CN105280193A - 基于mmse误差准则的先验信噪比估计方法 - Google Patents

Abstract

本发明公开了一种用于语音增强的基于MMSE误差准则的先验信噪比估计方法，属于语音信号处理技术领域。针对语音增强技术中的先验信噪比估计问题，首先基于MMSE误差准则对含噪语音的先验信噪比作初步估计，所得的先验信噪比估计值通过维纳滤波计算得到第一个系统增益因子，利用第一个系统增益因子和含噪语音幅度谱值计算得到语音功率谱估计值，再利用所得的语音功率谱估计值和噪声的功率谱估计值对先验信噪比进行再一次估计，得到最终的先验信噪比估计值。该先验信噪比估计值代入后续的语音增强步骤中处理，得到去噪的估计清音信号。基于MMSE误差准则的先验信噪比估计方法既有效地抑制了估计清音中的背景噪声成分，又避免了对清音成分的过度损伤，使得估计清音的听觉质量得以改善，语音增强算法的性能得以提高。

Description

基于MMSE误差准则的先验信噪比估计方法

技术领域

本发明涉及语音信号处理技术领域，更具体地，涉及一种基于MMSE误差准则的先验信噪比估计方法。

背景技术

在现实生活中，人们在进行语音对话和语音通信的过程中总不可避免地受到各种背景噪声的干扰，如机场、餐厅和街道等环境中的嘈杂声、高速行驶汽车中的引擎噪声等等。这些噪声的存在会严重破坏语音信号的听觉质量和声学特性，使得人们的对话和通信过程受到严重干扰并引起对话接听者的听觉疲劳。因此，如何在现实生活中利用计算机等智能设备来去除语音通信过程的背景噪声一直是国内外学者研究的热点课题。

语音增强技术是噪声背景下进行语音通信和语音识别的不可或缺的一部分，它在解决噪声污染问题、改进语音通信质量、提高语音可懂度等方面发挥着重要作用。目前，基于单麦克风输入的语音增强算法由于具备简单有效且有利于硬件实现的特点而被广泛地应用于各类语音通信系统中。

经典的语音增强算法有谱减法、最小均方误差算法、维纳滤波算法等。这些算法的运算过程大都是在变换域进行，并且针对语音和噪声的不同特征，提出相对应的噪声消除技术。根据实际应用环境的不同特点，其在变换域中对于增益因子的计算方法也不尽相同。这些算法存在一共同特点，其增益因子皆可以表示为语音先验信噪比的函数，因此先验信噪比估计的准确度在很大程度上决定了这些语音增强算法的性能和噪声去除效果。

发明内容

针对上述语音增强算法中先验信噪比的估计问题，本发明提出了一种更准确的基于MMSE误差准则的先验信噪比估计方法。

本发明的技术方案为：

一种基于MMSE误差准则的先验信噪比估计方法，包括以下步骤：

1)将含噪语音信号y_t进行分帧和加窗处理，得到含噪语音帧信号y_t(n)；

2)对含噪语音帧信号y_t(n)进行离散傅里叶变换，即得到含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)；

3)对含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)进行噪声成分功率谱的估计，得到第n帧第k频率噪声功率谱估计值通过一帧延时得到前一帧第k频率的清音幅度谱估计值并用该值计算得到前一帧第k频率清音功率谱估计值

4)将含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)和第n帧第k频率噪声的功率谱估计值用于计算第n帧第k频率语音的后验信噪比将前一帧第k频率的清音功率谱估计值和第n帧第k频率噪声功率谱估计值用于计算前一帧第k频率语音的先验信噪比

5)第n帧第k频率语音的后验信噪比和前一帧第k频率先验信噪比代入到MMSE先验信噪比的估计计算中，即得到第n帧第k频率成分的MMSE先验信噪比估计值

6)用维纳滤波方法和步骤5)中所得第n帧第k频率成分的MMSE先验信噪比估计值计算出第一个系统增益因子G1(n,k)，利用第一个增益因子G1(n,k)和含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)估计第n帧第k频率的语音功率谱值该功率谱估计值结合第n帧第k频率噪声功率谱估计值对先验信噪比进行再一次估计，得到最终的先验信噪比估计值

