1、語音信號在日常生活和工作的各個方面都起著非常重要的作用。而語音信號又經常會受到各種各樣噪聲的干擾,嚴重影響信息的獲取,甚至會造成語音處理系統(tǒng)的失效。因此,需要對含噪的語音信號進行去噪處理,抑制噪聲,提高通信質量。本文主要對基于子帶分解的分數階傅里葉變換的語音增強算法進行了研究,在子帶分解的系統(tǒng)中應用分數階譜減法估計語音模型參數,再應用卡爾曼濾波進行進一步的音樂噪聲的消除。分數階域的語音增強主要包括譜減模型改進、最佳變換階次的選取等內容。

2、
　　 本文首先介紹語音特性及噪聲特性,然后分別從基于語音生成模型方法,非參數方法,基于統(tǒng)計模型方法以及其他方法簡單闡述了語音增強的基本算法。
　　 接下來,研究分數傅里葉變換的基本定義,并簡單介紹分數傅里葉變換的基本性質和分數傅里葉變換離散算法的四種途徑。在此基礎上研究分數階域的最優(yōu)濾波算子原理和最佳變換階次的確定。相對于傳統(tǒng)譜減模型進行的改進,分數階譜減法首先要確定最佳變換階次,同時在最佳變換階次下進行分數階域帶噪語

3、音信號處理,最后插入相位系數,實現語音和噪聲在分數階域上的最佳分離。但是鑒于噪聲估計的經驗性模態(tài)假設,雖然在自相關基礎上提高了檢測效率,但不夠穩(wěn)定。所得功率譜估計值將會丟失一定的原始語音信息,并且會產生音樂噪聲,對聽覺效果產生影響。
　　 卡爾曼濾波采用參數方法,依賴于使用的語音生成模型,能夠對音樂噪聲進行良好的抑制,但是由于使用迭代方法,算法復雜度較高。
　　 本文采用子帶分解技術,將帶噪語音信號分解成 M個子帶,在確

4、定最佳變換階次的前提下,利用分數階的譜減法對卡爾曼濾波前的語音參數模型的功率譜估計加以改進,提取該變換階次下的含噪信號幅值特性,作為子帶分解的卡爾曼濾波器的輸入,從而在分數階譜減的基礎上進一步實現對音樂噪聲的抑制。
　　 最后在理論分析的基礎上,應用分段信噪比和PESQ兩種語音評價測度,針對不同信噪比下的加性高斯白噪聲、粉紅噪聲、工廠噪聲環(huán)境,對本論文方法進行仿真實驗分析,并比較純凈語音信號和增強后語音信號的時域波形相似度。分析