-
题名一种改进型IMCRA非平稳噪声估计算法
被引量：6
- 1
-
-
作者
张东方
蒋建中
张连海
-
机构
信息工程大学信息工程学院
-
出处
《计算机工程》
CAS
CSCD
2012年第13期270-272,共3页
-
文摘
针对IMCRA噪声估计算法时延较大引起的噪声欠估计问题,提出一种改进型IMCRA非平稳噪声估计算法。该算法采用3次谱平滑的方法估计语音存在概率,控制搜索窗长度。在噪声过估计或欠估计的情况下,引入安全机制对噪声估计值进行限制或补偿。实验结果表明,与IMCRA算法相比,改进算法能减小噪声估计的时延,提高噪声估计精度,适用于噪声功率变化范围较大的语音增强。
-
关键词
语音增强
非平稳噪声估计
搜索窗
安全机制
imcra算法
语音存在概率
-
Keywords
speech enhancement
non-stationary noise estimation
search window
safety mechanism
Improved Minima Controlled Recursive Averaging（imcra） algorithm
speech presence probability
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于神经网络噪声分类的语音增强算法
被引量：4
- 2
-
-
作者
张行
赵馨
-
机构
长春理工大学
-
出处
《中国电子科学研究院学报》
北大核心
2020年第9期880-885,893,共7页
-
基金
吉林省发改委项目(2018c035-3)。
-
文摘
传统的语音增强算法由于缺少背景噪声信息,在进行语音处理时对不同的语音信号采取相同的处理方式,因此存在估计噪声不准确、增强语音失真及噪声抑制不明显等问题,最终导致语音的增强效果不明显。在此基础上提出一种根据不同噪声进行参数自适应的语音增强算法,首先,通过神经网络进行精确分类;然后,根据分类结果选取不同参数的IMCRA算法进行噪声估计;最后,采取OMLSA算法对语音信号进行增强。实验结果表明,经噪声分类后的增强算法能够取得更好的增强效果,更多的保留语音信号中的信息,且能够在不降低语音可懂度的同时提高语音的质量。
-
关键词
神经网络
音频增强
噪声分类
imcra算法
OMLSA算法
-
Keywords
neural networks
audio enhancement
noise classification
imcra algorithm
OMLSA algorithm
-
分类号
TN912.35
[电子电信—通信与信息系统]
-
