张开生,赵小芬
(陕西科技大学 电气与控制工程学院,陕西 西安 710021)
语音增强是从输入语音中提取纯净的语音信号,去除无用的噪声干扰,进而提高语音的可懂度和清晰度等[1-2]。传统的语音增强方法包括维纳(Wiener)滤波[3]、谱减法[4]和最小均方差法[5]等。基于统计模型的无监督语音增强方法通常假定噪声处于一个稳定的水平,虽然可以省去训练的阶段,但是现实环境中噪声往往是非平稳的,因此传统语音增强难以满足实际需求。相较于无监督的语音增强方法,有监督模型训练的语音增强方法更能够适应实际非平稳的噪声环境[6]。非负矩阵分解(non-negative matrix factorization,NMF)[7]是近年来快速兴起的一种有监督模型的方法。文献[8]将语音存在概率融进NMF中,实现无监督语音增强,取得了一定的增强效果。文献[9]将NMF算法进行扩展,使用Kulback-Leibler(KL)实现具有监督分离效应的NMF,用以语音增强。文献[10]将心理学掩蔽特性考虑进语音增强中,并建立感知掩蔽函数,在一定程度上增强了NMF的性能。但是,目前对于NMF增强语音信号时,往往忽略了时间属性对高维矩阵分解产生的影响,并且进行NMF时,稀疏度难以控制,这些都有可能影响语音的增强性能。另外,在重构语音时,采用逆短时傅里叶变换往往没有考虑信号失真及语音可懂度差的问题,造成重构后的语音质量难以令人满意。
基于上述分析,利用NMF增强语音信号具有独特优势,但仍有改进空间。与此同时,大部分研究并未将时间约束条件考虑进去。……