Page 143 - 《应用声学》2020年第6期

第 39 卷 第 6 期 田玉静等： 语声通信降噪研究 937

1.0 1.0
0.5 0.5
ࣨए 0 ࣨए 0
-0.5 -0.5
-1.0 -1.0
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6
௑ᫎ t/s ௑ᫎ t/s
(a) ጦьឦܦ (a) ጦьឦܦ
1.0 1.0
0.5 0.5
ࣨए 0 ࣨए 0
-0.5 -0.5
-1.0 -1.0
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6
௑ᫎ t/s ௑ᫎ t/s
(b) ឦܦຉᰴளᄇ٪SNR in =0 dB (b) ឦܦຉSpeech Babble SNR in=0 dB
1.0 1.0
(n)
0.5 0.5
ࣨए 0 ࣨए 0
-0.5 -0.5
-1.0 -1.0
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6
௑ᫎ t/s ௑ᫎ t/s
(c) CMAᄯکᛦካขᒭᤠऄ໚ฉᣥѣ (c) CMAᄯکᛦካขᒭᤠऄ໚ฉᣥѣ
1.0 1.0
0.5 0.5
ࣨए 0 ࣨए 0
-0.5 -0.5
-1.0 -1.0
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6
௑ᫎ t/s ௑ᫎ t/s
(d) ஈᤉᄯکᛦካขᒭᤠऄ໚ฉᣥѣ (d) ஈᤉᄯکᛦካขᒭᤠऄ໚ฉᣥѣ

1.0 1.0
0.5 0.5
ࣨए 0 ࣨए 0
-0.5 -0.5
-1.0 -1.0
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6
௑ᫎ t/s ௑ᫎ t/s
(e) ࠵ฉӊ̄൓ܙूᣥѣ (e) ࠵ฉӊ̄൓ܙूᣥѣ
图 3 混白噪声输入信噪比为 0 dB 时算法噪声消除 图 4 混 Speech Babble 噪声输入信噪比为 0 dB 时
语声波形对比 算法噪声消除语声波形对比
Fig. 3 Comparison of speech waveforms when the Fig. 4 Comparison of speech waveforms when the
input SNR of mixed White Noise is 0 dB input SNR of mixed Speech Babble noise is 0 dB

(2) 语声质量感知评估 (Perceptual evaluation 面仍有待提高；通过小波包二次增强，信噪比有效
of speech quality, PESQ) [15] ：采用 ITU-TP.862 标 提升，语声听觉清晰度和可懂度进一步改善，获得
准，可评价降噪输出语声的听觉效果。该分值为 良好的听觉效果。将自适应盲均衡技术引入语声通
4.5 ∼ −0.5之间，得分越高则输出语声音质越好。算
信系统与小波包掩蔽阈值算法结合进行噪声控制，
法增强后的语声PESQ得分结果比较见表2。
研究表明该方法在语声信号ISI和畸变严重情况下，
通过分段信噪比数值和算法增强后的语声
PESQ 分值，可以看出 CMA 盲均衡算法滤波输出 在白噪声及有色噪声的不同噪声环境中都具有稳
残留噪声严重，听觉效果差；改进的盲均衡算法自适 定的降噪能力，消噪同时可获得汉语普通话良好的
应滤波输出信噪比有所提高，但在人耳听觉效果方 听觉效果。