CN101894561A - 一种基于小波变换和变步长最小均方算法的语音降噪方法 - Google Patents
一种基于小波变换和变步长最小均方算法的语音降噪方法 Download PDFInfo
- Publication number
- CN101894561A CN101894561A CN2010102169868A CN201010216986A CN101894561A CN 101894561 A CN101894561 A CN 101894561A CN 2010102169868 A CN2010102169868 A CN 2010102169868A CN 201010216986 A CN201010216986 A CN 201010216986A CN 101894561 A CN101894561 A CN 101894561A
- Authority
- CN
- China
- Prior art keywords
- signal
- frame
- frequency sub
- sef
- band signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000009466 transformation Effects 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 abstract description 10
- 239000011159 matrix material Substances 0.000 abstract description 4
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 239000006185 dispersion Substances 0.000 abstract 1
- 230000000694 effects Effects 0.000 abstract 1
- 238000012886 linear function Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及一种基于小波变换和变步长最小均方算法的语音降噪方法,技术特征在于:利用小波的时-频局部特性,减小自适应滤波器输入向量自相关阵特征值的分散程度,增加算法的步长因子;同时,通过建立步长因子与误差信号之间的非线性函数关系,使步长因子在初始阶段和时变阶段自适应增大,在稳态阶段自适应减小,这样既可保证较快的收敛速度和较小的失调,同时又具有一定的鲁棒性和抗噪性,因此,将小波变换和变步长最小均方算法相结合,可以得到更好的降噪效果。
Description
技术领域
本发明涉及一种基于小波变换和变步长最小均方算法的语音降噪方法,可以应用于各类语音信号降噪处理系统。
背景技术
在语音通信过程中不可避免的会受到来自周围环境和传输媒介引入的噪声、通信设备内部电噪声乃至其他说话者的干扰。这些干扰最终使得收听者接收到的语音已经不是原始的纯净语音信号,而是受到噪声污染的含噪语音信号。自适应语音主动降噪技术作为控制低频噪声的有效手段,近年来得到了很大的发展。
自适应噪声抵消系统是自适应语音主动降噪技术的典型应用,它是一个具有二输入端的自适应滤波器:运行在参考传感器输入端的自适应滤波器用来估计噪声,然后从误差传感器输入中减去该噪声的估计值,对消器的总输出用来控制自适应滤波器中抽头权系数的调整。自适应噪声抵消系统的核心是自适应滤波算法。尽管目前国内外研究者在自适应滤波算法方面做了许多工作,并且提出了一些改进算法,但仍存在很多问题:(1)不能从根本上克服收敛速度和稳态误差之间的矛盾:步长因子大,则收敛速度快,但失调大;步长因子小,则失调小,但收敛速度慢;(2)算法对噪声比较敏感,只有在信噪比较高的环境中才有比较明显的降噪效果,而在信噪比较低的环境中,有明显的不足之处;(3)收敛速度对输入信号的自相关函数矩阵特征值的分布敏感:如果分布太散,即最大值与最小值差异太大,收敛速度就会很慢。所以,直接将现有的自适应滤波算法应用到降噪系统中会造成收敛速度慢、稳态误差大、计算效率低等问题。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种基于小波变换和变步长最小均方算法的语音降噪方法。
本发明的思想在于:利用小波的时-频局部特性,可以减小自适应滤波器输入向量自相关阵特征值的分散程度,大大增加算法的步长因子;同时,通过建立步长因子与误差信号之间的非线性函数关系,使步长因子在初始阶段和时变阶段自适应增大,在稳态阶段自适应减小,这样既可保证较快的收敛速度和较小的失调,同时又具有一定的鲁棒性和抗噪性,因此,将小波变换和变步长最小均方算法相结合,可以得到更好的降噪效果。
技术方案
一种基于小波变换和变步长最小均方算法的语音主动降噪方法,其特征在于:
步骤1预处理:对误差传感器输入端的含噪语音信号和参考传感器输入端的参考噪声信号分别进行离散采样和线性量化,然后利用汉明窗进行分帧处理,每帧P个采样点,帧间重叠Q个采样点,得到预处理后的N帧含噪语音信号d(m,n)和参考噪声信号x(m,n);其中:m为含噪语音信号和参考噪声信号的帧号,m=1,2,…,N;n为采样点在当前帧中所处的位置,n=1,2,…,P;
