王 玫 李江和 宋浠瑜 刘小娟

(1 桂林理工大学信息科学与工程学院 桂林 541004)

(2 桂林电子科技大学 认知无线电与信息处理省部共建教育部重点实验室 桂林 541004)

0 引言

语声信号是人与人、人与智能设备之间传递信息的重要载体之一。在现实生活环境中，各种各样噪声的干扰，严重影响了语声信号的质量与可懂度，给人们带来了糟糕的听觉体验，同时阻碍了人与人之间的交流，以及人与智能设备之间的交互。因此，语声增强是语声信号处理中不可或缺的一部分[1]。语声增强的目标是尽可能地从带噪语声中还原出纯净语声[2]，从而提高语声质量和语声可懂度等评价指标。

传统的语声增强技术经过不断发展，衍生出了多种基于数字信号处理和统计学的语声增强算法。经典的传统语声增强算法有谱减法[3−4]、维纳滤波[5−7]、子空间[8]等。在传统的谱减法中，语声增强的效果主要依赖于对带噪语声中噪声频谱的估计，对噪声频谱的估计一般在静音部分实现。然而，在现实中，对噪声频谱的准确估计是非常困难的一项工作。在基于子空间的语声增强方法中，通过将带噪语声分解为不同的子空间成分，这些不同的子空间分别代表语声成分和噪声成分[9−11]。传统的语声增强算法在平稳噪声条件下性能比较稳定，但是在非平稳噪声条件下的性能急剧恶化[12]，这是由于其本身存在着一些不合理的假设。

针对传统的基于数字信号处理的无监督语声增强算法因存在不合理的假设，导致在非平稳噪声条件下语声增强性能急剧下降的问题，人们开始关注基于有监督学习的语声增强算法。……