本文是语音增强算法研究系列的第四篇，主要关注非平稳噪声的消除。文章介绍了OM-LSA（Optimally-Modified Log-Spectral Amplitude estimator）作为语音估计器，以及MCRA（Minimum-Controlled Recursive Averaging）用于噪声跟踪的核心算法。通过引入speech presence uncertainty概率参数，该算法在统计模型基础上实现噪声估计和增益因子计算，旨在提高语音降噪效果。
如需转载，请注明出处！
创建CSDN博客专栏的流程过于繁琐，为了节省时间，以系列文章的方式总结对语音增强算法的研究，主要包含语音降噪与回声消除算法。
参考文献：Speech enhancement for non-stationary noise environments
作者： Israel Cohen
核心算法
1. OM-LSA (Optimally-Modified Log-Spectral Amplitude estimator) 用于speech estimator
2. MCRA (Minimum-Contraled Recursive Averaging) 用于noise tracking
该降噪算法基于统计模型，引入speech presence uncertainty概率估计参数来更新计算噪声估计、增益因子计算。
算法结论：
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
