Page 107 - 201806

第 37 卷 第 6 期 武正平等： 改进的正交匹配追踪的语音增强算法 937

3.3 OMP算法的语音增强性能改进与去噪 单句 [13] 。用 IEEE 句子库中的前 200组句子合成的
3.3.1 OMP算法的语音增强性能改进 一个长度 8 分 44 秒的干净语音来训练干净语音的
传统 OMP 算法只是最大可能重构原信号，对 字典。所用的含噪语音为 IEEE 句子库中的后 100
于含噪语音并不能进行有效去噪。语音信号的能量 组干净语音句子 (没有进行训练的句子) 与原始噪
集中在低频段，而噪声能量则主要集中在高频段。 声及 babble 噪声、car 噪声、street 噪声和 train 噪声
为了增强 OMP 算法的去噪能力，设置能量阈值 φ， 四种混合形成的噪声以−5 dB、0 dB、5 dB和10 dB
通过对估计出的每帧信号的能量与阈值 φ 比较，选 的信噪比加噪形成。干净语音和噪声的采样频率都
择出纯净语音的帧，尽可能地重构出含噪语音中的 是8 kHz，每帧信号取16 ms，帧移是50%。
干净语音的稀疏系数 [12] 。假设含噪语音的能量等
表 1 两种算法 PESQ 与 STOI 评估值
于纯净语音的能量加上噪声能量，则第 n 帧含噪语
Table 1 The PESQ and STOI evaluation
音的能量为
values of two algorithms
E(n) = E s (n) + E z (n), (12)
噪声 评价 SNR/dB
其中，E s (n)为第n帧纯净语音能量，E z (n)为第n帧 类型 算法 增强算法 −5 0 5 10
噪声能量。E s (n) 可由已知的含噪语音求得，E z (n) 传统 K-SVD 1.39 1.60 1.88 2.24
PESQ
可用最小值约束的递归平均(Minima controlled re- 本文方法 1.72 1.95 2.21 2.40
高斯白噪声
cursive averaging, MCRA) 算法求得。设总的帧数 传统 K-SVD 0.48 0.59 0.66 0.70
STOI
为L，则能量阈值φ为 本文方法 0.47 0.60 0.65 0.71
传统 K-SVD 1.84 2.09 2.34 2.60
L (
(
))
1 ∑ E z (n) PESQ
φ = 1 − , 0 < φ < 1. (13) 本文方法 1.99 2.13 2.36 2.59
L E(n) babble
n=1 传统 K-SVD 0.38 0.53 0.62 0.69
STOI
按照第2.2 节介绍的 OMP 算法流程，在步骤二 本文方法 0.36 0.52 0.61 0.68
迭代的第 (3) 步与第 (4) 步中估算含噪语音的能量， 传统 K-SVD 1.61 1.81 2.12 2.39
PESQ
并归一化为 η，判断若 η > φ 为真继续向下执行，否 本文方法 1.96 2.08 2.24 2.42
car
则跳转到第 (1) 步，最终得到含噪语音的稀疏系数 传统 K-SVD 0.43 0.55 0.65 0.69
STOI
矩阵。 本文方法 0.42 0.54 0.64 0.69
传统 K-SVD 1.53 1.75 1.97 2.25
3.3.2 改进OMP算法的稀疏去噪 PESQ
本文方法 1.79 1.94 2.19 2.38
ˆ
用第 3.2 节训练得到的干净语音字典 D 和第 street 传统 K-SVD 0.47 0.54 0.63 0.69
3.3.1节改进的 OMP算法得到的稀疏系数矩阵 x合 STOI 本文方法 0.46 0.52 0.64 0.70
成增强后的语音信号y c ， 传统 K-SVD 1.29 1.80 2.05 2.25
PESQ
y c = Dx, (14) train 本文方法 1.87 2.13 2.21 2.44
b
传统 K-SVD 0.35 0.50 0.62 0.69
这里的语音信号 y c 是一个二维的矩阵，是帧形式 STOI 本文方法 0.36 0.51 0.63 0.70
的信号。应用反分帧函数将帧信号恢复为一维信号 传统 K-SVD 1.52 1.83 2.07 2.28
PESQ
ˆ y c ，最终得到增强后的语音信号。 本文方法 1.86 2.07 2.20 2.41
混合噪声
传统 K-SVD 0.39 0.51 0.63 0.68
4 实验结果与分析 STOI 本文方法 0.38 0.50 0.64 0.69

本实验所用的仿真软件为 MATLAB2014。实
验 所 采 用 的 原 始 噪 声 为 babble 噪 声、car 噪 声、 4.1 语音增强算法对比
street 噪声、train 噪声和高斯白噪声，均来自 Noi- 为了验证本文提出的 OMP 算法在语音增强性
sex92标准噪声库。所用的干净语音均来自IEEE句 能上的改进，与传统 K-SVD 语音增强算法进行了
子库，每组句子长度约为 2∼3 s，都为完整的英文简 对比。评估算法性能所采用的指标有语音质量客