步骤2小波变换:利用Mallat算法对预处理后的每一帧参考噪声信号分别进行小波变换,对预处理后的第m帧参考噪声信号进行小波变换得到小波变换系数其中:Lm为预处理后的第m帧的参考噪声信号的低频子带信号,为预处理后的第m帧的参考噪声信号在尺度t下的高频子带信号;t为小波变换的分解尺度,1≤t≤4;
其中:上标m表示预处理后的含噪语音信号和参考噪声信号的帧号,m=1,2,…,N;下标n表示采样点在当前帧中所处的位置,P-Q+1≤n≤P;L包括下标L表示自适应滤波器的阶数,L≥2;F表示自适应滤波器参考传感器输入端的输入信号矢量,其大小为L×1;Im表示输入端低频子带信号Lm或高频子带信号上标T表示向量的转置;W表示自适应滤波器的权系数矢量,其大小为L×1;表示第m帧语音、第i阶的自适应滤波器的权系数,i=1,2,…,L;Y表示自适应滤波器的输出;E表示自适应滤波器的误差信号;d表示自适应滤波器误差传感器输入端的输入信号;(m,n)表示语音信号中采样点的位置为第m帧第n点;μ为变步长最小均方算法的步长因子;exp表示指数函数;β为μ的放大系数,β>0;α为外指数函数的衰减系数,α>0;γ为内指数函数的衰减系数,γ≥1;P表示每一帧的总采样点数;Q表示相邻两帧间重叠的采样点数;
步骤5降噪输出:将预处理后的每一帧含噪语音信号d(m,n)减去与之对应的小波重构后的输出信号y(m,n),得到降噪后的语音e(m,n)=d(m,n)-y(m,n)。
有益效果
本发明提出的基于小波变换和变步长最小均方算法的语音主动降噪方法,利用小波变换对语音信号进行分解,可以获得语音信号在不同分辨率下的低频和高频信息,减小了自适应滤波器输入向量自相关阵特征值的分散程度;同时,与改进的变步长最小均方算法相结合,既可保证较快的收敛速度和较小的失调,提高了计算效率,同时又具有一定的鲁棒性和抗噪性。因此,将小波变换和自适应滤波相结合,可以得到更好的降噪效果。
附图说明
图1:本发明方法的基本流程图
图2:基于小波变换和变步长最小均方算法的语音主动降噪方法的原理图
(a)基于小波变换和变步长最小均方算法的语音主动降噪方法原理框图
(b)横向型自适应滤波器结构图
图3:使用本方法完成自适应语音降噪的例子
(a)原始纯净语音信号
(b)参考噪声信号
(c)信噪比为-5dB的含噪语音信号
(d)基于最小均方算法降噪后的输出语音信号
(e)基于递归最小二乘算法降噪后的输出语音信号
(f)基于小波变换和变步长最小均方算法降噪后的输出语音信号
具体实施方式
现结合实施例、附图对本发明作进一步描述:
用于实施的硬件环境是:AMD Athlon(tm)2.60G计算机、2.00GB内存、128M显卡,运行的软件环境是:Matlab7.0和Windows XP。我们用Matlab软件实现了本发明提出的方法。纯净语音选自863中文语音识别语料库,噪声取自NOISEX-92数据库中喷气式飞机驾驶舱的非平稳噪声信号,将纯净语音和噪声按比例线性相加生成信噪比为-5dB的含噪语音信号。
本发明具体实施如下:
1、预处理:对时长为5秒的含噪语音信号和参考噪声信号分别进行8kHz采样(共40000个采样点),16位线性量化;然后对两种不同信号分别加汉明窗进行分帧处理,每帧256个采样点,帧间重叠128个采样点,含噪语音信号和参考噪声信号各有311帧;
2、小波变换:采用Mallat算法对预处理后的参考噪声信号进行四层离散小波变换,对预处理后的第m帧的参考噪声信号得到小波变换系数Lm为预处理后的第m帧的参考噪声信号的低频子带信号,为预处理后的第m帧的参考噪声信号在尺度t下的高频子带信号,这里,m=1,2,…,311,t=1,2,3,4;
二进离散小波变换公式为:
对低频子带信号Lm(m=1,2,…,311),令自适应滤波器参考传感器输入端的输入Im(n)=Lm(n),设定L=4,β=0.2,α=1000,γ=2,初始n=P-Q+1=129,然后,按自适应滤波的模型进行迭代,求出滤波器的输出得到滤波后的低频子带信号LmF;
对分解尺度1下的高频子带信号(m=1,2,…,311),令自适应滤波器的参考传感器输入端的输入设定L=4,β=0.2,α=1000,γ=2,初始n=P-Q+1=129,然后,按自适应滤波的模型进行迭代,求出滤波器的输出得到滤波后的分解尺度1下的高频子带信号
5、降噪输出:将预处理后的每一帧含噪语音信号d(m,n)减去与之对应的小波重构后的输出信号y(m,n),得到最终的降噪后的语音e(m,n);
图3为待处理的信噪比为-5dB的含噪语音和自适应降噪处理后的时域波形图。同时,针对输入信噪比分别为-10dB、-5dB、0dB的含噪语音,将本发明所得的降噪结果与其他降噪方法所得的降噪结果进行对比,评价结果如表1所示。语音信号信噪比的大小表明了混在信号里的噪声多少,信噪比越大,说明混在信号里的噪声越小,声音回放的音质量越高,否则相反。
表1降噪结果评价(单位:dB)
Claims (1)
1.一种基于小波变换和变步长最小均方算法的语音主动降噪方法,其特征在于:
