基于周期性分析与先验信噪比估计的在线单声道语音增强

本文描述了一种用于增强单声道含噪语音的在线算法。首先，推导了一种新颖的相位校正低延迟 gammatone 滤波器组，用于信号子带分解与重构；随后对子带信号进行逐帧分析。其次，提出了一种名为周期度 (PD) 的新特征，用于检测和估计每帧的基音周期 (P0)，并估计每个帧 - 子带信号单元的信噪比 (SNR)。PD 在每个单元中计算为归一化自相关与梳状滤波器比率的乘积，并被证明在各种低 SNR 条件下具有鲁棒性。第三，基于估计的 SNR 对高 PD 单元递归估计噪声能量水平，而对低 PD 单元则基于含噪信号能量水平进行估计。然后，利用估计的噪声水平，采用决策导向方法估计先验 SNR。最后，计算修正的 Wiener 增益，对其进行平滑处理并应用于每个单元；处理后的单元在子带和帧上求和以形成增强信号。该算法的 P0 检测精度在两个语料库上进行了评估，结果显示在一个语料库上与最近发表的基音检测算法性能相当，在另一个语料库上表现更优。该算法的语音增强效果在一个语料库上通过两个客观标准进行了评估，结果显示在一种高度非平稳噪声下性能优于最先进的统计模型算法，而在另外两种噪声下性能相当。