计算机应用

作者：葛宛营, 张天骐

单位：重庆邮电大学 通信与信息工程学院, 重庆 400065

关键词：计算听觉场景分析,语音增强,时频掩蔽,噪声估计,掩蔽优化,语音可懂度

基金：国家自然科学基金资助项目（61671095，61702065，61701067，61771085）；信号与信息处理重庆市市级重点实验室建设项目（CSTC2009CA2003）；重庆市研究生科研创新项目（CYS17219）；重庆市教育委员会科研项目（KJ1600427，KJ1600429）。

单通道语音增强算法通过从带噪语音中估计并抑制噪声成分来得到增强语音。然而，噪声估计算法在计算时存在过估现象，导致部分估计噪声能量值比实际值大。尽管可以通过补偿消去这些过估值，但引入的误差同样会降低增强语音的整体质量。针对此问题，提出一种基于计算听觉场景分析（CASA）的时频掩蔽估计与优化算法。首先，通过直接判决（DD）算法估计先验信噪比（SNR）并计算初始掩蔽；其次，利用噪声与带噪语音在Gammatone频带内的互相关（ICC）系数来计算噪声的存在概率，结合带噪语音能量谱得到新的噪声估计，减少原估计噪声中的过估成分；然后，利用优化算法对初始掩蔽进行迭代处理以减少其中因噪声过估而存在的误差并增加其中的目标语音成分，在满足条件后停止迭代并得到新的掩蔽；最后，利用新的掩蔽合成增强语音。实验结果表明在不同的背景噪声下，相比优化前，新的掩蔽使增强语音获得了较高的主观语音质量（PESQ）和语音可懂度（STOI）值，提升了语音听感与可懂度。

来源：2019年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第10期