步骤1预处理:对误差传感器输入端的含噪语音信号和参考传感器输入端的参考噪声信号分别进行离散采样和线性量化,然后利用汉明窗进行分帧处理,每帧P个采样点,帧间重叠Q个采样点,得到预处理后的N帧含噪语音信号d(m,n)和参考噪声信号x(m,n);其中:m为含噪语音信号和参考噪声信号的帧号,m=1,2,…,N;n为采样点在当前帧中所处的位置,n=1,2,…,P;
步骤2小波变换:利用Mallat算法对预处理后的每一帧参考噪声信号分别进行小波变换,对预处理后的第m帧参考噪声信号进行小波变换得到小波变换系数其中:Lm为预处理后的第m帧的参考噪声信号的低频子带信号,为预处理后的第m帧的参考噪声信号在尺度t下的高频子带信号;t为小波变换的分解尺度,1≤t≤4;
其中:上标m表示预处理后的含噪语音信号和参考噪声信号的帧号,m=1,2,…,N;下标n表示采样点在当前帧中所处的位置,P-Q+1≤n≤P;L包括下标L表示自适应滤波器的阶数,L≥2;F表示自适应滤波器参考传感器输入端的输入信号矢量,其大小为L×1;Im表示输入端低频子带信号Lm或高频子带信号上标T表示向量的转置;W表示自适应滤波器的权系数矢量,其大小为L×1;表示第m帧语音、第i阶的自适应滤波器的权系数,i=1,2,…,L;Y表示自适应滤波器的输出;E表示自适应滤波器的误差信号;d表示自适应滤波器误差传感器输入端的输入信号;(m,n)表示语音信号中采样点的位置为第m帧第n点;μ为变步长最小均方算法的步长因子;exp表示指数函数;β为μ的放大系数,β>0;α为外指数函数的衰减系数,α>0;γ为内指数函数的衰减系数,γ≥1;P表示每一帧的总采样点数;Q表示相邻两帧间重叠的采样点数;
步骤4小波重构:将自适应滤波处理后得到的低频子带信号LmF和高频子带信号进行小波重构,得到自适应滤波器的输出y(m,n);所述的P-Q+1≤n≤P;
步骤5降噪输出:将预处理后的每一帧含噪语音信号d(m,n)减去与之对应的小波重构后的输出信号y(m,n),得到降噪后的语音e(m,n)=d(m,n)-y(m,n)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010216986.8A CN101894561B (zh) | 2010-07-01 | 2010-07-01 | 一种基于小波变换和变步长最小均方算法的语音降噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010216986.8A CN101894561B (zh) | 2010-07-01 | 2010-07-01 | 一种基于小波变换和变步长最小均方算法的语音降噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101894561A true CN101894561A (zh) | 2010-11-24 |
CN101894561B CN101894561B (zh) | 2015-04-08 |
Family
ID=43103732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010216986.8A Expired - Fee Related CN101894561B (zh) | 2010-07-01 | 2010-07-01 | 一种基于小波变换和变步长最小均方算法的语音降噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101894561B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102832908A (zh) * | 2012-09-20 | 2012-12-19 | 西安科技大学 | 基于小波变换与变步长lms自适应滤波的信号降噪方法 |
CN102930865A (zh) * | 2012-09-21 | 2013-02-13 | 重庆大学 | 一种波形音乐粗情感软切割分类方法 |
CN102945674A (zh) * | 2012-12-03 | 2013-02-27 | 上海理工大学 | 利用数字降噪算法来实现对语音信号的降噪处理方法 |
CN103514878A (zh) * | 2012-06-27 | 2014-01-15 | 北京百度网讯科技有限公司 | 声学建模方法及装置和语音识别方法及装置 |
US8832170B2 (en) | 2012-03-26 | 2014-09-09 | King Fahd University Of Petroleum And Minerals | System and method for least mean fourth adaptive filtering |
CN104978975A (zh) * | 2015-03-02 | 2015-10-14 | 腾讯科技(深圳)有限公司 | 一种音乐文件的音质检测方法及装置 |
CN105162998A (zh) * | 2015-08-24 | 2015-12-16 | 小米科技有限责任公司 | 双音多频信号的去噪方法和装置 |
