孟宪波,鲍长春

(北京工业大学电子信息与控制工程学院语音与音频信号处理实验室,北京100124)



基于最小控制GARCH模型的噪声估计算法

孟宪波,鲍长春

(北京工业大学电子信息与控制工程学院语音与音频信号处理实验室,北京100124)

摘要：MCRA(Minima-Controlled Recursive Averaging)方法是经典的噪声估计算法,然而在语音段MCRA方法存在不能对噪声功率谱进行有效更新的问题.针对这一问题,本文利用广义自回归条件异方差(Generalized Autoregressive Conditional Heteroskedasticity,GARCH)模型在时频域对噪声信号建模,在MCRA算法原理的基础上,提出了基于最小控制GARCH模型的噪声估计算法,实验结果表明,本文所提的噪声估计算法能够更为准确估计噪声功率谱,将该算法应用到语音增强中能够获得到较好的语音增强效果.

关键词:噪声估计;GARCH模型;MCRA算法;语音增强

1引言

语音通信过程中不可避免地受到来自周围环境噪声的干扰.语音增强的目是尽可能地抑制噪声,有效地提高信噪比,同时保证很高的主客观语音质量,提高语音的整体听觉效果.经过最近几十年的发展,学者们提出了许多种单通道的语音增强算法.在单通道的语音增强算法中,噪声估计算法的性能直接影响着增强后语音的效果.因此,噪声估计算法一直是各国学者广泛研究的重要课题[1,2].

基于最小统计量(MS,Minimum Statistics)的噪声估计算法[3]可以在搜索窗中较好地搜索噪声功率谱的最小值,但该方法对于噪声突变情况适应性较差.MCRA噪声估计算法把MS方法与递归平均方法结合到了一起[4],比MS方法……