CN112652322A - 一种语音信号增强方法 - Google Patents
一种语音信号增强方法 Download PDFInfo
- Publication number
- CN112652322A CN112652322A CN202011538743.6A CN202011538743A CN112652322A CN 112652322 A CN112652322 A CN 112652322A CN 202011538743 A CN202011538743 A CN 202011538743A CN 112652322 A CN112652322 A CN 112652322A
- Authority
- CN
- China
- Prior art keywords
- noise
- signal
- voice
- speech
- spectrum
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001228 spectrum Methods 0.000 claims abstract description 66
- 239000000654 additive Substances 0.000 claims abstract description 10
- 230000000996 additive effect Effects 0.000 claims abstract description 10
- 238000009499 grossing Methods 0.000 claims description 31
- 230000003595 spectral effect Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception
- H04R25/50—Customised settings for obtaining desired overall acoustical characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Neurosurgery (AREA)
- Otolaryngology (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
本发明公开了一种语音信号增强方法,其可提高语音存在性判断的准确性,从而提高估计噪声的准确性,同时可有效消除语音信号中的音乐噪声,该方法包括:采集带噪语音信号,带噪语音信号包括的噪声为加性噪声,采用加权叠接相加滤波器组将时域信号转换为频域信号,采用本发明提出的噪声估计算法对加性噪声信号的功率谱估计值进行更新,采用多子带谱减算法对带噪语音进行功率谱的谱减,得到纯净语音的功率谱估计值,利用带噪语音的相位和纯净语音的幅度谱的估计值,还原纯净语音的频域信号,采用加权叠接相加滤波器组将频域信号重新转换为时域信号,得到语音增强后的纯净语音。
Description
技术领域
本发明涉及语音信号处理技术领域,具体为一种语音信号增强方法。
背景技术
在语音系统中,噪声往往是最让人讨厌的,因此,语音增强是语音处理系统中最关键的技术之一。语音增强由噪声估计和噪声消除两部分组成。
传统噪声估计是基于语音存在性的噪声估计,该方法只在无语音段进行噪声估计,仅对平稳噪声有较好的效果,对于非平稳噪声无法实现准确跟踪噪声。基于此,S.Rangachari提出了一个运算量较小,比较适合硬件实现的噪声估计方法,最小值控制的递归平均算法(Minima-Controlled Recursive Averaging, MCRA-2),该方法首先利用最小值跟踪方法实时跟踪噪声,得到一个估计噪声,再利用这个估计噪声判断语音存在概率,基于这个概率计算一个平滑因子,用于时间迭代平均算法,得到新的估计噪声,作为最终的噪声估计。该方法虽然可以跟踪非平稳噪声,但是因为语音存在性判断是根据经验设置的固定的信噪比阈值来判断,在不同背景噪声信噪比下,语音存在性判断准确性会存在差异。
传统的噪声消除方法包括谱减法,由于对噪声估计过大,导致语音的过减出现负值,经过半波整流后,通常会引入类似水流声的音乐噪声。这种音乐噪声产生主要在于频谱相邻帧剧烈变化而导致某些帧噪声估计过大,对此 Latchman Singh提出多子带谱减,该方法将频谱按频段划分为子带,因为频段相邻帧的变化要比频点相邻帧的变化要平缓,从而降低了音乐噪声。但由于传统实时语音系统一般采用短时傅里叶变换(Short-TimeFourier Transform,STFT) 进行时域-频域转换,帧长大约20~30ms,在这个帧长下,各频段相邻帧的变化还是可能会出现一定程度的剧烈变化,在某些情况下仍会出现音乐噪声。
发明内容
针对现有技术中存在的现有语音噪声消除方法对语音存在性的判断准确性较差,影响语音噪声估计准确性,产生的音乐噪声不易消除的问题,本发明提供了一种语音信号增强方法,其可提高语音存在性判断的准确性,从而提高估计噪声的准确性,同时可有效消除语音信号中的音乐噪声。
为实现上述目的,本发明采用如下技术方案:
一种语音信号增强方法,其特征在于,该方法包括:
