码迷,mamicode.com
首页 > 其他好文 > 详细

Chapter 5:Spectral-Subtractive Algorithms

时间:2017-05-25 11:37:56      阅读:165      评论:0      收藏:0      [点我收藏+]

标签:有用   http   color   如何   .com   www   rac   相关   混合   

作者:桂。

时间:2017-05-24  10:06:39

主要是《Speech enhancement: theory and practice》的读书笔记,全部内容可以点击这里

书中代码:http://pan.baidu.com/s/1hsj4Wlu,提取密码:9dmi


 一、谱减的基本原理

  A-基本问题

基本模型是加性噪声:

技术分享

频域模型:

技术分享

所谓谱减法,可以通过不同的假设进行,一般的:

技术分享

通常为了避免幅值出现负数,加上一个半波整流。这时的幅度估计+带噪信号的相位,即可得出降噪的信号。

  B-典型

分别取 p = 1, p = 2分析。

p = 1时,谱减

技术分享

p = 2时,谱减

技术分享

可以看出p = 2是基于统计无关的假设:

技术分享

反过来看看p = 1的情形,可以写成:

技术分享

也就是clean信号与noise相位相同,且统计相关。

对比来看,p =  2的假设在应用场景里应该比 p = 1更合理,尽管作为非平稳信号,完全无关的假设难以严格满足。p取其他值的分析类似

谱减法的基本框架:

技术分享

 

回顾上面的谱减法,理论分析的前提是基于频点,事实上许多应用场景里,noise与clean(特别是在高频区域)满足一定的正交性,即该频点完全属于clean/noise,而非二者的混合,从这一点来说p的不同取值带来的影响远没有理论中体现的那么大。下图也说明了:高频部分的正交性更明显。

技术分享

二、谱减法的不足

1-带来了Musical noise

谱减过程中没有完全消除噪声,而把峰值保留了下来,造成Musical noise:

技术分享

2-相位失真

相位不准确带来的信号失真,带噪的相位来表达clean的相位,造成语音的可懂度下降(书中指出SNRs (<0 dB),其实这么说是不合适的,噪声与信号正交程度越小,这种论证才有意义).

三、其它谱减法

  A-Boll的过减法

Boll的思路其实就是平滑,如果平滑呢?这里没有用线性平滑,而是用了一个min/max{相邻帧信息}的思路,为了防止毛刺:1)谱减的门限D尽可能Max,2)信号的估计尽可能min

技术分享

Berouti等人也提出了一种方法:

技术分享

这个思路的核心在于β的选取,其实就是为了减少毛刺引入了填充,其中

技术分享,图中可以观察到β的影响:

技术分享

  B-非线性谱减

这个的动机是:现实中,噪声对所有频段的影响,并不是均衡的,按上面的思路过于粗糙,例如汽车噪声,可能在某一频段干扰明显,又比如一些噪声对于低频影响更大。非线性谱减的基本规则:

技术分享

核心在于a(w)不再是一个常数,取值与频率有关。其中的参数一般平滑与处理一下

技术分享

a通常取非线性函数

技术分享

其中ρ

技术分享

信噪比越大,a越小。 

  C-多带谱减法

多带谱减也可以归类为非线性谱减,其实就是分自带计算,类似分治法

技术分享

谱减的思路可以按照上面任何一个方法,不同的是用了两个参数:α、技术分享

对于α:

技术分享

其中

技术分享

对于技术分享

技术分享

多带的实现框图

技术分享

  D-MMSE谱减法

 上面提到的谱减法,可以有一种广义的定义方式

技术分享且上面的方法都是通过实验经验设定参数,其实对于参数γ、α可以借助MMSE(最小均方误差估计)/其他准则合理即可:

技术分享

得出的参数估计(细节可参考这里)

技术分享

其中

技术分享

从而得出降噪结果:

技术分享

这里用到一个粗糙但简便的假设:噪声谱与干净信号谱的相位相同

技术分享

如果假设技术分享,可以得到类似的降噪算法

技术分享

其中技术分享是与p有关的常数,如技术分享对应技术分享。得到估计之后可以通过上面提到一些方式作进一步的后处理。

这个方法的关键在于:技术分享作为一个理论值,实际应用如何估计它?

直观的思路是,可以借助已处理的信息进行估计:技术分享,也可以利用当前信息估计:技术分享,一种折中的思路是二者的权衡:

技术分享

  E-扩展谱减法

 上面的算法都需要借助VAD技术/噪声估计技术,实际上 维纳+谱减 的结合,可以实现降噪并称该方法:扩展谱减法。

维纳滤波原理

技术分享

其中y为带噪信号,x为clean,n为noise.对于也就是

技术分享

细节处理上可以用一下平滑

技术分享

利用估计的噪声谱得出当前的噪声谱

技术分享

从而估计当前的信号

技术分享

它是自适应的,不需要估计噪声,因此对于非平稳噪声环境也同样适用。实现框图:

技术分享

Chapter 5:Spectral-Subtractive Algorithms

标签:有用   http   color   如何   .com   www   rac   相关   混合   

原文地址:http://www.cnblogs.com/xingshansi/p/6897749.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!