噪声估计的主要方法简要概述

目前，噪声估计已成为语音增强技术中很关键的环节。在很多单通道语音增强算法中，尤其在噪声源不可知的情况下，实时噪声功率谱估计是很重要的。噪声估计的准确性会直接影响最终效果：若噪声估计过高，则徼弱的语音将被去掉，增强语音会产生失真；若估计过低，则会有较多的背景残留噪声。

近年来，非稳定环境下噪声功率谱估计得到了重视。传统的噪声估计方法实现纯粹基于语音活动的检测，制约了噪声在语音存在时的更新，而且在弱语音信号的低输入信噪比时，其可靠性性能恶化较明显。

文献【1】提出的最小值统计(Minima Statistical，MS)方法，通过跟踪特定窗内语音功率谱的最小值来估计噪声，乘以一个系数来补偿偏差。该方法所得噪声估计的方差是传统方法的2倍，同时它可能偶尔会削弱低能垦音素，尤其当最小观察窗很小时，只有以很高的计算复杂度为代价来克服其局限性。

文献【2—3】提出最小值控制递归平均(Minima ControlledRecursive Averaging，MCRA)法以及改进的MCRA(Improved Minima Controlled Recursive Averaging，IMCRA)，它们虽然保证了噪声谱估计的准确性，但在追踪带噪语音平滑功率谱最小值时采用了固定时间窗，因此，在噪声突变的情况下，估计的噪声谱存在很长的延时。

文献【4】提出一种快速估计方法，其噪声谱的更新在连续时问内不依赖同定时间的窗长，但在语音或噪声能量过高时噪声估计会慢下来，而且当时间大于0．5 S时，会削弱一些语音能量。

注：袁文浩. 《基于噪声估计的语音增强算法研究》[D]. 上海：华东理工大学.

此为博士论文，对于噪声估计的主要方法及原理都有详细介绍。

参考文献：

【1】Martin R．Noise Power Spectral Density Estimation Based on Optimal Smoothing and Minimum Statistics[J]．IEEE Trans．on Speech andAudio Processing，2001，9(5)：504—512．
【2】Cohen I，Bergdugo B．Noise Estimation by Minima Controlled Recursive for Robust Speech Enhancement[J]．IEEE Signal Processing Letters，2002，9(1)：12—15．
【3】Cohen I．Noise Spectral Estimation in Adverse Environments：Improved Minima Controlled Recursive Averaging[J]．IEEE Transactions on Speech and Audio Processing，2003，11(5)：466475．
【4】Rangachari S，Loizou P C．A Noise—estimation Algorithm for Highly Non-stationary Environments[C]//Proc．of ICASSP’04．Dallas，USA：[s．n．]，2004：220—231．