阮振裔，王 濤，石超宇

(上海大學(xué) 通信與信息工程學(xué)院，上海 200444)

1 引言

語(yǔ)音增強(qiáng)的作用是提高受損語(yǔ)音的質(zhì)量和可懂度[1]。于現(xiàn)實(shí)中采集到的語(yǔ)音信號(hào)往往伴有周?chē)沫h(huán)境噪聲，人聲干擾以及其他因素的影響。在許多語(yǔ)音系統(tǒng)如語(yǔ)音通信，語(yǔ)音識(shí)別中都需要使用到語(yǔ)音增強(qiáng)算法來(lái)提升系統(tǒng)的性能。

根據(jù)麥克風(fēng)的數(shù)量進(jìn)行分類，可以把語(yǔ)音增強(qiáng)算法分為單通道(單麥克風(fēng))語(yǔ)音增強(qiáng)和多通道(多麥克風(fēng)或麥克風(fēng)陣列)語(yǔ)音增強(qiáng)。本文所研究的算法屬于單通道語(yǔ)音增強(qiáng)。單通道語(yǔ)音增強(qiáng)算法又可以大致分為以下幾類：譜減法[2]，基于統(tǒng)計(jì)模型的算法[3-4]，子空間算法[5]，以及基于機(jī)器學(xué)習(xí)的算法[6-7]。需要指出的是，這些算法大多只關(guān)注幅度譜的修正，而采取使用含噪語(yǔ)音信號(hào)相位代替純凈語(yǔ)音信號(hào)相位的做法。其原因在于早期研究人員認(rèn)為人耳對(duì)于相位信息并不敏感[8]；在高信噪比情況下，含噪語(yǔ)音信號(hào)相位譜和純凈語(yǔ)音信號(hào)相位譜非常接近[9]；純凈語(yǔ)音信號(hào)相位譜的準(zhǔn)確較難估計(jì)，會(huì)增加算法的復(fù)雜度等等。因此，從20世紀(jì)開(kāi)始的很長(zhǎng)一段時(shí)間范圍內(nèi)，語(yǔ)音增強(qiáng)主要是對(duì)信號(hào)的幅度譜進(jìn)行增強(qiáng)。而對(duì)于相位譜的研究較少。

隨著語(yǔ)音增強(qiáng)技術(shù)的發(fā)展，僅僅對(duì)幅度譜進(jìn)行增強(qiáng)后實(shí)現(xiàn)的效果提升越來(lái)越有限。同時(shí)硬件資源的提升使得算法復(fù)雜度較高的方法也能夠被接受。因此，研究人員將目光轉(zhuǎn)向相位譜。Paliwal K等人設(shè)計(jì)了多種實(shí)驗(yàn)證明了相位譜在語(yǔ)音增強(qiáng)中的重要性[10]。近年來(lái)，越來(lái)越多的研究致力于相位譜語(yǔ)音增強(qiáng)[11-13]。

本文提出了具有相位補(bǔ)償?shù)母倪M(jìn)log-MMSE語(yǔ)音增強(qiáng)算法。本文使用基于GMM的VAD算法[14]來(lái)估計(jì)噪聲和改進(jìn)基礎(chǔ)的log-MMSE增益函數(shù)。傳統(tǒng)的通過(guò)VAD來(lái)估計(jì)噪聲的方法只在噪聲段更新，而在語(yǔ)音段保持不變。本文結(jié)合VAD所產(chǎn)生的語(yǔ)音存在概率改進(jìn)噪聲功率譜更新方式，使得噪聲信息能夠一直得到更新。另外根據(jù)VAD給出的幀單位上檢測(cè)結(jié)果和語(yǔ)音存在概率改進(jìn)了基礎(chǔ)的log-MMSE增益函數(shù)。最后使用一個(gè)相位補(bǔ)償因子[15]來(lái)對(duì)相位譜作出補(bǔ)償。從而對(duì)含噪語(yǔ)音信號(hào)的相位譜和幅度譜同時(shí)進(jìn)行增強(qiáng)。