步骤a:采集带噪语音信号y(n),所述带噪语音信号为时域信号,其中,所述带噪语音信号包括的噪声为加性噪声d(n),纯净语音为x(n),n为离散时间。
步骤b:采用加权叠接相加滤波器组将时域信号转换为频域信号:Y(k)= D(k)+X(k);
其进一步特征在于,步骤c中所述噪声估计算法包括:
c1:对所述带噪语音信号的带噪语音功率谱进行平滑,得到平滑后的带噪信号的功率谱P(λ,k),λ为离散时间,k为频域子带;
c2:采用非线性平滑方法跟踪平滑后的所述带噪信号的能量谱最小值,得到最小值跟踪能量谱Pmin(λ,k);
c3:计算所述带噪语音功率谱与所述最小值跟踪能量谱的比值Sr(λ,k);
c4:对所述比值进行平滑,作为判断所述语音存在性的阈值Sth(λ,k);
c5:对比c3中所述比值和c4中所述阈值,得到语音存在性信号V(λ,k);
c6:对所述语音存在性信号进行平滑,获取Vs(λ,k),防止存在性在0和1 之间突变,导致噪声估计值出现突变,从而引入新的噪声;
c7:采用平滑后的所述语音存在性信号对所述平滑因子α(λ,k)进行实时更新;
d2,在所述带噪语音信号功率谱上对各子带进行谱减,对于噪声估计过大,导致过减的情况,执行半波整流,整流公式如下:
其中,β为谱下限参数,αi和δi分别为各子带的过减因子和减法因子,αi和δi的计算公式如下:
其中,SNRi为通道i的信噪比,fi为通道i的中心频率,Fs为采样率。
所述带噪语音信号的采样率为16KHz或32KHz,所述加权叠接相加分析滤波器组和加权叠接相加综合滤波器组的帧长为16或32个点,每一帧的时间为 0.5ms、1ms或2ms。;
c1中,所述带噪语音功率谱P(λ,k)=αpP(λ-1,k)+(1-αp)|Y(λ,k)|2
c2中,计算所述最小值跟踪能量谱Pmin(λ,k):
if Pmin(λ-1,k)<P(λ,k)
else
Pmin(λ,k)=P(λ,k)
其中,βt为更新系数,γt为平滑系数。
c3中,所述比值Sr(λ,k)=P(λ,k)/Pmin(λ,k);
c4中,所述阈值Sth(λ,k)=αsSr(λ-1,k)+(1-αs)Sr(λ,k);
c5中,计算所述语音存在性信号V(λ,k):
c6中,所述Vs(λ,k)=αvV(λ-1,k)+(1-αv)V(λ,k);其中,αv为平滑系数。
c7中,所述平滑因子α(λ,k)=αd+(1-αd)Vs(λ,k),其中,αd为平滑系数;
采用本发明上述方法可以达到如下有益效果,采用加权叠接相加结构的滤波器组代替传统短时傅里叶变换进行时域-频域相互转换,加权叠接相加结构的滤波器组帧长较短,可有效降低各频段相邻帧的突变,避免出现噪声过估计,从而减小了音乐噪声的引入,提高了语音增强效果;采用噪声估计算法对加性噪声信号的功率谱估计值进行更新,不论在高信噪比还是在低信噪比的背景噪声情况下,都会实时更新语音存在性的阈值,因此能更加准确地判断语音存在性,从而提高了噪声估计的准确性。本申请语音信号增强方法运算单元简单,适合硬件实现。
附图说明
图1为本发明语音信号增强方法对带噪语音信号进行处理的流程图;
图2为本发明采用噪声估计算法对带噪语音信号进行估计的流程图;
图3为本发明语音信号增强方法应用于助听器的系统框图;
图4为将本发明语音信号增强方法应用于助听器前后的效果图。
具体实施方式
见图1,一种语音信号增强方法,该语音增强实现步骤如下:
步骤a:采集带噪语音信号y(n),噪语音信号y(n)为时域信号,该噪语音信号y(n)包含的噪声为加性噪声d(n)和纯净语音为x(n),其中,n为离散时间;
步骤b:采用加权叠接相加(WOLA)分析滤波器组将时域信号转换为频域信号,频域信号Y(k)=D(k)+X(k);
首先对各子带的带噪语音幅度谱Yi(k)做平滑:
在功率谱上对各子带进行谱减,对于噪声估计过大,导致过减的情况,执行半波整流:
其中,αi和δi分别为各子带的过减因子和减法因子,计算公式如下:
采用步骤c、步骤d对频域信号中的噪声进行消除,
步骤e用于对纯净语音进行相位还原;
见图2,上述步骤c的噪声估计算法具体实现步骤如下:
c1:对带噪语音功率谱进行平滑,得到平滑后的带噪信号的功率谱P(λ,k):
P(λ,k)=αpP(λ-1,k)+(1-αp)|Y(λ,k)|2
其中,αp为平滑因子λ代表时间,k代表子带。
c2:采用非线性平滑方法跟踪平滑后的带噪信号的能量谱最小值,得到最小值跟踪能量谱Pmin(λ,k):
if Pmin(λ-1,k)<P(λ,k)
else
Pmin(λ,k)=P(λ,k)
其中,βt为更新系数,γt为平滑系数。
c3:计算带噪语音功率谱与最小值跟踪能量谱的比值Sr(λ,k):
Sr(λ,k)=P(λ,k)/Pmin(λ,k)
c4:对上述比值进行平滑,作为判断语音存在性的阈值Sth(λ,k):
Sth(λ,k)=αsSr(λ-1,k)+(1-αs)Sr(λ,k)
c5:对比步骤3产生的比值和步骤4产生的阈值,得到语音存在性信号V(λ,k):
c6:对语音存在性信号进行平滑,获取Vs(λ,k),防止存在性在0和1之间突变,导致噪声估计值出现突变,从而引入新的噪声:
Vs(λ,k)=ΔvV(λ-1,k)+(1-αv)V(λ,k),
其中,αv为平滑系数。