7)最终的先验信噪比估计值结合含噪语音第n帧第k频率成分的幅度谱值y_t(n,k)对第n帧第k频率的清音幅度谱值进行估计，得到第n帧第k频率清音幅度谱的估计值

8)对第n帧第k频率清音幅度谱估计值进行离散傅里叶逆变换，得到估计清音帧信号

9)估计清音帧信号进行去窗和重叠相加处理，得到估计清音信号

进一步的，所述步骤3)获取含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)，用最小统计方法估计得到第n帧第k频率噪声功率谱估计值并通过延时一帧方法来获取前一帧第k频率的清音幅度谱估计值利用前一帧第k频率的清音幅度谱估计值计算得到前一帧第k频率清音功率谱估计值

进一步的，所述步骤6)中第一个系统增益因子G1(n,k)的计算方式为：

$G1(n,k)=\frac{{\widehat{\mathrm{\ξ}}}_{n,kMMSE}}{{\widehat{\mathrm{\ξ}}}_{n,kMMSE}+1};$

第n帧第k频率的语音功率谱估计值的计算方式为：

${\widehat{\mathrm{\λ}}}_X(n,k)=|G1(n,k)\·y_t(n,k){|}^2$

最终先验信噪比估计值的计算方式为：

${\widehat{\hat{\mathrm{\ξ}}}}_{n,k,MMSE}=\frac{{\widehat{\mathrm{\λ}}}_X(n,k)}{{\widehat{\mathrm{\λ}}}_D(n,k)}.$

进一步的，所述步骤7)中，用最终的先验信噪比估计值计算第n帧第k频率的清音幅度谱值，即得到第n帧第k频率清音幅度谱的估计值其具体过程为：

将最终的先验信噪比估计值用于计算第二个系统增益因子G2(n,k)，第二个系统增益因子G2(n,k)结合含噪语音第n帧第k频率成分的幅度谱值y_t(n,k)计算得到第n帧第k频率清音的幅度谱估计值具体如下所示：

$G2(n,k)=\frac{{\widehat{\hat{\mathrm{\ξ}}}}_{n,kMMSE}}{{\widehat{\hat{\mathrm{\ξ}}}}_{n,kMMSE}+1}$

${\hat{x}}_t(n,k)=G2(n,k)\·y_t(n,k).$

与现有技术相比，本发明的有益效果为：本发明采用基于MMSE误差准则对语音增强算法中的先验信噪比估计方法进行改进，改进的方法在保留原算法优点的基础上，语音噪声分量的去除效果更加显著，清音保留成分失真度降低，增强后清晰语音的听觉质量也明显提高。

附图说明

图1为语音增强算法的整体结构框图。

图2为语音增强处理模块的结构框图。

图3为先验信噪比估计模块的结构框图。

图4为MMSE估计先验信噪比的计算方法中数值积分求解所得的数值表。

图5为原始清音、含噪语音、DD算法估计合成清音以及本发明算法估计合成清音的语谱图。

具体实施方式

下面结合附图对本发明进行进一步阐述。

如图1所示，含噪语音信号y_t经过分帧和加窗处理后，得到含噪语音帧信号y_t(n)，含噪语音帧信号y_t(n)经过离散傅里叶变换后，得到含噪语音第n帧第k频率成分的幅度谱值y_t(n,k)，该幅度谱值经过语音增强处理模块的运算后，输出第n帧第k频率清音幅度谱的估计值对第n帧第k频率清音幅度谱的估计值进行离散傅里叶逆变换后得到估计清音的帧信号该帧信号通过去窗和重叠相加处理后，输出估计清音信号

