基于谱熵的耳语音增强研究*

杜志然，周 萍，景新幸，李 杰

（1．桂林电子科技大学计算机科学与工程学院，广西桂林 541004;2．桂林电子科技大学电子工程与自动化学院，广西桂林 541004;3．桂林电子科技大学信息与通信学院，广西桂林 541004）

0 引言

耳语音作为一种特殊的语音，因其特殊性，给后续处理带来了不便。尤其是被噪声污染过的语音信号，在提取特征参数过程，往往会受到干扰。因此，对其进行增强处理是一个值得关注的问题。目前对耳语音的增强研究多使用基于神经元的方法［1］和自适应滤波的方法［2］。这些方法往往计算量比较大，需要参考信号的输入，而参考信号在现实中有时是不可知的。谱减法是一种比较传统的增强方法，计算比较简单，效果良好，而且不需要参考信号的输入，在现实生活中有着广泛的应用。由于耳语音的特性，传统谱减法对耳语音的增强效果较差，本文采用基于子带功率谱熵的改进谱减法，对耳语音进行增强处理。

1 耳语音的发音特点

发音系统主要由肺部、声带、声道、双唇构成。耳语音发音时，声门处于半开状态，肺部气流从声门的后半部分即气门摩擦而出，表现为气声发音，声带不振动，能量较低。同时，由于声门半开，声道因为增加了气管和肺部，传输函数与正常发音相比，也发生了改变。这些包含不同频率的气声声波经声道产生不同程度的加强和抑制［3］。

由于独特的发音方式，耳语音有以下特点:1）声带不振动，没有基频;2）气声发音，激励源类似于噪声，能量低，信噪比低;3）耳语音的声道传输函数与正常音不同，耳语音的共振峰相对于正常音向高频偏移，带宽变大;4）为了使耳语音尽可能听清楚，一般情况下耳语音语速较慢，音长较长。……