3.语音增强短时谱估计算法——功率谱减法

Princess$

已于 2022-10-25 15:31:16 修改

阅读量991

点赞数 1

分类专栏：语音增强技术文章标签：语音增强谱减法

于 2022-04-12 11:41:56 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_45136189/article/details/124119538

版权

语音增强技术专栏收录该内容

3 篇文章 2 订阅

订阅专栏

谱减法有两种实现方法：幅度谱减法与功率谱减法，在该专栏之前的文章中，已经介绍了幅度谱减法的原理，本篇文章将针对于功率谱减法进行介绍（使用的参数与幅度谱减法的参数意义一致）。

假设语音信号与噪声信号不想管，带噪语音信号的功率谱如下：

$\left | Y(\omega ) \right |^{2}=\left | S(\omega ) \right |^{2}+\left | D(\omega ) \right |^{2}$

由于噪声平稳，假设发声前与发生期间的噪声功率谱相同，可利用发音前后的、没有语音只有噪声的“寂静帧”来估计噪声。然而语音是非常稳定的，实际上只能利用一小段加窗信号进行分析，用下式表示：

$\left | Y(\omega ) \right |^{2}=\left | S(\omega ) \right |^{2}+\left | D(\omega ) \right |^{2}+S_{w}(\omega )D^{*}_{w}(\omega )+S^{*}_{w}(\omega )D_{w}(\omega )$

式中*表示复共轭，由于d(n)和s(n)互不相关，则互谱的统计均值为0，所以原始语音的功率谱估值如下所示：

$\left | \hat{S}(\omega ) \right |^{2}=\left | Y(\omega ) \right |^{2}-\left | \hat{D}(\omega ) \right |^{2}$

当以上差值为负时，则结果令为0。

带噪语音的相位 $argY(\omega)$ 直接与 $\left | \hat{S}(\omega ) \right |$ 相乘，可以得到增强后的语音信号：

$\hat{S}(\omega )=IFFT\left \{ \left | \hat{S(\omega ) }\cdot exp\left [ jargY(\omega ) \right ] \right | \right \}$

功率谱减法的原理框图如下所示：

我的博客即将同步至腾讯云开发者社区，邀请大家一同入驻：https://cloud.tencent.com/developer/support-plan?invite_code=1yqgrvpm3ge84

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
3.语音增强短时谱估计算法——功率谱减法

谱减法有两种实现方法：幅度谱减法与功率谱减法，在该专栏之前的文章中，已经介绍了幅度谱减法的原理，本篇文章将针对于功率谱减法进行介绍（使用的参数与幅度谱减法的参数意义一致）。假设语音信号与噪声信号不想管，带噪语音信号的功率谱如下：由于噪声平稳，假设发声前与发生期间的噪声功率谱相同，可利用发音前后的、没有语音只有噪声的“寂静帧”来估计噪声。然而语音是非常稳定的，实际上只能利用一小段加窗信号进行分析，...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。