语音增强处理模块的具体实现步骤如图2所示，用最小统计方法在含噪语音第n帧第k频率成分的幅度谱值y_t(n,k)中计算出第n帧第k频率噪声功率谱估计值通过一帧延时得到前一帧第k频率的清音幅度谱估计值并计算前一帧第k频率清音功率谱估计值将含噪语音第n帧第k频率成分幅度谱值y_t(n,k)、第n帧第k频率噪声功率谱估计值和前一帧第k频率清音功率谱估计值作为输入变量，代入先验信噪比估计的核心模块中进行计算，得到最终的先验信噪比估计值该先验信噪比最终估计值结合含噪语音第n帧第k频率成分的幅度谱值y_t(n,k)计算得到第n帧第k频率清音幅度谱的估计值语音增强处理模块最后输出第n帧第k频率清音幅度谱的估计值

先验信噪比估计模块的具体实现步骤如图3所示，含噪语音第n帧第k频率成分的幅度谱值y_t(n,k)结合第n帧第k频率噪声的功率谱估计值计算得到第n帧第k频率语音的后验信噪比前一帧第k频率的清音功率谱估计值结合第n帧第k频率噪声的功率谱估计值计算得到前一帧第k频率语音的先验信噪比第n帧第k频率语音的后验信噪比和前一帧第k频率语音的先验信噪比作为输入变量代入MMSE先验信噪比估计的计算中，得到先验信噪比第n帧第k频率成分的MMSE估计值将该估计值通过维纳滤波方法计算得到第一个系统增益因子G1(n,k)，用第一个增益因子G1(n,k)和含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)来估计第n帧第k频率的语音功率谱值第n帧第k频率的语音功率谱值估计值结合第n帧第k频率噪声功率谱估计值对先验信噪比进行再一次估计，输出最终的先验信噪比估计值

本发明的方法估计合成清音与经典DD算法估计清音的结果比较如图5所示，通过对图5中的原始清音语谱图、含噪语音语谱图、DD算法估计合成清音语谱图以及本发明算法估计合成清音语谱图进行比较，可以看出本发明所提算法相比经典DD算法，能更有效地去除背景噪声，改善合成估计清音的听觉质量。

本发明主要采用以下技术来实现语音增强中先验信噪比的MMSE估计和噪声去除效果：

1.采用基于MMSE误差准则的方法来计算第n帧第k频率成分的先验信噪比MMSE估计值；

2.用第n帧第k频率成分的先验信噪比MMSE估计值计算得到第一个系统增益因子，然后利用第一个系统增益因子和含噪语音第n帧第k频率成分的幅度谱值来估计第n帧第k频率的语音功率谱值，该语音功率谱估计值结合噪声分量第n帧第k频率成分的功率谱估计值对先验信噪比进行再一次估计，即得到最终先验信噪比估计值；

3.利用最终先验信噪比估计值和含噪语音第n帧第k频率成分的幅度谱值来计算第n帧第k频率清音幅度谱的估计值；

具体是：

(1)根据MMSE准则推导所得出先验信噪比MMSE估计值的计算方法如下所示：

${\widehat{\mathrm{\ξ}}}_{n,MMSE}=E\left\{\frac{{a^2}_{n,k}}{{d^2}_{n,k}}\right|y_t(n,k)\}---\left(1\right)$

其中，表示第n帧第k频率成分的MMSE先验信噪比估计值，a² _n,k表示清音第n帧第k频率成分的瞬时幅度谱值平方，d² _n,k表示噪声第n帧第k频率成分的瞬时幅度谱值平方，y_t(n,k)表示含噪语音第n帧第k频率成分的幅度谱值，E{}表示求期望值运算。

设先验信噪比用随机变量z_n,k表示，其可表示为清音与噪声的第n帧第k频率成分瞬时幅度谱值平方之比：

$z_{n,k}=\frac{{a^2}_{n,k}}{{d^2}_{n,k}}---\left(2\right)$

即式(1)也可表示为： ${\widehat{\mathrm{\ξ}}}_{n,kMMSE}=E\left\{z_{n,k}\right|y_t\left(n,k\right)\}---\left(3\right)$

