针对时频谱模型估计语音不准确的问题,文中提出采用模型变换的方式来获得噪声和语音的对数概率密度函数,同时借助带噪语音、干净语音和噪声之间的对数关系并结合最小均方误差(Minimum Mean Square Error,MMSE)估计理论推导出估计语音对...针对时频谱模型估计语音不准确的问题,文中提出采用模型变换的方式来获得噪声和语音的对数概率密度函数,同时借助带噪语音、干净语音和噪声之间的对数关系并结合最小均方误差(Minimum Mean Square Error,MMSE)估计理论推导出估计语音对数谱的时频掩模。基于语音和噪声的对数概率分布推导出了一种软掩模,该软掩模可对带噪语音的对数子带进行加权以降低噪声,提高语音估计的准确性。仿真结果表明,与未处理的含噪语音相比,所提方法在噪声抑制方面具有3 dB以上的提升,基于最小均方误差的时频掩模和软掩模在听觉感知方面的平均提升量分别为27.7%和29.4%,在可懂度方面的平均提升量分别为12.7%和14.3%。展开更多
文摘针对时频谱模型估计语音不准确的问题,文中提出采用模型变换的方式来获得噪声和语音的对数概率密度函数,同时借助带噪语音、干净语音和噪声之间的对数关系并结合最小均方误差(Minimum Mean Square Error,MMSE)估计理论推导出估计语音对数谱的时频掩模。基于语音和噪声的对数概率分布推导出了一种软掩模,该软掩模可对带噪语音的对数子带进行加权以降低噪声,提高语音估计的准确性。仿真结果表明,与未处理的含噪语音相比,所提方法在噪声抑制方面具有3 dB以上的提升,基于最小均方误差的时频掩模和软掩模在听觉感知方面的平均提升量分别为27.7%和29.4%,在可懂度方面的平均提升量分别为12.7%和14.3%。
