Page 144 - 《应用声学》2020年第6期
P. 144

938                                                                                 2020 年 11 月


                       表 1   不同算法 SNRseg 比较                               表 2   不同算法 PESQ 比较
                Table 1 SNRseg comparison of different             Table 2 PESQ comparison of different al-
                algorithms                                        gorithms
                                                  (单位: dB)
                                                                    噪声类型       输入 SNR CMA 算法 改进算法 二次增强
                 噪声类型       输入 SNR CMA 算法 改进算法 二次增强
                                                                                  0      0.71    1.72   2.88
                                0     1.32    2.76   5.13
                                                                                  5      1.07   2. 23   2.96
                                5     7.33    8.57   10.32          白噪声
                  白噪声                                                             10     1.42    2.54   3.29
                               10     13.41   14.52  16.05
                                                                                  20     1.98    2.87   3.86
                               20     23.98   25.69  28.52
                                                                                  0      0.45    1.56   2.53
                                0     0.76    2.58   4.21
                                                                                  5      0.94    2.15   2.68
                                5     6.74    7.85   9.45        Speech Babble
               Speech Babble                                                      10     1.32    2.47   3.12
                               10     12.21   13.69  15.83
                                                                                  20     1.87    2.63   3.67
                               20     23.17   24.78  26.89
                                                                                  0      0.54    1.63   2.61
                                0     0.69    2.63   4.34
                                                                                  5      0.90    2.19   2.92
                                5     6.75    8.32   9.97          Pink Noise
                Pink Noise                                                        10     1.25    2.31   3.14
                               10     12.54   14.48  15.69
                                                                                  20     1.69    2.52   3.72
                               20     23.52   25.43  27.02
                                0     0.78    2.47   4.45                         0      0.62    1.58   2.41
                                                                                  5      0.92    2.26   2.67
                                5     6.24    8.22   10.01
             Factory Floor Noise                               Factory Floor Noise
                               10     12.51   13.89  15.26                        10     1.16    2.45   3.20
                               20     22.43   24.78  26.78                        20     1.54    2.53   3.58
                                0     0.54    2.23   4.52                         0      0.41    1.65   2.36
                                5     5.98    6.41   8.76                         5      0.75    2.14   2.65
             HF Channel Noise                                   HF Channel Noise
                               10     11.65   12.54  14.89                        10     1.01    2.37   2.98
                               20     22.12   24.23  26.78                        20     1.49    2.50   3.35



             4 结论                                                             参 考 文        献


                 通信系统中信号通过传输,ISI 和信号畸变严                          [1] 连海伦, 周健, 胡雨婷, 等. 利用深度卷积神经网络将耳语转
             重,自适应盲均衡技术能有效去除 ISI,提高通信系                             换为正常语音 [J]. 声学学报, 2020, 45(1): 137–144.
                                                                   Lian Hailun, Zhou Jian, Hu Yuting, et al. Using deep con-
             统性能。本文分析了两种自适应盲均衡算法:CMA
                                                                   volutional neural network to convert whispers into normal
             盲均衡算法和改进盲均衡算法,在语声通信系统                                 speech[J]. Acta Acustica, 2020, 45(1): 137–144.
             中引入自适应盲均衡技术能有效对语声信道失真                               [2] 马思扬, 彭华, 王彬. 适用于稀疏多径信道的稀疏自适应常模
             进行补偿,减小 ISI,由于自适应盲均衡技术在语                              盲均衡算法 [J]. 通信学报, 2017, 38(1): 149–157.
                                                                   Ma Siyang, Peng Hua, Wang Bin. Sparse adaptive nor-
             声噪声控制方面能力有限,本文将自适应盲均衡技
                                                                   mal mode blind equalization algorithm for sparse mul-
             术与小波包掩蔽阈值降噪算法联合使用,形成一种                                tipath channels[J]. Journal on Communications, 2017,
             基带语声增强新方法。采用小波包掩蔽阈值听觉                                 38(1): 149–157.
                                                                 [3] 曾乐雅, 许华, 王天睿. 自适应切换双模盲均衡算法 [J]. 电子
             拟合二次增强,恢复语声细节信息,有效提高语声
                                                                   与信息学报, 2016, 38(11): 2780–2786.
             通信保真度。仿真研究证实该方法在语声通信 ISI                              Zeng Leya, Xu Hua, Wang Tianrui.  Adaptive switch-
             和信号畸变严重情况下,在白噪声和有色噪声的                                 ing dual-mode blind equalization algorithm[J]. Journal
             不同噪声环境中都具有稳定的消噪能力。其在语                                 of Electronics & Information Technology, 2016, 38(11):
                                                                   2780–2786.
             声通信、无线通信、数据通信等领域具有实际应用
                                                                 [4] Preaches J G. Digital communications[M]. Fourth Edition.
             价值。                                                   New York: McGraw-Hill, 2006, 6: 660–708.
   139   140   141   142   143   144   145   146   147   148   149