假设清音第n帧第k频率成分的瞬时幅度谱值a_n,k和噪声第n帧第k频率成分的瞬时幅度谱值d_n,k为随机变量并服从瑞利分布，则可得到以下式子：

$p\left(a_{n,k}\right)=\frac{2a_{n,k}}{{\mathrm{\λ}}_X(n,k)}\exp \{-\frac{{a^2}_{n,k}}{{\mathrm{\λ}}_X\left(k\right)}\}---\left(4\right)$

$p\left(d_{n,k}\right)=\frac{2d_{n,k}}{{\mathrm{\λ}}_D(n,k)}\exp \{-\frac{{d^2}_{n,k}}{{\mathrm{\λ}}_D\left(k\right)}\}---\left(5\right)$

其中，p()表示随机变量的概率密度函数，λ_X(n,k)和λ_D(n,k)分别表示清音信号X和噪声D的功率谱值。

将先验信噪比随机变量z_n,k记为z_n,k＝s_n,k/m_n,k＝a² _n,k/d² _n,k，用随机变量s_n,k和m_n,k分别表示清音和噪声的第n帧第k频率成分的瞬时幅度谱平方值，则随机变量s_n,k和m_n,k服从指数分布，即其概率密度函数为：

$p\left(s_{n,k}\right)=\frac{2}{{\mathrm{\λ}}_X(n,k)}\exp \{-\frac{s_{n,k}}{{\mathrm{\λ}}_X(n,k)}\}---\left(6\right)$

$p\left(m_{n,k}\right)=\frac{2}{{\mathrm{\λ}}_D(n,k)}\exp \{-\frac{m_{n,k}}{{\mathrm{\λ}}_D(n,k)}\}---\left(7\right)$

由此可得随机变量z_n,k的概率密度函数为：

$\begin{array}{c}p\left(z_{n,k}\right)={\∫}_0^{\mathrm{\∞}}\frac{4\·m_{n,k}}{{\mathrm{\λ}}_X\left(n,k\right)\·{\mathrm{\λ}}_D\left(n,k\right)}\exp \left\{-\frac{m_{n,k}\·z_{n,k}}{{\mathrm{\λ}}_X\left(n,k\right)}-\frac{m_{n,k}}{{\mathrm{\λ}}_D\left(n,k\right)}\right\}{\mathrm{dm}}_{n,k}\\ =-\frac{4\·{\mathrm{\λ}}_X\left(n,k\right)\·{\mathrm{\λ}}_D\left(n,k\right)}{{\left(z_{n,k}\·{\mathrm{\λ}}_X\left(n,k\right)\·{\mathrm{\λ}}_D\left(n,k\right)\right)}^2}\end{array}---\left(8\right)$

进一步可得条件概率密度函数P(y_t(n,k)|z_n,k)为：

$p\left(y_t\right(n,k\left)\right|z_{n,k})=\frac{1}{\mathrm{\π}\·(1+z_{n,k})\·{\mathrm{\λ}}_D(n,k)}\·\exp \{-\frac{|y_t(n,k){|}^2}{(1+z_{n,k})\·{\mathrm{\λ}}_D(n,k)}\}---\left(9\right)$

