语音,是指人类通过发音器官发出来的、具有一定意义的、目的是用来进行社会交际的声音。在语言的形、音、义三个基本属性当中,语音是第一属性,人类的语言首先是以语音的形式语音形成,世界上有无文字的语言,但没有无语音的语言,语音在语言中起决定性的支撑作用。
语音由人的发音器官发出,负载着一定的语言意义。语言依靠语音实现它的社会功能。语言是音义结合的符号系统,语言的声音和语言的意义是紧密联系着的,因此,语言虽是一种声音,但又与一般的声音有着本质的区别。语音是人类发音器官发出的具有区别意义功能的声音,不能把语音看成纯粹的自然物质;语音是最直接地记录思维活动的符号体系,是语言交际工具的声音形式。
语音的物理基础主要有音高、音强、音长、音色,这也是构成语音的四要素。音高指声波频率,即每秒钟振动次数的多少;音强指声波振幅的大小;音长指声波振动持续时间的长短,也称为“时长”;音色指声音的特色和本质,也称作“音质”。
因此,语音信号的清晰度是一个十分重要的指标,高质量的语音信号不仅可以传达准确的信息,而且可以增加在各个语音识别,语音通信等领域的应用价值。但是在实际中,由于语音信号本身的复杂性,以及各种控制现场环境存在的背景干扰,如混叠语音干扰,会大大降低信号的质量,从而影响其实际的应用价值。本课题的主要工作就是针对这种情况,来进行语音信号的降噪处理,获得相对纯净的语音信号,从而大大提高语音信号应用系统的准确度和适应性。
语音降噪技术,最早采用模拟器器搭建相应的滤波电路来实现语音信号的降噪,但是由于模拟电路自身的局限性,当信噪比小到一定程度的时候,模拟滤波器则不能很好的解决噪声的问题。此外,当环境噪声发生剧烈变化的时候,模拟滤波器无法快速的适应新的环境变化,这个极大的影响实际的应用价值。
目前为止,应用最多的是数字降噪技术。使用数字处理方法进行语音信号的降噪。随着社会生产的发展,对于语音信号要求更为精确细致,对于这一点,强背景噪声下弱信号的提取是一种有效实用的技术,具有广泛的应用背景。由此可见,开展着方面的理论研究,并能应用于实际具有重要的现实意义。
国内降噪技术始于50年代,早期的语音降噪技术多是采用模拟电路来实现的,采用这种方法,一般可以实现的降噪量在8-12db。其技术的不足之处是清晰度差,远不能满足高噪声环境下的通讯要求。且对于人的体形不同,话音的质量会有较大的区别。到了80年,主要开始使用声音平衡原理的方式降低通讯中的噪声,但是这种方法对于整个系统的干扰比较大。到了90年代后期,主要采用动态降噪技术,这种方法是根据语音电平的幅度动态调整输出信号幅度,且对不同的噪声电平进行自动的抑制。
国外的消噪技术起步较早,起点较高,主要以美国和欧盟为代表,出现了一批实用的产品,代表了国际上的先进技术。其中俄罗斯的STC公司的主打产生是软件sound cleaner,专业数字滤波器ANF STCH-156,实时处理的处理板STC-H209。TI公司是一家以DSP芯片为主要产品的公司,其主打产品是TMS系列的DSP,其中有几款用于通讯终端的芯片。Motorola公司是近年来才进入DSP领域的,其主要产品有DSP56系列。其主要应用于Motorola自己的手机产品,由印度的第三方软件开发商为其开发了一套VAD以及噪音消除的程序,目前已经在相关领域有了很多的应用。
目前由于DSP高速芯片以及有效算法的出现,为数字方法实现降噪奠定了基础。因此,以数字信号处理器以及相关算法为基础的降噪技术的研究已成为新的热点。
语音降噪主要研究如何利用信号处理技术消除信号中的强噪声干扰,从而提高输出信噪比以提取出有用信号的技术。消除信号中噪声污染的通常方法是让受污染的信号通过一个能抑制噪声而让信号相对不变的滤波器,此滤波器从信号不可检测的噪声场中取得输入,将此输入加以滤波,抵消其中的原始噪声,从而达到提高信噪比的目的。
噪声的种类有很多种,根据噪声对输入信号的干扰方式,噪声主要分为加性噪声和乘性噪声。加性噪声是指噪声对语音的干扰表现为两者信号在时域进行相加。乘性噪声是指噪声和语音在频域是相乘的关系,在时域和语音则是卷积的关系。在现实系统中的噪声大部分都是加性噪声,如周期性运转的机械、电气干扰,撞击等突发性干扰,而且语音识别系统对加性噪声非常敏感。下面主要对周期性噪声干扰,脉冲噪声干扰以及宽带噪声干扰进行简介。
周期性噪声:周期性噪声的特点是有许多离散的窄谱峰,它往往来源于发动机,风扇等周期性运转的机械或者电气干扰。周期性噪声引起的问题可能是最小的,因为可以通过检测功率谱来搜索到周期性噪声,并通过滤波器进行去掉,一般可以通过固定滤波器,自适应滤波器和傅里叶变换滤波器进行滤波。
脉冲噪声:脉冲滤波为时域波形中突然出现的窄脉冲。滤除脉冲噪声的方法主要方法:在时域内,根据带噪声语音信号幅度的平均值确定阈值,当信号的幅度超出这一阈值的时候,则认为是脉冲噪声,然后对该信号进行衰减,直到完全消除为止。
带宽噪声:带宽噪声可以假设其噪声为高斯噪声和白噪声,其主要特点是噪声频谱遍布于语音信号频谱之中,这种类型的噪声消除较为困难,主要通过非线性处理方法进行噪声的滤除。
另外,根据噪声统计特性随着时间变化的程度可以将噪声分为平稳噪声、缓变噪声和冲激噪声。