WO2016041247A1 (zh) * | 2014-09-17 | 2016-03-24 | 中兴通讯股份有限公司 | 下行主动降噪装置、方法及移动终端 |
CN105679304A (zh) * | 2014-12-08 | 2016-06-15 | 福特全球技术公司 | 用于宽带主动噪声控制系统的可变带宽无延迟子带算法 |
CN105929238A (zh) * | 2016-04-13 | 2016-09-07 | 西安理工大学 | 一种气固两相流交流电信号最小均方误差自适应滤波方法 |
CN107291663A (zh) * | 2017-06-12 | 2017-10-24 | 华侨大学 | 应用于声反馈抑制的变步长归一化子带自适应滤波方法 |
CN107356783A (zh) * | 2017-06-12 | 2017-11-17 | 西安理工大学 | 一种基于小波变换自适应滤波的气固两相流交流电信号处理方法 |
CN108364641A (zh) * | 2018-01-09 | 2018-08-03 | 东南大学 | 一种基于长时帧背景噪声估计的语音情感特征提取方法 |
CN108847250A (zh) * | 2018-07-11 | 2018-11-20 | 会听声学科技(北京)有限公司 | 一种定向降噪方法、系统及耳机 |
CN108986837A (zh) * | 2018-09-05 | 2018-12-11 | 科大讯飞股份有限公司 | 一种滤波器更新方法及装置 |
CN109119085A (zh) * | 2018-08-24 | 2019-01-01 | 深圳竹云科技有限公司 | 一种基于小波分析和超级向量的非对称文本相关的语音识别方法 |
CN109346052A (zh) * | 2018-09-03 | 2019-02-15 | 江苏大学 | 一种利用主动降噪优化车内声品质的装置及方法 |
CN109611703A (zh) * | 2018-10-19 | 2019-04-12 | 宁波市鄞州利帆灯饰有限公司 | 一种便于安装的led灯 |
CN110379440A (zh) * | 2019-07-19 | 2019-10-25 | 宁波奥克斯电气股份有限公司 | 语音降噪方法、装置、语音空调及计算机可读存储介质 |
CN110719550A (zh) * | 2019-10-21 | 2020-01-21 | 南京南大电子智慧型服务机器人研究院有限公司 | 一种双通道有源降噪头靠的虚拟传声器优化设计方法 |
CN111128198A (zh) * | 2019-12-25 | 2020-05-08 | 厦门快商通科技股份有限公司 | 一种声纹识别方法、装置、存储介质、服务器及系统 |
CN113611321A (zh) * | 2021-07-14 | 2021-11-05 | 中国传媒大学 | 一种语音增强方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040246862A1 (en) * | 2003-06-09 | 2004-12-09 | Nam-Ik Cho | Method and apparatus for signal discrimination |
CN101512938A (zh) * | 2006-08-01 | 2009-08-19 | Dts(英属维尔京群岛)有限公司 | 用于补偿音频变换器的线性和非-线性失真的神经网络滤波技术 |
WO2009148960A2 (en) * | 2008-05-29 | 2009-12-10 | Qualcomm Incorporated | Systems, methods, apparatus, and computer program products for spectral contrast enhancement |
CN101690270A (zh) * | 2006-05-04 | 2010-03-31 | Lg电子株式会社 | 采用再混音能力增强音频 |
-
2010
- 2010-07-01 CN CN201010216986.8A patent/CN101894561B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040246862A1 (en) * | 2003-06-09 | 2004-12-09 | Nam-Ik Cho | Method and apparatus for signal discrimination |
CN101690270A (zh) * | 2006-05-04 | 2010-03-31 | Lg电子株式会社 | 采用再混音能力增强音频 |
CN101512938A (zh) * | 2006-08-01 | 2009-08-19 | Dts(英属维尔京群岛)有限公司 | 用于补偿音频变换器的线性和非-线性失真的神经网络滤波技术 |
