(yǔ)音信號(hào)的倒譜和再經(jīng)過二次譜處理后的倒譜的對(duì)比圖。根據(jù)圖1（a）和圖1（b）對(duì)比可以發(fā)現(xiàn)，經(jīng)過二次譜處理后的語(yǔ)音信號(hào)周期處的峰值明顯增強(qiáng)，語(yǔ)音信號(hào)的諧波峰值更加清晰明顯，所以經(jīng)過二次譜處理增強(qiáng)了語(yǔ)音信號(hào)的周期性。接下來將基于此進(jìn)行諧波重構(gòu)。

2.3　諧波重構(gòu)

經(jīng)過二次譜處理后的語(yǔ)音信號(hào)，在增強(qiáng)周期處峰值的同時(shí)，也抑制了部分幅值較小的共振峰處的信號(hào)；但可以根據(jù)濁音信號(hào)的諧波結(jié)構(gòu)特性來對(duì)丟失的諧波分量進(jìn)行重構(gòu)。Plapous提出了一種簡(jiǎn)單有效的諧波重構(gòu)算法[12]，在這種方法中，對(duì)語(yǔ)音信號(hào)進(jìn)行非線性處理，非線性處理函數(shù)定義如式（8）所示：

2.4　基于諧波重構(gòu)的先驗(yàn)信噪比估計(jì)算法

通過上述的分析可以知道，改進(jìn)的諧波重構(gòu)算法能夠有效地增強(qiáng)語(yǔ)音信號(hào)的諧波分量，故本節(jié)將基于此以DD算法和Plapous改進(jìn)算法為基礎(chǔ)來提升先驗(yàn)信噪比算法的性能，從而提出經(jīng)過諧波重構(gòu)的DD-HR算法（DD combining with Harmonic Regeneration，DD-HR）和Plapous-HR算法（Plapous combining with harmonic regeneration，Plapous-HR），以DD-HR算法為例，算法可以分三步來實(shí)現(xiàn)。具體步驟如下所示：

（1）通過DD算法對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行處理，獲得增強(qiáng)后的語(yǔ)音信號(hào)()k,l。

圖2　諧波重構(gòu)先驗(yàn)信噪比估計(jì)流程圖

3　實(shí)驗(yàn)結(jié)果和分析

作為測(cè)試樣本的純凈語(yǔ)音信號(hào)選自Timit Database庫(kù)；噪聲樣本選取Noisex-92噪聲庫(kù)的白噪聲、Babble噪聲和工廠噪聲。

語(yǔ)音和噪聲的采樣頻率均為8 kHz，幀長(zhǎng)為160，步長(zhǎng)為80，其余參數(shù)取值：α=0.93，a=5，β=0.84。

如圖3是時(shí)域波形圖的仿真結(jié)果，其中（a）為原始語(yǔ)音信號(hào)；（b）為信噪比SNR=0的帶噪語(yǔ)音信號(hào)，幾乎將原始語(yǔ)音信號(hào)淹沒；（c）為DD算法處理后的語(yǔ)音信號(hào)，仍然含有一些背景噪聲；（d）為經(jīng)過本文算法處理后的語(yǔ)音信號(hào)，可以看出噪聲得到進(jìn)一步的消除，信號(hào)成分得到提升。

圖3　語(yǔ)音信號(hào)時(shí)域波形圖

圖4　語(yǔ)音信號(hào)語(yǔ)譜圖

如圖4是圖3時(shí)域波形圖對(duì)應(yīng)的語(yǔ)譜圖。對(duì)比圖4中的（c）和（d），可以看出經(jīng)過諧波重構(gòu)的DD算法語(yǔ)譜圖的條紋更為清晰完善，并且相對(duì)于DD算法處理后的語(yǔ)音，高次諧波得到了明顯的增強(qiáng)，有效降低了語(yǔ)音失真。

