基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高单通道语音增强降噪算法的整体质量,该文从噪声消除和语音感知两个角度出发对传统语音增强算法进行改进,通过引入多种处理手段来达到最佳优化效果.首先在参数估计方面,把基于弱语音出现的平滑算法加入到基于固定先验信噪比的软判决方法中来解决噪声谱过估计问题,并根据语音帧存在概率动态调整平滑因子,从而提高先验信噪比的跟踪效果.其次在语音质量感知提升方面,采用谐波恢复的方法重建语音段的高频谐波分量,并采用相位补偿和增益平滑的方法消除静默段和语音段的音乐噪声.实验结果表明,相比传统算法,该文算法通过引入参数估计改进模块和感知质量提升模块,在消噪效果和语音质量两方面均得到了较大的提高,并适用于多类噪声环境和信噪比条件.
推荐文章
基于免疫粒子群算法的参数估计方法
免疫算法
粒子群算法
参数估计
基于粒子群算法的跳频信号参数估计
跳频信号
参数估计
粒子群
多峰优化
Kalman滤波语音增强算法的参数估计与实现
Kalman滤波语音增强算法
参数估计
协作式递归神经网络
最小均方算法
基于Toeplitz算法的谐波和间谐波参数估计
谐波
间谐波
Toeplitz
最小二乘
旋转不变性
阵列信号处理
共轭矩阵
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于参数估计和感知提升的语音增强降噪算法
来源期刊 电子与信息学报 学科 工学
关键词 语音增强 噪声功率密度估计 先验信噪比 谐波恢复 相位补偿
年,卷(期) 2016,(1) 所属期刊栏目 论文
研究方向 页码范围 174-179
页数 6页 分类号 TN912.3
字数 4102字 语种 中文
DOI 10.11999/JEIT150504
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨立东 北京理工大学信息与电子学院 7 35 4.0 5.0
2 谢湘 北京理工大学信息与电子学院 29 140 6.0 10.0
3 王晶 北京理工大学信息与电子学院 39 127 6.0 8.0
4 尹栋 北京理工大学信息与电子学院 2 12 2.0 2.0
5 蒋涉权 北京理工大学信息与电子学院 3 26 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (16)
参考文献  (11)
节点文献
引证文献  (6)
同被引文献  (21)
二级引证文献  (6)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(1)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(6)
  • 引证文献(3)
  • 二级引证文献(3)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
语音增强
噪声功率密度估计
先验信噪比
谐波恢复
相位补偿
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子与信息学报
月刊
1009-5896
11-4494/TN
大16开
北京市北四环西路19号
2-179
1979
chi
出版文献量(篇)
9870
总下载数(次)
11
总被引数(次)
95911
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导