本文在TIMIT和NOISEX-92，NOIZEUS數(shù)據(jù)集下，設(shè)立多種噪聲環(huán)境進(jìn)行算法有效性驗(yàn)證。實(shí)驗(yàn)數(shù)據(jù)表明，本文所提出的具有相位補(bǔ)償?shù)母倪M(jìn)log-MMSE語(yǔ)音增強(qiáng)算法與其他經(jīng)典語(yǔ)音增強(qiáng)算法相比，能夠?qū)崿F(xiàn)更好的噪聲抑制效果，更好地提升語(yǔ)音質(zhì)量。

2 典型log-MMSE語(yǔ)音增強(qiáng)算法

假設(shè)噪聲是加性的。則時(shí)域中含噪語(yǔ)音信號(hào)由可由式(1)來(lái)表示。

x(n)=s(n)+v(n)

(1)

其中，x(n)、s(n)、v(n)分別表示時(shí)域中的含噪語(yǔ)音，純凈語(yǔ)音和噪聲信號(hào)。

含噪語(yǔ)音信號(hào)經(jīng)過(guò)語(yǔ)音信號(hào)預(yù)處理過(guò)程，從時(shí)域變換到頻域后，用幅度譜和相位譜表示如下：

|X(k,l)|eiφX(k,l)=|S(k,l)|eiφS(k,l)+

|V(k,l)|eiφV(k,l)

(2)

其中，|X(k,l)|、|S(k,l)|、|V(k,l)|分別表示含噪語(yǔ)音、純凈語(yǔ)音、噪聲的幅度譜。φX(k,l)、φS(k,l)、φV(k,l)分別表示含噪語(yǔ)音、純凈語(yǔ)音、噪聲的相位譜。

基礎(chǔ)log-MMSE增益函數(shù)通過(guò)令估計(jì)純凈語(yǔ)音與實(shí)際純凈語(yǔ)音對(duì)數(shù)幅度譜均方誤差最小化推導(dǎo)得出，可以表示如下：

(3)

然后通過(guò)增益函數(shù)增強(qiáng)幅度譜，并且使用含噪語(yǔ)音相位代替純凈語(yǔ)音相位。最后通過(guò)逆傅里葉變換轉(zhuǎn)換到時(shí)域上。其過(guò)程可以用圖1來(lái)展示。

3 改進(jìn)log-MMSE語(yǔ)音增強(qiáng)算法

3.1 改進(jìn)噪聲估計(jì)

基于GMM的VAD算法選取子帶對(duì)數(shù)能量作為語(yǔ)音特征，其計(jì)算過(guò)程如下。

P(k,l)=αP(k,l-1)+(1-α)|X(k,l)|2

(4)

(5)

對(duì)含噪語(yǔ)音進(jìn)行建模，GMM可以表示如下(為了表達(dá)簡(jiǎn)潔，式中省略了部分索引)：

(6)

其中，w,μ,κ分別表示權(quán)重，均值和方差，這三個(gè)值組成GMM參數(shù)集λ。下標(biāo)z=0,1分別表示噪聲分量和語(yǔ)音分量標(biāo)簽。

初始化GMM模型參數(shù)集之后，對(duì)參數(shù)集進(jìn)行實(shí)時(shí)更新。通過(guò)參數(shù)集來(lái)求得語(yǔ)音存在概率，語(yǔ)音存在概率的計(jì)算公式如下：

(7)

其中，spp(b,l)表示第l幀中第b個(gè)子帶上的語(yǔ)音存在概率，w1(b,l)表示對(duì)應(yīng)的語(yǔ)音模型權(quán)重，p(y(b,l)|z=1,λl)表示對(duì)應(yīng)噪聲模型的概率密度函數(shù)，λl表示第l幀的參數(shù)集。子帶上的語(yǔ)音存在概率spp(b,l)通過(guò)變換可以得到各頻點(diǎn)上的語(yǔ)音存在概率spp(k,l)。統(tǒng)計(jì)一幀中各子帶的語(yǔ)音存在概率，與一個(gè)閾值進(jìn)行比較得到可以每一幀信號(hào)的VAD結(jié)果。

傳統(tǒng)基于VAD進(jìn)行噪聲估計(jì)的方法可以表示如下：

(8)