為了進(jìn)一步驗(yàn)證算法的性能，對(duì)算法進(jìn)行了主客觀測(cè)試，采用AB測(cè)試作為主觀測(cè)試方法；采用平均段輸出信噪比提高量SegSNRI[16]和噪聲段的平均噪聲抑制量NR[17]作為客觀評(píng)價(jià)指標(biāo)。

平均段輸出信噪比提高量SegSNRI表達(dá)式如下式所示：

其中，SegSNRinput是輸入語(yǔ)音信號(hào)的平均段輸出信噪比，L表示語(yǔ)音段的幀數(shù)，s為純凈語(yǔ)音信號(hào)，?為算法增強(qiáng)后輸出的語(yǔ)音信號(hào)，且在SegSNRI中，其提高量越高，主觀語(yǔ)音質(zhì)量就會(huì)越好。

平均噪聲抑制量NR表達(dá)式為：

其中，N為語(yǔ)音段的幀數(shù)，且在NR中，其抑制量越大，殘留的噪聲就會(huì)少，語(yǔ)音質(zhì)量就會(huì)越好；y為帶噪語(yǔ)音信號(hào)。

將純凈語(yǔ)音信號(hào)加入不同類型的噪聲，得到輸入信噪比為0 dB、5 dB和10 dB的含噪語(yǔ)音信號(hào)，并采用Martin的MS算法估計(jì)噪聲功率譜[10]。

在主觀測(cè)試實(shí)驗(yàn)中，隨機(jī)選取Timit Database庫(kù)中的10段純凈語(yǔ)音，加入白噪聲，得到信噪比為0 dB的10段帶噪語(yǔ)音，分別利用DD算法、Plapous算法及其相應(yīng)的改進(jìn)算法對(duì)帶噪語(yǔ)音進(jìn)行處理，從而生成增強(qiáng)后的語(yǔ)音各10組。在AB測(cè)試中，定義原算法及其改進(jìn)算法處理后的語(yǔ)音，測(cè)聽較優(yōu)的得“1”分，較差的得“0”分；實(shí)驗(yàn)選取聽力正常，年齡在22～25歲之間7男3女共10人隨機(jī)聽取原算法及其改進(jìn)算法處理的共20組語(yǔ)音，并統(tǒng)計(jì)測(cè)聽得分，如表1所示。

表1　改進(jìn)前后的算法AB測(cè)試得分

由表1可以看出，在大多數(shù)情況下，經(jīng)諧波重構(gòu)改進(jìn)的算法處理的語(yǔ)音平均得分較高，故在較強(qiáng)的白噪聲環(huán)境下，本文提出的算法能夠提升原算法的性能。

表2給出了四種算法在不同噪聲環(huán)境下的平均噪聲抑制量和平均段信噪比提高量的對(duì)比結(jié)果。

從表2中可以發(fā)現(xiàn)，無(wú)論是對(duì)于平均輸出段信噪比提高量還是對(duì)于噪聲抑制量，在大多數(shù)情況下，經(jīng)過諧波重構(gòu)的先驗(yàn)信噪比估計(jì)算法（DD-HR和Plapous-HR算法）的性能要優(yōu)于對(duì)應(yīng)的DD算法和Plapous算法。故本文提出的算法對(duì)各類噪聲具有較強(qiáng)的魯棒性，在同等的噪聲環(huán)境下能夠使語(yǔ)音失真較小。

4　結(jié)束語(yǔ)

本文以諧波重構(gòu)算法和先驗(yàn)信噪比估計(jì)算法為基礎(chǔ)，提出了基于諧波重構(gòu)的先驗(yàn)信噪比估計(jì)算法。該方法在進(jìn)行語(yǔ)音諧波信號(hào)重構(gòu)之前對(duì)語(yǔ)音信號(hào)進(jìn)行二次譜處理，從而增強(qiáng)了語(yǔ)音信號(hào)的濁音部分，并突出了語(yǔ)音信號(hào)的周期性；然后將諧波增強(qiáng)后的語(yǔ)音信號(hào)帶入DD算法和Plapous改進(jìn)算法中以更新先驗(yàn)信噪比并獲得相應(yīng)的增益函數(shù)。這樣不僅有效地抑制了DD算法和Plapous改進(jìn)算法中殘留的背景噪聲，并且增強(qiáng)了語(yǔ)音信號(hào)的諧波分量，可以較好地恢復(fù)語(yǔ)音信號(hào)，減少語(yǔ)音失真。