WO2009148960A2 (en) * | 2008-05-29 | 2009-12-10 | Qualcomm Incorporated | Systems, methods, apparatus, and computer program products for spectral contrast enhancement |
Non-Patent Citations (2)
Title |
---|
《空军工程大学学报(自然科学版) 》 20041031 冯存前; 张永顺; 童宁宁; 一种基于离散小波变换的自适应滤波新算法 第51-52页1.2.2节 1 , 2 * |
《计算机工程与应用》 20090831 唐建锋,张登玉,罗湘南 多尺度小波分解下的自适应语音消噪算法研究 154-157页 1 , 2 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8832170B2 (en) | 2012-03-26 | 2014-09-09 | King Fahd University Of Petroleum And Minerals | System and method for least mean fourth adaptive filtering |
CN103514878A (zh) * | 2012-06-27 | 2014-01-15 | 北京百度网讯科技有限公司 | 声学建模方法及装置和语音识别方法及装置 |
CN102832908B (zh) * | 2012-09-20 | 2015-06-17 | 西安科技大学 | 基于小波变换与变步长lms自适应滤波的信号降噪方法 |
CN102832908A (zh) * | 2012-09-20 | 2012-12-19 | 西安科技大学 | 基于小波变换与变步长lms自适应滤波的信号降噪方法 |
CN102930865B (zh) * | 2012-09-21 | 2014-04-09 | 重庆大学 | 一种波形音乐粗情感软切割分类方法 |
CN102930865A (zh) * | 2012-09-21 | 2013-02-13 | 重庆大学 | 一种波形音乐粗情感软切割分类方法 |
CN102945674A (zh) * | 2012-12-03 | 2013-02-27 | 上海理工大学 | 利用数字降噪算法来实现对语音信号的降噪处理方法 |
WO2016041247A1 (zh) * | 2014-09-17 | 2016-03-24 | 中兴通讯股份有限公司 | 下行主动降噪装置、方法及移动终端 |
CN105679304A (zh) * | 2014-12-08 | 2016-06-15 | 福特全球技术公司 | 用于宽带主动噪声控制系统的可变带宽无延迟子带算法 |
CN105679304B (zh) * | 2014-12-08 | 2020-11-27 | 福特全球技术公司 | 用于宽带主动噪声控制系统的可变带宽无延迟子带算法 |
CN104978975A (zh) * | 2015-03-02 | 2015-10-14 | 腾讯科技(深圳)有限公司 | 一种音乐文件的音质检测方法及装置 |
CN104978975B (zh) * | 2015-03-02 | 2017-10-24 | 广州酷狗计算机科技有限公司 | 一种音乐文件的音质检测方法及装置 |
CN105162998B (zh) * | 2015-08-24 | 2018-07-06 | 小米科技有限责任公司 | 双音多频信号的去噪方法和装置 |
CN105162998A (zh) * | 2015-08-24 | 2015-12-16 | 小米科技有限责任公司 | 双音多频信号的去噪方法和装置 |
CN105929238A (zh) * | 2016-04-13 | 2016-09-07 | 西安理工大学 | 一种气固两相流交流电信号最小均方误差自适应滤波方法 |
CN107356783A (zh) * | 2017-06-12 | 2017-11-17 | 西安理工大学 | 一种基于小波变换自适应滤波的气固两相流交流电信号处理方法 |
CN107291663A (zh) * | 2017-06-12 | 2017-10-24 | 华侨大学 | 应用于声反馈抑制的变步长归一化子带自适应滤波方法 |
CN108364641A (zh) * | 2018-01-09 | 2018-08-03 | 东南大学 | 一种基于长时帧背景噪声估计的语音情感特征提取方法 |
CN108847250A (zh) * | 2018-07-11 | 2018-11-20 | 会听声学科技(北京)有限公司 | 一种定向降噪方法、系统及耳机 |
CN109119085A (zh) * | 2018-08-24 | 2019-01-01 | 深圳竹云科技有限公司 | 一种基于小波分析和超级向量的非对称文本相关的语音识别方法 |
CN109346052A (zh) * | 2018-09-03 | 2019-02-15 | 江苏大学 | 一种利用主动降噪优化车内声品质的装置及方法 |