上述方法的缺點(diǎn)是在語(yǔ)音段無(wú)法更新噪聲功率譜，實(shí)際上語(yǔ)音段內(nèi)的噪聲功率譜可能會(huì)發(fā)生變化。因此本文對(duì)上面的噪聲估計(jì)方法做出了改進(jìn)，通過(guò)一個(gè)可變平滑因子使得噪聲功率譜更新在語(yǔ)音段也能夠進(jìn)行。改進(jìn)后的噪聲估計(jì)方法可以用下式來(lái)表示。

(9)

其中αn(k,l)表示第l幀第k個(gè)頻點(diǎn)上的平滑因子，其計(jì)算公式如下：

αn(k,l)=α0+spp(k,l)(1-α0)

(10)

3.2 改進(jìn)增益函數(shù)

前文所給出的基礎(chǔ)log-MMSE增益函數(shù)是假設(shè)語(yǔ)音和噪聲都存在時(shí)推導(dǎo)得出的。但是人在說(shuō)話過(guò)程中必然會(huì)有停頓，此時(shí)只有噪聲信號(hào)的存在。因此對(duì)于一段含噪語(yǔ)音信號(hào)，一般不直接使用增益函數(shù)與之相作用，而需要結(jié)合語(yǔ)音存在概率對(duì)增益函數(shù)作出修正。另外當(dāng)增強(qiáng)信號(hào)幅度為零時(shí)，會(huì)出現(xiàn)惱人的音樂(lè)噪聲影響語(yǔ)音質(zhì)量。因此為了保證增益函數(shù)不為零，還需要為其設(shè)定一個(gè)最小值。

值得注意的是，在有些情況下，GMM的建?？赡艹鲥e(cuò)，在這種情況下得到的語(yǔ)音存在概率是有誤的，若繼續(xù)使用其進(jìn)行語(yǔ)音增強(qiáng)會(huì)對(duì)語(yǔ)音有較大損傷。盡管頻點(diǎn)上的語(yǔ)音存在概率可能會(huì)出錯(cuò)，但是幀單位上的VAD判決結(jié)果由于子帶融合機(jī)制一般是正確的，因此本文的增益函數(shù)最終設(shè)置如下：

(11)

其中G′(k,l)表示本文所用改進(jìn)增益函數(shù)，Gm是為了防止語(yǔ)音存在概率為零時(shí)導(dǎo)致最終增益為零所設(shè)置的最小增益值，Gn是為了防止原先增益為零時(shí)導(dǎo)致最終增益為零所設(shè)置的最小增益值。

3.3 相位補(bǔ)償

在高信噪比情況下，含噪語(yǔ)音的相位與純凈語(yǔ)音相位接近，但在低信噪比情況下，兩者的差距會(huì)十分明顯。因此只對(duì)含噪語(yǔ)音進(jìn)行幅度譜增強(qiáng)而忽略相位譜的做法并不是最優(yōu)的。我們使用一個(gè)簡(jiǎn)單的實(shí)驗(yàn)來(lái)說(shuō)明上述現(xiàn)象。即選取一段純凈的語(yǔ)音信號(hào)，疊加高斯白噪聲設(shè)立多種信噪比。并把這兩種信號(hào)轉(zhuǎn)換到頻域上，觀察兩者的相位譜，實(shí)驗(yàn)結(jié)果如表1所示。

表1 不同信噪比情況下含噪語(yǔ)音信號(hào)與純凈語(yǔ)音信號(hào)相位的比較

信噪比/dB-505101520φX(k,l)/度-28.9-37.3-42.5-45.5-47.2-48.2φS(k,l)/度-49.5-49.5-49.5-49.5-49.5-49.5

可見(jiàn)信噪比越低，兩者的差距越來(lái)越大。

因此本文使用一個(gè)相位補(bǔ)償因子來(lái)對(duì)相位譜進(jìn)行補(bǔ)償[15]。給出相位補(bǔ)償因子如下：

Λ(k,l)=cΨ(k)|V(k,l)|

(12)

其中c為一經(jīng)驗(yàn)值常數(shù)，|V(k,l)|表示噪聲幅度譜，Ψ(k)為一反對(duì)稱性函數(shù)，其形式如下：

(13)

相位補(bǔ)償首先通過(guò)給原先的含噪信號(hào)加上相位補(bǔ)償因子：

XΛ(k,l)=X(k,l)+Λ(k,l)

