【语音去噪】维纳滤波语音去噪（时域 语音谱图）【含Matlab源码 4243期】

⛄一、获取代码方式

获取代码方式1：
完整代码已上传我的资源：【语音去噪】基于matlab维纳滤波语音去噪（时域 语音谱图）【含Matlab源码 4243期】

获取代码方式2：
付费专栏Matlab语音处理（初级版）

备注：
点击上面蓝色字体付费专栏Matlab语音处理（初级版），扫描上面二维码，付费29.9元订阅海神之光博客付费专栏Matlab语音处理（初级版），凭支付凭证，私信博主，可免费获得1份本博客上传CSDN资源代码（有效期为订阅日起，三天内有效）；
点击CSDN资源下载链接：1份本博客上传CSDN资源代码

⛄二、维纳滤波简介

本章提出了一种语音增强算法，该算法以基于先验信噪比估计的维纳滤波法为基础。通过计算无声段的统计平均得到初始噪声功率谱,并平滑处理初始噪声功率谱和带噪语音功率谱，更新了噪声功率谱；最后，考虑了某频率点处噪声急剧增大的情况，做了相关验证，该算法能有效地抑制变化范围不大或是稳定的噪声，但是对实际中的变化范围很广的噪声效果不是很好。
1 语音增强概述
1.1 语音增强的相关概念
嵌在语音系统中，语音信号不可避免的会受到周围噪声的干扰，从而影响语音的质量与可懂度。
语音增强：其实就是带噪语音中提取尽可能纯净的语音，改善语音质量和可懂度，提高噪声环境下语音通信系统的性能。
噪声都随机产生的，不可能完全消除。语音增强的目标是：减弱噪声、消除背景噪声、改进语音质量、使听着乐于接受，提高语音可懂度。

1.2 语音增强的相关算法
由于噪声来源众多，特性各不相同。语音增强处理系统的应用场合千差万别。
因此，不存在一种可以通用于各种噪声环境的语音增强算法。针对不同的环境，采取不同的语音增强算法。
语音增强算法按处理方式可以分为：基于语音周期性的增强算法，基于全极点模型的增强算法，基于短时谱估计的增强算法，基于信号子空间的增强算法和基于HMM的增强算法。
从目前的发展来看，基于短时谱估计的方法是最有效的方法。具体包括谱减法、维纳滤波、最小均方误差短时谱幅度估计法（MMSE-STSA）和最小均方误差对数谱幅度估计法（MMSE-LSA）。本文主要讨论使用维纳滤波器实现语音的增强处理。

2 基于先验信噪比估计的维纳滤波语音增强理论
先验信噪比是语音增强算法中非常重要的参数。 通过Ephraim和 Malah提出的“直接判决”估计来计算先验信噪比的方法是最有效的和最容易计算的。

⛄三、部分源代码

clear all;
clc;

[x,fs] = audioread(‘noisy_voice.wav’);
s_input = x;

s_out = wiener_speech(x,fs);

figure();
subplot(211);plot((1:length(s_input))./fs,s_input);
title(‘处理前的含噪语音波形’);
subplot(212);plot((1:length(s_out))./fs,s_out);
title(‘维纳滤波器处理后的语音波形’);

figure();
subplot(211);plot_STFT_square(s_input,fs);
title(‘处理前的含噪语音谱图’);
subplot(212);plot_STFT_square(s_out,fs);
title(‘维纳滤波器处理后的语音谱图’);

⛄四、运行结果

⛄五、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]韩纪庆,张磊,郑铁然.语音信号处理（第3版）[M].清华大学出版社，2019.
[2]柳若边.深度学习:语音识别技术实践[M].清华大学出版社，2019.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除