由上述已知条件可推导出MMSE估计先验信噪比的表达式：

$\begin{array}{c}E\left\{z_{n,k}|y_t\left(n,k\right)\right\}=\frac{{\∫}_0^{\mathrm{\∞}}{z}_{n,k}\·p\left(y_t\left(n,k\right)|z_{n,k}\right)\·p\left(z_{n,k}\right){\mathrm{dz}}_{n,k}}{{\∫}_0^{\mathrm{\∞}}p\left(y_t\left(n,k\right)|z_{n,k}\right)\·p\left(z_{n,k}\right){\mathrm{dz}}_{n,k}}\\ =\frac{{\∫}_0^{\mathrm{\∞}}\frac{z_{n,k}}{1+z_{n,k}}\·\frac{1}{(z_{n,k}+\frac{{\mathrm{\λ}}_X\left(n,k\right)}{{\mathrm{\λ}}_D\left(n,k\right)})}\·\exp \{-\frac{1}{\left(1+z_{n,k}\right)}\·\frac{{\left|y_t\left(n,k\right)\right|}^2}{{\mathrm{\λ}}_D\left(n,k\right)}\}{\mathrm{dz}}_{n,k}}{{\∫}_0^{\mathrm{\∞}}\frac{1}{1+z_{n,k}}\·\frac{1}{(z_{n,k}+\frac{{\mathrm{\λ}}_X\left(n,k\right)}{{\mathrm{\λ}}_D\left(n,k\right)})}\·\exp \{-\frac{1}{\left(1+z_{n,k}\right)}\·\frac{{\left|y_t\left(n,k\right)\right|}^2}{{\mathrm{\λ}}_D\left(n,k\right)}\}{\mathrm{dz}}_{n,k}}\\ \stackrel{\mathrm{\Δ}}{=}f\left(\frac{{\mathrm{\λ}}_X\left(n,k\right)}{{\mathrm{\λ}}_D\left(n,k\right)},\frac{{\left|y_t\left(n,k\right)\right|}^2}{{\mathrm{\λ}}_D\left(n,k\right)}\right)\end{array}---\left(10\right)$

其中，为先验信噪比的另一种表达式，由于在实际应用中，第n帧第k频率噪声功率谱λ_D(n,k)的精确值是无法得到，只能用第n帧第k频率噪声功率谱估计值来代替；第n帧第k频率的先验信噪比ξ_n,k也是无法获取到的，所以用前一帧第k频率的先验信噪比即来代替，而为第n帧第k频率后验信噪比的计算表达式。所以，基于MMSE误差准则的先验信噪比计算方法最终可整理为前一帧第k频率的先验信噪比和第n帧第k频率的后验信噪比的函数，如下所示：

$\begin{array}{c}{\widehat{\mathrm{\ξ}}}_{n,kMMSE}=E\left\{z_{n,k}|y_t\left(n,k\right)\right\}=\frac{{\∫}_0^{\mathrm{\∞}}\frac{z_{n,k}}{1+z_{n,k}}\·\frac{1}{(z_{n,k}+\frac{{\widehat{\mathrm{\λ}}}_X\left(n-1,k\right)}{{\mathrm{\λ}}_D\left(n,k\right)})}\·\exp \{-\frac{1}{\left(1+z_{n,k}\right)}\·\frac{{\left|y_t\left(n,k\right)\right|}^2}{{\widehat{\mathrm{\λ}}}_D\left(n,k\right)}\}{\mathrm{dz}}_{n,k}}{{\∫}_0^{\mathrm{\∞}}\frac{1}{1+z_{n,k}}\·\frac{1}{(z_{n,k}+\frac{{\widehat{\mathrm{\λ}}}_X\left(n-1,k\right)}{{\widehat{\mathrm{\λ}}}_D\left(n,k\right)})}\·\exp \{-\frac{1}{\left(1+z_{n,k}\right)}\·\frac{{\left|y_t\left(n,k\right)\right|}^2}{{\widehat{\mathrm{\λ}}}_D\left(n,k\right)}\}{\mathrm{dz}}_{n,k}}\\ \stackrel{\mathrm{\Δ}}{=}f\left(\frac{{\widehat{\mathrm{\λ}}}_X\left(n-1,k\right)}{{\widehat{\mathrm{\λ}}}_D\left(n,k\right)},\frac{{\left|y_t\left(n,k\right)\right|}^2}{{\widehat{\mathrm{\λ}}}_D\left(n,k\right)}\right)\\ \stackrel{\mathrm{\Δ}}{=}f\left({\widehat{\mathrm{\ξ}}}_{n-1,k},{\widehat{\mathrm{\ξ}}}_{n,k}\right)\end{array}---\left(11\right)$

第n帧第k频率成分先验信噪比MMSE估计值的计算都需要要用到前一帧第k频率的先验信噪比估计值。在实际计算当中，第一帧先验信噪比的初始化值设为1，即为0dB，假设第一帧语音只含有噪声，因此第一帧语音的后验信噪比初始化值设为往后的计算都以前一帧先验信噪比估计值的计算结果为基础进行迭代。

