基于隐马尔可夫模型的非监督噪声功率谱估计

• 作者: 应冬文 战鸽 李军锋 许春冬 颜永红
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 语音增强 噪声功率谱估计 隐马尔可夫模型 极大似然准则 模型约束
• 年，卷（期）: 2015,（2）
• 页码范围: 359-364
• 页数: 6页
• 分类号: TN912.3
• 字数: 3438字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2015.02.014

摘要

噪声功率谱估计是语音增强算法的基本组成部分,传统算法大多采用启发式的估计方法,因而不能保证噪声估计值的统计最优。提出了一种基于极大似然的非监督噪声功率谱估计方法,采用隐马尔可夫模型(Hidden Markov model,HMM)在每个子带建立语音和非语音对数功率谱的统计模型,模型包含语音和非语音两个高斯分量,其中非语音高斯分量的均值表示噪声功率谱估计值,根据最大期望(Expectation maximization,EM)算法得到包括噪声均值在内的 HMM 参数集。针对语音信号可能出现的长时缺失,对 HMM 引入了一些约束条件,保证了模型的稳定性。实验表明,该方法获得的极大似然噪声估计优于基于启发式的经典方法获得的噪声估计。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜永红	中国科学院声学研究所语言声学与内容理解重点实验室	94	586	14.0	20.0
2	许春冬	中国科学院声学研究所语言声学与内容理解重点实验室	38	141	6.0	10.0
5	李军锋	中国科学院声学研究所语言声学与内容理解重点实验室	11	32	3.0	5.0
6	应冬文	中国科学院声学研究所语言声学与内容理解重点实验室	6	16	2.0	4.0
13	战鸽	中国科学院声学研究所语言声学与内容理解重点实验室	2	5	1.0	2.0