李雷,贾新春,彭登永

(1.山西大学 数学科学学院,山西 太原 030006;2.山西大学 自动化系,山西 太原 030013)

0 引言

近年来,作为语音识别技术的重要组成部分,语音信号的检测与增强技术获得了广泛的关注与研究[1-2]。其中语音检测技术主要分为两类[3]:模型匹配法和门限法。前者由于需要大量的内存空间来存储一些经典语音模型,同时还需要大量数据来估计待检测语音的模型,因而在实际应用中受到一定的限制。后者通过设定语音特征参数阈值来进行检测,相比于前一种方法更容易实现,因此得到更为广泛的应用,例如基于短时能量与过零率的检测方法、基于LPC倒谱特征的检测方法[4]、基于小波分析理论的检测方法等。另一方面,语音增强技术主要有谱减法[5]、最小均方误差法[6]、小波变换法[7]等。然而，这些现有的语音检测与增强技术多要求语音环境具有高信噪比,大多难以用于实现低信噪比语音信号的检测与增强。在许多实际生产应用中,语音信号往往会受到各种各样的噪声干扰、甚至会被淹没,例如火车站台嘈杂的语音环境经常会表现会负信噪比特征,即信号功率小于噪声功率。对于这类具有较低信噪比特征的语音环境下,如何从噪声背景中尽可能地提取有用的语音信号来实现语音检测和增强是一个具有重要现实意义和挑战的研究问题。

为了解决低信噪比环境对语音信号处理的影响,人们在不断地研究低信噪比环境下的语音信号处理技术。……