(14)

然后通過(guò)上式中的XΛ(k,l)來(lái)求得補(bǔ)償后的相位譜：

φXΛ(k,l)=ARG[XΛ(k,l)]

(15)

最終的增強(qiáng)信號(hào)通過(guò)結(jié)合增強(qiáng)之后的幅度譜和補(bǔ)償?shù)南辔蛔V來(lái)得到：

(16)

3.4 本文改進(jìn)算法總結(jié)

綜上所述，本文所提出的改進(jìn)語(yǔ)音增強(qiáng)算法主要研究?jī)?nèi)容如下：

(1)使用基于GMM的VAD算法所得到的語(yǔ)音存在概率，改進(jìn)了傳統(tǒng)通過(guò)VAD算法進(jìn)行噪聲估計(jì)的方法，使得噪聲功率譜更新在語(yǔ)音段也能夠進(jìn)行。

(2)使用基于GMM的VAD算法所得到幀單位上檢測(cè)結(jié)果和語(yǔ)音存在概率，改進(jìn)了基礎(chǔ)的log-MMSE增益函數(shù)，在盡可能抑制噪聲的同時(shí)盡量保證語(yǔ)音成分不失真。

(3)使用相位補(bǔ)償因子對(duì)相位譜作出補(bǔ)償，從而同時(shí)進(jìn)行幅度譜和相位譜的增強(qiáng)。

本文所設(shè)計(jì)的具有相位補(bǔ)償?shù)母倪M(jìn)log-MMSE語(yǔ)音增強(qiáng)算法的整體流程圖如圖2所示。

4 實(shí)驗(yàn)驗(yàn)證

為了評(píng)估所提出的具有相位補(bǔ)償?shù)母倪M(jìn)log-MMSE語(yǔ)音增強(qiáng)算法的性能，我們從TIMIT語(yǔ)料庫(kù)中選擇純凈語(yǔ)音信號(hào)。并從NOISEX-92和NOIZEUS噪聲庫(kù)中選取噪聲，對(duì)純凈語(yǔ)音信號(hào)疊加不同的噪聲，設(shè)立多組信噪比作為測(cè)試數(shù)據(jù)，對(duì)比本文算法與其他經(jīng)典語(yǔ)音增強(qiáng)算法的性能。

本文使用信噪比和PESQ來(lái)評(píng)價(jià)增強(qiáng)之后的語(yǔ)音質(zhì)量。算法處理后的信號(hào)信噪比越高意味著噪聲抑制的效果越好。但語(yǔ)音增強(qiáng)不僅僅是對(duì)噪聲進(jìn)行抑制，還需要同時(shí)盡量保證語(yǔ)音成分不失真。語(yǔ)音質(zhì)量感知評(píng)價(jià)(PESQ)是一種比較常用的客觀評(píng)價(jià)方式。PESQ給出的得分越高，則說(shuō)明增強(qiáng)的語(yǔ)音質(zhì)量越高。通過(guò)這兩種評(píng)價(jià)方式來(lái)對(duì)比算法的性能。本文中語(yǔ)音信號(hào)采樣頻率為16 kHz，幀長(zhǎng)20 ms，平滑功率譜平滑常數(shù)α取0.98，噪聲功率譜平滑常數(shù)α0取0.75，增益控制值Gm取0.103，增益控制值Gn取0.001，相位補(bǔ)償因子常數(shù)c取3.74。

4.1 不同噪聲環(huán)境下各算法輸出信噪比對(duì)比

首先從NOISEX-92噪聲庫(kù)中選取平穩(wěn)噪聲：white噪聲和pink噪聲，以及非平穩(wěn)噪聲babble噪聲構(gòu)成不同的含噪信號(hào)，通過(guò)信噪比來(lái)對(duì)比本文算法和其他經(jīng)典算法的降噪性能。表2展示了不同噪聲環(huán)境下，使用其他算法和本文算法進(jìn)行增強(qiáng)后的輸出信噪比情況。

表2 多種噪聲環(huán)境下各算法的輸出信噪比比較

噪聲類型輸入信噪比/dB輸出信噪比/dB譜減法維納濾波Log-MMSE本文算法-50.411.532.067.03white04.734.334.939.4359.057.668.2011.851013.4211.2711.8114.20-51.02-0.021.616.41pink04.574.574.908.8958.698.698.0911.511013.3911.6512.1414.21-50.381.962.162.91babble04.205.375.676.2558.248.889.179.731012.7513.2713.5313.39