在实际应用中，由于上述计算公式中无穷积分的积分函数不存在闭合形式，因此采用数值积分形式来求解上述计算公式，因此在实际应用中，将前一帧先验信噪比值和当前帧后验信噪比值作为变量，通过数值计算方法得到一个数值表，先验信噪比和后验信噪比的数值比范围为[0.01100]，数值比形式换算成dB形式为：10×log10(0.01)＝-20，10×log10(100)＝20。因此，先验信噪比和后验信噪比的取值范围也可以表示为[-2020](dB)，取值步长为1dB，转换为数值比值为0.1，最后得到41×41的数值表，每一格的数据用双精度浮点数表示，即每一格的数据占8个字节的存储空间，整个表格大概占用了41×41×8＝13448(bytes)≈13(KB)的存储空间，最后主算法通过查表形式来调用相应的数值来进行计算，图4显示该数值表中的部分数据。

(2)经典的语音增强算法采用直接判决(简称DD)方法估计先验信噪比。然而，用DD方法估计先验信噪比时要用到前一帧的先验信噪比估计值，导致了该算法存在估计偏差。本发明所采用的MMSE先验信噪比估计方法也需用到前一帧的先验信噪比估计值，因此与DD一样存在的估计偏差。为解决这一问题，本发明在采用MMSE估计先验信噪比方法的基础上，又引入第一个系统增益因子、噪声功率谱估计值和含噪语音幅度谱值对先验信噪比进行再一次估计，以提高先验信噪比估计值的准确度。该方法通过维纳滤波方法和MMSE先验信噪比估计值来计算第一个系统增益因子，该系统增益因子用于进一步修正当前帧语音先验信噪比的估计。实验证明，该方法能有效地消除MMSE估计先验信噪比方法所产生的估计偏差问题。该方法的具体过程分为三步：

①第n帧第k频率成分的先验信噪比MMSE估计值通过维纳滤波方法计算得到第一个系统增益因子G1(n,k)，如下式所示：

$G1(n,k)=\frac{{\widehat{\mathrm{\ξ}}}_{n,kMMSE}}{{\widehat{\mathrm{\ξ}}}_{n,kMMSE}+1}---\left(12\right)$

②利用第一个系统增益因子G1(n,k)和含噪语音第n帧第k频率成分的幅度谱值y_t(n,k)对第n帧第k频率成分的语音功率谱进行估计，计算方式如下：

${\widehat{\mathrm{\λ}}}_X(n,k)=|G1(n,k)\·y_t(n,k){|}^2---\left(13\right)$

其中，G1(n,k)为第一个系统增益因子，y_t(n,k)为含噪语音第n帧第k频率成分的幅度谱值，表示第n帧第k频率的语音功率谱估计值。

③第n帧第k频率的语音功率谱估计值结合噪声第n帧第k频率的功率谱估计值计算得到先验信噪比的最终估计值，具体如下：

${\widehat{\hat{\mathrm{\ξ}}}}_{n,k,MMSE}=\frac{{\widehat{\mathrm{\λ}}}_X(n,k)}{{\widehat{\mathrm{\λ}}}_D(n,k)}---\left(14\right)$

(3)将最终的先验信噪比估计值用于计算第二个系统增益因子G2(n,k)，第二个系统增益因子G2(n,k)结合含噪语音第n帧第k频率成分的幅度谱值y_t(n,k)计算得到第n帧第k频率清音幅度谱估计值具体如下所示：

$G2(n,k)=\frac{{\widehat{\hat{\mathrm{\ξ}}}}_{n,kMMSE}}{{\widehat{\hat{\mathrm{\ξ}}}}_{n,kMMSE}+1}---\left(15\right)$

${\hat{x}}_t(n,k)=G2(n,k)\·y_t(n,k)---\left(16\right)$

以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (4)