c7:采用平滑后的语音存在性信号对噪声更新的平滑因子α(λ,k)进行实时更新:
α(λ,k)=αd+(1-αd)Vs(λ,k)
其中,αd为平滑系数。
本发明专利可应用在任何需要硬件实现的实时语音处理应用中,图3为其在助听器应用的框图,带噪语音信号输入至加权叠接相加分析滤波器组进行转换,转换后获得的频域信号依次经语音增强(采用上述语音信号增强方法)、听力补偿(可采用现有的补偿曲线对增强后的语音信号进行补偿,获得补偿信号)、频率压缩(对补偿后的压缩信号进行压缩处理),再采用加权叠接相加综合滤波器组将压缩后的信号转换时域信号后输出,时域信号输出时对其进行反馈抑制,以防止其产生的啸叫。本申请方法为了解决噪声估计时,不同信噪比的背景噪声下,语音存在性估计不准确的问题,在最小值跟踪算法的基础上,引用了噪声估计算法,该算法通过计算语音存在性判断阈值,获取语音存在性,并采用时间迭代更新噪声。该方法不论在高信噪比还是在低信噪比的背景噪声情况下,都会实时更新阈值,因此能更加准确地判断语音存在性。且该方法没有复杂的运算单元,适合硬件实现。
将上述语音增强方法应用于语音处理系统,实现效果见图4,在纯净语音上增加一个噪声,得到一个信噪比为5dB的带噪语音信号,经过上述语音增强系统,得到一个失真度较低,降噪效果较好,且没有引入音乐噪声的增强信号,图4中横轴表示时间,纵轴表示幅度,从上至下依次为原始语音信号、带噪语音信号、增强语音信号,其中增强语音信号为采用本申请方法对带噪语音信号处理后的语音信号,从图4中可以看出,增强语音信号接近于原始语音信号,失真度交底,同时去除了原始语音信号中微小的噪声,采用本申请方法可以起到有效去除噪声的效果。
为解决多子带谱减下噪声残留的问题,采用帧长更短的加权叠接相加结构的滤波器组代替传统短时傅里叶变换(STFT),加权叠接相加滤波器组(WOLA) 的采样率为16KHz,帧长为16个点,因此帧长为1ms,远小于短时傅里叶变换 (STFT)的20~30ms帧长,即采用加权叠接相加结构的滤波器组使帧长从 20~30ms降低到了0.5~2ms,降低了各频段相邻帧的突变,起到了减小音乐噪声的目的。上述方法所需硬件资源更少,功耗更低,更加适合低成本低功耗应用。
以上所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
Claims (6)
1.一种语音信号增强方法,其特征在于,该方法包括:
采集带噪语音信号y(n),所述带噪语音信号为时域信号,其中,所述带噪语音信号包括的噪声为加性噪声d(n),纯净语音为x(n),n为离散时间;
采用加权叠接相加分析滤波器组将所述时域信号转换为频域信号:Y(k)=D(k)+X(k),其中,D(k)为所述加性噪声的频域信号,X(k)为所述纯净语音的频域信号,k为频域子带;
2.根据权利要求1所述的一种语音信号增强方法,其特征在于,所述噪声估计算法包括:
对所述带噪语音信号的带噪语音功率谱进行平滑,得到平滑后的带噪信号的功率谱P(λ,k),λ为离散时间,k为频域子带;
采用非线性平滑方法跟踪平滑后的所述带噪信号的能量谱最小值,得到最小值跟踪能量谱Pmin(λ,k);
计算所述带噪语音功率谱与所述最小值跟踪能量谱的比值Sr(λ,k);
对所述比值进行平滑,作为判断所述语音存在性的阈值Sth(λ,k);
对比c3中所述比值和c4中所述阈值,得到语音存在性信号V(λ,k);
对所述语音存在性信号进行平滑,获取Vs(λ,k);
采用平滑后的所述语音存在性信号对所述平滑因子α(λ,k)进行实时更新;
3.根据权利要求2所述的所述一种语音信号增强方法,其特征在于,所述带噪语音功率谱P(λ,k)=αpP(λ-1,k)+(1-αp)|Y(λ,k)|2;
计算所述最小值跟踪能量谱Pmin(λ,k):
if Pmin(λ-1,k)<P(λ,k)
Pmin(λ,k)=P(λ,k)
其中,βt为更新系数,γt为平滑系数;
所述比值Sr(λ,k)=P(λ,k)/Pmin(λ,k);
所述阈值Sth(λ,k)=αsSr(λ-1,k)+(1-αs)Sr(λ,k);
计算所述语音存在性信号V(λ,k):
所述Vs(λ,k)=αvV(λ-1,k)+(1-αv)V(λ,k),其中,αv为平滑系数;
所述平滑因子α(λ,k)=αd+(1-αd)Vs(λ,k),其中,αd为平滑系数;
6.根据权利要求2所述的一种语音信号增强方法,其特征在于,所述带噪语音的采样率为16KHz或32KHz,所述加权叠接相加分析滤波器组和所述加权叠接相加综合滤波器组的帧长为16个点或32个点,每一帧的时间为0.5ms、1ms或2ms。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011538743.6A CN112652322A (zh) | 2020-12-23 | 2020-12-23 | 一种语音信号增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011538743.6A CN112652322A (zh) | 2020-12-23 | 2020-12-23 | 一种语音信号增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112652322A true CN112652322A (zh) | 2021-04-13 |
