【语音去噪】基于维纳+卡尔曼+谱减法实现语音去噪含Matlab源码

1 简介

基于维纳滤波、卡尔曼滤波、谱减法实现语音去噪处理。

2 部分代码

登录后复制

          
          

           
           function [wiener_enspeech] = wienerfilter(testsignal)
           
           
%维纳滤波器函数
           
           
testsignal=testsignal';
           
           
frame_len=256; %帧长
           
           
step_len=0.5*frame_len; %分帧时的步长，相当于重叠50%
           
           
wav_length=length(testsignal);
           
           
R = step_len;
           
           
L = frame_len; 
           
           
f = (wav_length-mod(wav_length,frame_len))/frame_len;
           
           
k = 2*f-1; % 帧数
           
           
 h = sqrt(1/101.3434)*hamming(256)'; % 汉宁窗乘以系数的原因是使其复合条件要求；
           
           
% testsignal = testsignal(1:f*L);  % 带噪语音与纯净语音长度对齐
           
           
% signal= signal(1:f*L);  
           
           
win = zeros(1,f*L); % 设定初始值；
           
           
wiener_enspeech = zeros(1,f*L);                         
           
           
%-------------------------------分帧-------------------------------------
           
           
for r = 1:k 
           
           
    y = testsignal(1+(r-1)*R:L+(r-1)*R); % 对带噪语音帧间重叠一半取值；
           
           
    y = y.*h; % 对取得的每一帧都加窗处理；
           
           
    w = fft(y); % 对每一帧都作傅里叶变换；
           
           
    Y(1+(r-1)*L:r*L) = w(1:L); % 把傅里叶变换值放在Y中；
           
           
end
           
           
%-------------------------------估计噪声-----------------------------------
           
           
   NOISE= stationary_noise_evaluate(Y,L,k); %噪声最小值跟踪算法
           
           
 % 每帧中的傅里叶变换和噪声估计均如上所示
           
           
 %-------------------------------winner-------------------------------------
           
           
for t = 1:k     
           
           
    X = abs(Y).^2;   
           
           
    S=max((X(1+(t-1)*L:t*L)-NOISE(1+(t-1)*L:t*L)),0);
           
           
    G_k=(X(1+(t-1)*L:t*L)-NOISE(1+(t-1)*L:t*L))./X(1+(t-1)*L:t*L);
           
           
    S = sqrt(S);
           
           
    A1=G_k.*S;
           
           
    A = Y(1+(t-1)*L:t*L)./abs(Y(1+(t-1)*L:t*L)); % 带噪于语音的相位；
           
           
    S = A1.*A; % 因为人耳对相位的感觉不明显，所以恢复时用的是带噪语音的相位信息；
           
           
    s = ifft(S);   
           
           
    s = real(s); % 取实部；
           
           
    wiener_enspeech(1+(t-1)*L/2:L+(t-1)*L/2) = wiener_enspeech(1+(t-1)*L/2:L+(t-1)*L/2)+s; % 在实域叠接相加；
           
           
    win(1+(t-1)*L/2:L+(t-1)*L/2) = win(1+(t-1)*L/2:L+(t-1)*L/2)+h; % 窗的叠接相加；
           
           
end
           
           
wiener_enspeech = wiener_enspeech./win; % 去除加窗引起的增益得到增强的语音；
           
           
wiener_enspeech=wiener_enspeech';
           
           
end
          
          

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.

3 仿真结果

4 参考文献

[1]郑永敏, 鲍鸿, & 张晶. (2017). 基于维纳–小波分析的语音去噪新方法. 广东工业大学学报, 34(5), 4.

[2]何志勇, 朱忠奎. 脉冲噪声环境下基于卡尔曼滤波的语音增强[J]. 计算机应用, 2011, 31(12):5.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。