面向语音增强的约束序贯高斯混合模型噪声功率谱估计

• 作者: 应冬文 张震 战鸽 李军锋 许春冬 颜永红
• 来源期刊: 声学学报
• 年，卷（期）: 2017,（5）
• 页码范围: 633-640
• 页数: 8页
• 语种: 中文

摘要

提出了一种基于极大似然的噪声对数功率谱估计方法,采用高斯混合模型对每一个频带上的功率谱包络构建统计模型,将时序包络划分为语音和非语音类,它们分别对应于高斯混合模型的两个高斯分量,描述语音和非语音的统计分布,其中非语音高斯分量的均值即为噪声功率谱的最优估计.采用序贯学习的方法,在极大似然准则下逐帧更新模型参数,并逐帧给出噪声功率谱的最优估计值.此外,由于序贯更新过程中语音信号长时缺失,容易导致模型失稳,提出了一种在线的最小描述长度准则(MDL)来判断语音信号是否长时缺失,从而保证了模型的稳定性.实验表明,算法性能整体优于经典的MS和IMCRA算法.