Family
ID=75359798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011538743.6A Pending CN112652322A (zh) | 2020-12-23 | 2020-12-23 | 一种语音信号增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112652322A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963710A (zh) * | 2021-10-19 | 2022-01-21 | 北京融讯科创技术有限公司 | 一种语音增强方法、装置、电子设备和存储介质 |
CN114005457A (zh) * | 2021-11-09 | 2022-02-01 | 西安邮电大学 | 一种基于幅度估计与相位重构的单通道语音增强方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040078199A1 (en) * | 2002-08-20 | 2004-04-22 | Hanoh Kremer | Method for auditory based noise reduction and an apparatus for auditory based noise reduction |
CN1565144A (zh) * | 2001-08-08 | 2005-01-12 | 数字信号处理工厂有限公司 | 使用过采样滤波器组的定向音频信号处理 |
CN101030384A (zh) * | 2007-03-27 | 2007-09-05 | 西安交通大学 | 一种自动电子喉的电子喉语音增强系统与控制方法 |
CN101901602A (zh) * | 2010-07-09 | 2010-12-01 | 中国科学院声学研究所 | 一种利用受损听力的听阈进行降噪的方法 |
CN103871421A (zh) * | 2014-03-21 | 2014-06-18 | 厦门莱亚特医疗器械有限公司 | 一种基于子带噪声分析的自适应降噪方法与系统 |
CN108735213A (zh) * | 2018-05-29 | 2018-11-02 | 太原理工大学 | 一种基于相位补偿的语音增强方法及系统 |
CN110310656A (zh) * | 2019-05-27 | 2019-10-08 | 重庆高开清芯科技产业发展有限公司 | 一种语音增强方法 |
-
2020
- 2020-12-23 CN CN202011538743.6A patent/CN112652322A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1565144A (zh) * | 2001-08-08 | 2005-01-12 | 数字信号处理工厂有限公司 | 使用过采样滤波器组的定向音频信号处理 |
US20040078199A1 (en) * | 2002-08-20 | 2004-04-22 | Hanoh Kremer | Method for auditory based noise reduction and an apparatus for auditory based noise reduction |
CN101030384A (zh) * | 2007-03-27 | 2007-09-05 | 西安交通大学 | 一种自动电子喉的电子喉语音增强系统与控制方法 |
CN101901602A (zh) * | 2010-07-09 | 2010-12-01 | 中国科学院声学研究所 | 一种利用受损听力的听阈进行降噪的方法 |
CN103871421A (zh) * | 2014-03-21 | 2014-06-18 | 厦门莱亚特医疗器械有限公司 | 一种基于子带噪声分析的自适应降噪方法与系统 |
CN108735213A (zh) * | 2018-05-29 | 2018-11-02 | 太原理工大学 | 一种基于相位补偿的语音增强方法及系统 |
CN110310656A (zh) * | 2019-05-27 | 2019-10-08 | 重庆高开清芯科技产业发展有限公司 | 一种语音增强方法 |
Non-Patent Citations (1)
Title |
---|
SUNDARRAJAN RANGACHARI等: "A noise-estimation algorithm for highly non-stationary environments", SPEECH COMMUNICATION, vol. 48, no. 2, pages 220 - 231 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963710A (zh) * | 2021-10-19 | 2022-01-21 | 北京融讯科创技术有限公司 | 一种语音增强方法、装置、电子设备和存储介质 |