1.一种基于MMSE误差准则的先验信噪比估计方法，其特征在于，包括：

1)将含噪语音信号y_t进行分帧和加窗处理，得到含噪语音帧信号y_t(n)；

2)对含噪语音帧信号y_t(n)进行离散傅里叶变换，即得到含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)；

3)对含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)进行噪声成分功率谱的估计，得到第n帧第k频率噪声功率谱估计值通过一帧延时得到前一帧第k频率的清音幅度谱估计值并用该值计算得到前一帧第k频率清音功率谱估计值

4)将含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)和第n帧第k频率噪声的功率谱估计值用于计算第n帧第k频率语音的后验信噪比将前一帧第k频率的清音功率谱估计值和第n帧第k频率噪声功率谱估计值用于计算前一帧第k频率语音的先验信噪比

5)第n帧第k频率语音的后验信噪比和前一帧第k频率先验信噪比代入到MMSE先验信噪比的估计计算中，即得到第n帧第k频率成分的MMSE先验信噪比估计值

6)用维纳滤波方法和步骤5)中所得第n帧第k频率成分的MMSE先验信噪比估计值计算出第一个系统增益因子G1(n,k)，利用第一个增益因子G1(n,k)和含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)估计第n帧第k频率的语音功率谱值该功率谱估计值结合第n帧第k频率噪声功率谱估计值对先验信噪比进行再一次估计，得到最终的先验信噪比估计值

7)最终的先验信噪比估计值结合含噪语音第n帧第k频率成分的幅度谱值y_t(n,k)对第n帧第k频率的清音幅度谱值进行估计，得到第n帧第k频率清音幅度谱的估计值

8)对第n帧第k频率清音幅度谱估计值进行离散傅里叶逆变换，得到估计清音帧信号

9)估计清音帧信号进行去窗和重叠相加处理，得到估计清音信号

2.根据权利要求1所述的基于MMSE误差准则的先验信噪比估计方法，其特征在于，所述步骤3)获取含噪语音第n帧第k频率成分的离散幅度谱值y_t(n,k)，用最小统计方法估计得到第n帧第k频率噪声功率谱估计值并通过延时一帧方法来获取前一帧第k频率的清音幅度谱估计值利用前一帧第k频率的清音幅度谱估计值计算得到前一帧第k频率清音功率谱估计值

3.根据权利要求1所述的基于MMSE误差准则的先验信噪比估计方法，其特征在于，所述步骤6)中第一个系统增益因子G1(n,k)的计算方式为：

$G1(n,k)=\frac{{\widehat{\hat{\mathrm{\ξ}}}}_{n,kMMSE}}{{\widehat{\mathrm{\ξ}}}_{n,kMMSE}+1};$

第n帧第k频率的语音功率谱估计值的计算方式为：

${\widehat{\mathrm{\λ}}}_X(n,k)={|G1(n,k)\·y_t(n,k)|}^2$

最终先验信噪比估计值的计算方式为：

${\widehat{\hat{\mathrm{\ξ}}}}_{n,k,MMSE}=\frac{{\widehat{\mathrm{\λ}}}_X(n,k)}{{\widehat{\mathrm{\λ}}}_D(n,k)}.$

4.根据权利要求3所述的基于MMSE误差准则的先验信噪比估计方法，其特征在于，所述步骤7)中，用最终的先验信噪比估计值计算第n帧第k频率的清音幅度谱值，即得到第n帧第k频率清音幅度谱的估计值其具体过程为：

将最终的先验信噪比估计值用于计算第二个系统增益因子G2(n,k)，第二个系统增益因子G2(n,k)结合含噪语音第n帧第k频率成分的幅度谱值y_t(n,k)计算得到第n帧第k频率清音的幅度谱估计值具体如下所示：

$G2(n,k)=\frac{{\widehat{\hat{\mathrm{\ξ}}}}_{n,kMMSE}}{{\widehat{\hat{\mathrm{\ξ}}}}_{n,kMMSE}+1}$

${\hat{x}}_t(n,k)=G2(n,k)\·y_t(n,k).$