CN108986837A (zh) * | 2018-09-05 | 2018-12-11 | 科大讯飞股份有限公司 | 一种滤波器更新方法及装置 |
CN109611703A (zh) * | 2018-10-19 | 2019-04-12 | 宁波市鄞州利帆灯饰有限公司 | 一种便于安装的led灯 |
CN110379440A (zh) * | 2019-07-19 | 2019-10-25 | 宁波奥克斯电气股份有限公司 | 语音降噪方法、装置、语音空调及计算机可读存储介质 |
CN110719550A (zh) * | 2019-10-21 | 2020-01-21 | 南京南大电子智慧型服务机器人研究院有限公司 | 一种双通道有源降噪头靠的虚拟传声器优化设计方法 |
CN110719550B (zh) * | 2019-10-21 | 2021-12-10 | 南京南大电子智慧型服务机器人研究院有限公司 | 一种双通道有源降噪头靠的虚拟传声器优化设计方法 |
CN111128198A (zh) * | 2019-12-25 | 2020-05-08 | 厦门快商通科技股份有限公司 | 一种声纹识别方法、装置、存储介质、服务器及系统 |
CN111128198B (zh) * | 2019-12-25 | 2022-10-28 | 厦门快商通科技股份有限公司 | 一种声纹识别方法、装置、存储介质、服务器及系统 |
CN113611321A (zh) * | 2021-07-14 | 2021-11-05 | 中国传媒大学 | 一种语音增强方法及系统 |
CN113611321B (zh) * | 2021-07-14 | 2024-04-26 | 中国传媒大学 | 一种语音增强方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101894561B (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101894561B (zh) | 一种基于小波变换和变步长最小均方算法的语音降噪方法 | |
CN104616667B (zh) | 一种用于汽车内的主动降噪方法 | |
CN101894563B (zh) | 语音增强的方法 | |
CN101976566B (zh) | 语音增强方法及应用该方法的装置 | |
CN109643554A (zh) | 自适应语音增强方法和电子设备 | |
US20240079021A1 (en) | Voice enhancement method, apparatus and system, and computer-readable storage medium | |
US8010355B2 (en) | Low complexity noise reduction method | |
CN101763858A (zh) | 双麦克风信号处理方法 | |
CN101916567B (zh) | 应用于双麦克风系统的语音增强方法 | |
CN102387273B (zh) | 一种抑制残留回声的方法和装置 | |
CN110085249A (zh) | 基于注意力门控的循环神经网络的单通道语音增强方法 | |
CN107316648A (zh) | 一种基于有色噪声的语音增强方法 | |
CN102938254A (zh) | 一种语音信号增强系统和方法 | |
WO2009117084A3 (en) | System and method for envelope-based acoustic echo cancellation | |
CN103871421A (zh) | 一种基于子带噪声分析的自适应降噪方法与系统 | |
US9414157B2 (en) | Method and device for reducing voice reverberation based on double microphones | |
CN101853665A (zh) | 语音中噪声的消除方法 | |
CN109346052B (zh) | 一种利用主动降噪优化车内声品质的装置及方法 | |
CN104021798A (zh) | 用于通过具有可变频谱增益和可动态调制的硬度的算法对音频信号隔音的方法 | |
CN106878851A (zh) | 一种基于通道补偿与语音识别的主动降噪耳机 | |
CN103905656A (zh) | 残留回声的检测方法及装置 | |
CN102314883B (zh) | 一种判断音乐噪声的方法以及语音消噪方法 | |
CN110808057A (zh) | 一种基于约束朴素生成对抗网络的语音增强方法 | |
CN101789771B (zh) | 基于对数变换的脉冲噪声有源控制方法 | |
CN101527037B (zh) | 基于邻域加窗的平稳小波图像去噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150408 |
|
CF01 | Termination of patent right due to non-payment of annual fee |