一种改进的基于DCT变换的语音增强算法

摘要：

研究语音识别问题,变换域分析是语音增强中最常用的方法,采用离散余弦变换(DCT)来描述带噪语音信号的频域特性,并构造拉普拉斯-高斯参数模型(Laplacian-Gaussian)来表示带噪语音信号的分布,可改善增强效果并减少误差.在参数估计上采用了最大似然估计法(ML),并结合谱相减估计法对拉普拉斯模型参数作了进一步优化,最后给出了检测语音信号存在的条件.仿真实验结果表明,算法在用于处理含有F16、Pink、Babble及高斯白噪声的语音信号时,与其它基于DCT变换的算法相比,取得了更好的增强效果.

关键词：语音增强、离散余弦变换、拉普拉斯-高斯模型、最大似然估计

所属期刊栏目：27

分类号：TP391(计算技术、计算机技术)

在线出版日期：2011-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：376-380