CN114005457A (zh) * | 2021-11-09 | 2022-02-01 | 西安邮电大学 | 一种基于幅度估计与相位重构的单通道语音增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2329550C2 (ru) | Способ и устройство для улучшения речевого сигнала в присутствии фонового шума | |
US8010355B2 (en) | Low complexity noise reduction method | |
US8521530B1 (en) | System and method for enhancing a monaural audio signal | |
US7133825B2 (en) | Computationally efficient background noise suppressor for speech coding and speech recognition | |
EP2031583B1 (en) | Fast estimation of spectral noise power density for speech signal enhancement | |
Soon et al. | Speech enhancement using 2-D Fourier transform | |
JP5153886B2 (ja) | 雑音抑圧装置および音声復号化装置 | |
CA2549744A1 (en) | System for adaptive enhancement of speech signals | |
US9390718B2 (en) | Audio signal restoration device and audio signal restoration method | |
CN113160845A (zh) | 基于语音存在概率和听觉掩蔽效应的语音增强算法 | |
CN112652322A (zh) | 一种语音信号增强方法 | |
Wolfe et al. | Towards a perceptually optimal spectral amplitude estimator for audio signal enhancement | |
CN114005457A (zh) | 一种基于幅度估计与相位重构的单通道语音增强方法 | |
Upadhyay et al. | Spectral subtractive-type algorithms for enhancement of noisy speech: an integrative review | |
Upadhyay et al. | The spectral subtractive-type algorithms for enhancing speech in noisy environments | |
JP2002140100A (ja) | 騒音抑圧装置 | |
Nahma et al. | Improved a priori snr estimation in speech enhancement | |
Upadhyay et al. | Single channel speech enhancement utilizing iterative processing of multi-band spectral subtraction algorithm | |
Akhaee et al. | Speech enhancement by adaptive noise cancellation in the wavelet domain | |
Nahma et al. | Convex combination framework for a priori SNR estimation in speech enhancement | |
Dong et al. | Speech denoising based on perceptual weighting filter | |
Esch et al. | Wideband noise suppression supported by artificial bandwidth extension techniques | |
Rao et al. | Speech enhancement using perceptual Wiener filter combined with unvoiced speech—A new Scheme | |
Xuchu et al. | Speech enhancement using harmonic regeneration | |
Jiang et al. | Adaptive Noise Reduction of Speech Signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |