基于数据驱动字典和稀疏表示的语音增强

摘要：

本文提出了一种基于数据驱动字典和过完备稀疏表示的自适应语音增强方法.首先在训练阶段采用干净语音基于K奇异值分解(K-singular value decomposition,K-SVD)算法训练过完备字典,然后在测试阶段根据含噪语音的噪声方差自适应选择最优的阈值,采用正交匹配追踪算法对含噪语音信号在过完备字典上进行稀疏分解,最后利用系数稀疏表示重构语音信号,从而达到语音增强的目.该方法不像传统语音增强方法那样减少或消去噪声,而是从字典中选取适当的原子表示纯净信号,从而把纯净信号从含噪信号中分离出来.对白噪声和有色噪声环境下重构语音进行了主客观评价.仿真结果显示:该方法能有效去除加性噪声,并且改善了语音质量.

关键词：语音增强、稀疏表示、过完备字典、正交匹配追踪、奇异值分解算法

所属期刊栏目：27

分类号：TN912.3

资助基金：国家重大基础研究973课题2011CB302903;国家自然科学基金项目60971129;江苏省普通高校研究生科研创新计划项目CX10B_191Z,CX10B_189Z

在线出版日期：2012-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1793-1800