表2　四種算法的SegSNRI和NR對(duì)比

參考文獻(xiàn)：

[1]Honesty J，Makino S，Chen J.Speechen hancement[M].Berlin：Springer，2005.

[2]Ephraim Y，Malah D.Speech enhancement using a minimum-meansquare error short-time spectral amplitude estimator[J].IEEE Transactions on Acoustics Speech and Signal Processing，2003，32（6）：1109-1121.

[3]Scalart P，F(xiàn)ilho J.Speech enhancement based on a priori signal to noise estimation[C]//Proceedings of IEEE International Conference on Acoustics，Speech and Signal Processing，1996：629-632.

[4]熊民權(quán)，曾以成，侯麗霞，等.運(yùn)用MMSE先驗(yàn)信噪比估計(jì)進(jìn)行語(yǔ)音增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（27）：152-154.

[5]姜占才，孫燕，王得芳.基于譜減和LMS的自適應(yīng)語(yǔ)音增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（7）：142-145.

[6]鄭成詩(shī)，周崟，李曉東.基于聯(lián)合語(yǔ)音出現(xiàn)概率的先驗(yàn)信噪比估計(jì)算法[J].電子與信息學(xué)報(bào)，2008，30（7）：1680-1683.

[7]鄭成詩(shī)，胡笑滸，周翊，等.基于噪聲譜結(jié)構(gòu)特性的譜減法[J].聲學(xué)學(xué)報(bào)，2010，35（2）：215-222.

[8]Cohen I.Relaxed statistical model for speech enhancement and a priori SNR estimation[J].IEEE Transactions on Speech and Audio Processing，2005，13（5）：870-881.

[9]Cappe O.Elimination of the musicaln oise phenomenon with the Ephraim and Malah noise suppressor[J].IEEE Transactions on Speech and Audio Processing，1997，2（3）：345-349.

[10]Martin R.Spectral subtraction based on minimum statistics[C]//Proceedings of European Signal Processing Conference，1994：1182-1185.

[11]Plapous C，Marro C，Scalart P.Improved signal-to-noise ratio estimation for speech enhancement[J].IEEE Transactions on Speech and Audio Processing，2006，14（6）：2098-2108.

[12]Plapous C，Marro C，Scalart P.Speech enhancement using harmonic regeneration[C]//Proceedings of IEEE International Conference on Acoustics，2005：157-160.

[13]Shen T W，Lun D P，Hsung T C.Speech enhancement using harmonic regeneration with improved wavelet based a-priori signal to noise ratio estimator[C]//Proceedings of International Symposium on Intelligent Signal Processing and communication systems，2010：1-4.

[14]朱建偉，孫水發(fā)，但志平，等.改進(jìn)的功率譜二次處理基音檢測(cè)法[J].計(jì)算機(jī)工程與科學(xué)，2010，32（5）：140-146.

[15]張?zhí)祢U，張戰(zhàn)，權(quán)進(jìn)國(guó)，等.語(yǔ)音信號(hào)基音檢測(cè)的二次譜方法[J].計(jì)算機(jī)應(yīng)用，2005，25（4）：934-936.

[16]Rix A W，Beerends J G，Hollier M P，et al.Perceptual Evaluation of Speech Quality（PESQ）[C]//Proceedings of IEEE International Conference on Acoustics，Speech and Signal Processing，2001：749-752.

[17]Cohen I.Analysis of two-channel Generalized Sidelobe Canceller（GSC） with post-filtering[J].IEEE Transactions on Speech and Audio Processing，2003，11（6）：684-699.