從表3的實(shí)驗(yàn)結(jié)果我們可以看到，除了在babble噪聲含噪語(yǔ)音信號(hào)輸入信噪比為10 dB情況下，本文算法的輸出信噪比略低于log-MMSE，其余情況下本文算法的輸出信噪比都高于其他算法。

為了直觀形象地展示其他語(yǔ)音增強(qiáng)算法和本章所設(shè)計(jì)的算法的效果。圖3展示了在white噪聲0 dB情況下各算法輸出波形圖。從圖3我們可以看到相對(duì)而言譜減法的噪聲抑制效果最差，譜減法在高信噪比情況下能夠取得不錯(cuò)的噪聲抑制效果，但是在低信噪比情況下，其效果會(huì)急劇下降。在低信噪比情況下，維納濾波具有較小的增益函數(shù)，因此具有更強(qiáng)的噪聲抑制效果。但與此同時(shí)，和純凈語(yǔ)音信號(hào)的波形圖對(duì)比可以看到，一些有效語(yǔ)音成分也被消除掉，這是我們不希望看到的結(jié)果。log-MMSE保留了更多的語(yǔ)音成分，但也殘留了較多噪聲。而本文算法最終的增強(qiáng)效果既最大程度保留了語(yǔ)音的有效成分，也具有更低的噪聲殘留。

4.2 不同噪聲環(huán)境下各算法PESQ對(duì)比

為了進(jìn)一步驗(yàn)證本文算法的有效性。除了在NOISEX-92中選取的噪聲，另外從NOIZEUS噪聲庫(kù)中選取日常生活中常見(jiàn)的street噪聲和car噪聲組成測(cè)試集。對(duì)比各算法處理后的PESQ值，結(jié)果如表3所示。

表3 多種噪聲環(huán)境下各算法的PESQ比較

噪聲類型輸入信噪比/dBPESQ含噪信號(hào)譜減法維納濾波log-MMSE本文算法white-51.061.061.111.091.4201.081.101.161.191.6951.131.201.301.411.97101.281.451.681.832.32pink-51.061.061.171.101.4701.091.121.121.351.6551.201.291.291.661.94101.441.651.752.072.39babble-51.111.121.201.191.2401.191.211.231.381.4151.371.431.421.651.73101.371.861.932.152.19street-51.101.111.191.261.3001.171.231.281.481.5651.351.471.461.801.91101.651.922.022.272.31car-51.111.111.301.301.5101.191.201.641.691.8551.361.442.002.112.27101.651.852.362.502.75

從表3中結(jié)果可以看到，本文算法在各種噪聲環(huán)境下都具有最高的PESQ得分。因此本文算法比其他算法更好的增強(qiáng)效果。

5 結(jié)語(yǔ)

本文提出了具有相位補(bǔ)償?shù)母倪M(jìn)log-MMSE語(yǔ)音增強(qiáng)算法。傳統(tǒng)的通過(guò)VAD來(lái)估計(jì)噪聲的方法只在噪聲段更新，而在語(yǔ)音段保持不變。本文結(jié)合基于GMM的VAD所產(chǎn)生的語(yǔ)音存在概率改進(jìn)噪聲功率譜更新方式，使得噪聲信息在語(yǔ)音段也能更新。另外結(jié)合VAD給出的幀單位上檢測(cè)結(jié)果和語(yǔ)音存在概率改進(jìn)了基礎(chǔ)的log-MMSE增益函數(shù)。最后使用一個(gè)相位補(bǔ)償因子來(lái)對(duì)相位譜作出補(bǔ)償。從而對(duì)含噪語(yǔ)音信號(hào)的相位譜和幅度譜同時(shí)進(jìn)行增強(qiáng)。在多種噪聲環(huán)境下的實(shí)驗(yàn)結(jié)果表明，本文提出的算法相比于其他經(jīng)典語(yǔ)音增強(qiáng)算法，具有更好的噪聲抑制效果，能夠獲得更好的語(yǔ)音質(zhì)量。