目錄
前言
第1章 語音增強技術概述 1
1.1 語音增強研究背景 1
1.2 語音信號與語音增強 2
1.2.1 語音信號特征 2
1.2.2 語音信號信息量 3
1.2.3 噪聲特征及其分類 4
1.2.4 人耳感知特性 7
1.2.5 語音增強的信號模型 8
1.3 語音增強技術的發(fā)展 10
1.4 語音增強方法分類 11
1.5 語音增強效果評價 13
1.6 語音增強技術應用 14
1.7 本書主要內容 16
參考文獻 17
第2章 語音信號分析處理技術 19
2.1 語音增強預處理技術 19
2.1.1 語音信號預濾波和數(shù)字化 20
2.1.2 語音信號預加重 22
2.1.3 語音信號加窗處理 23
2.2 語音增強時域分析處理技術 28
2.2.1 短時能量及短時平均幅度分析 29
2.2.2 短時平均過零率分析 29
2.2.3 短時自相關分析 30
2.3 語音增強頻域分析處理技術 32
2.3.1 短時傅里葉變換分析 32
2.3.2 短時傅里葉逆變換分析 35
2.4 語音增強同態(tài)分析處理技術 38
2.4.1 同態(tài)處理 38
2.4.2 復倒譜及倒譜 39
2.4.3 復倒譜分析 40
2.5 語音增強線性預測分析處理技術 41
2.5.1 線性預測分析 42
2.5.2 線性預測方程組 43
2.5.3 線性預測等價參數(shù) 45
2.6 基于非線性理論的語音分析處理技術 46
2.6.1 基于混沌理論的語音分析處理技術 46
2.6.2 基于分形理論的語音分析處理技術 48
2.6.3 基于神經網絡的語音分析處理技術 50
2.7 語音增強噪聲估計技術 53
2.7.1 基于平穩(wěn)環(huán)境下的噪聲估計 53
2.7.2 基于非平穩(wěn)環(huán)境下的噪聲估計 55
2.8 本章小結 57
參考文獻 57
第3章 語音增強短時譜估計算法 59
3.1 譜相減算法 59
3.1.1 幅度譜減法 59
3.1.2 改進的幅度譜減法 61
3.1.3 功率譜減法 63
3.1.4 改進的功率譜減法 65
3.2 維納濾波算法 67
3.2.1 維納濾波法時域實現(xiàn) 67
3.2.2 維納濾波法頻域實現(xiàn) 69
3.2.3 改進的維納濾波法 71
3.2.4 卡爾曼濾波法 73
3.3 最小均方誤差算法 76
3.3.1 基本型最小均方誤差法 76
3.3.2 對數(shù)譜最小均方誤差法 78
3.4 本章小結 80
參考文獻 81
第4章 語音增強自適應濾波算法 83
4.1 自適應濾波 83
4.1.1 自適應濾波算法 83
4.1.2 自適應濾波器的性能指標 84
4.1.3 最佳濾波準則 85
4.2 最速下降自適應濾波 86
4.2.1 最速下降算法 86
4.2.2 最速下降自適應濾波器的性能指標 88
4.3 最小均方自適應濾波 91
4.3.1 最小均方算法 91
4.3.2 歸一化最小均方算法 95
4.3.3 最小均方濾波器的性能指標 95
4.4 最小二乘自適應濾波 98
4.4.1 最小二乘自適應濾波算法 98
4.4.2 遞歸最小二乘自適應濾波算法 99
4.4.3 最小二乘濾波器的性能指標 100
4.5 自適應濾波算法的改進 100
4.5.1 自適應濾波算法的時域改進 100
4.5.2 自適應濾波算法的頻域改進 104
4.6 本章小結 110
參考文獻 111
第5章 語音增強小波變換算法 114
5.1 小波變換分析 115
5.1.1 連續(xù)小波變換 115
5.1.2 離散小波變換 117
5.1.3 多分辨率分析與Ma11at算法 119
5.1.4 最優(yōu)小波基 123
5.2 小波域語音信號增強 125
5.2.1 小波域信號增強 125
5.2.2 常用小波函數(shù) 127
5.2.3 語音增強中小波函數(shù)選取 131
5.3 小波閾值去噪法 132
5.3.1 小波閾值去噪算法原理 132
5.3.2 改進的閾值函數(shù)去噪法 137
5.4 小波模極大值去噪法 141
5.4.1 信號與噪聲在小波變換各尺度上的不同傳播特性 141
5.4.2 小波模極大值去噪算法原理 143
5.5 小波掩蔽去噪法 144
5.5.1 小波掩蔽去噪算法原理 144
5.5.2 改進型掩蔽去噪法 145
5.6 各種小波去噪法比較 148
5.7 本章小結 149
參考文獻 150
第6章 語音增強其他優(yōu)選算法 152
6.1 基于信號子空間的語音增強算法 152
6.1.1 信號子空間單通道語音增強算法 152
6.1.2 信號子空間多通道語音增強算法 154
6.2 基于盲源分離的語音增強算法 155
6.2.1 信號盲源分離 155
6.2.2 語音增強中的盲源分離 158
6.3 基于聽覺掩蔽效應的語音增強算法 162
6.3.1 噪聲掩蔽閾值 163
6.3.2 語音增強中的掩蔽效應 165
6.4 基于分數(shù)階傅里葉變換的語音增強算法 167
6.4.1 分數(shù)階傅里葉變換算法 167
6.4.2 基于分數(shù)階域的譜減法語音增強 172
6.4.3 離散分數(shù)余弦變換自適應濾波算法 175
6.5 基于分形理論的語音增強算法 179
6.5.1 分形理論 179
6.5.2 語音增強中的分形理論 180
6.6 基于神經網絡的語音增強算法 183
6.6.1 神經網絡 183
6.6.2 語音增強中反向傳播神經網絡 184
6.6.3 語音增強中小渡神經網絡自適應濾波 186
6.7 本章小結 188
參考文獻 189
第7章 語音增強質量評價 192
7.1 語音質量評價 192
7.1.1 聽覺系統(tǒng) 192
7.1.2 語音質量 194
7.1.3 語音質量評價方法 195
7.2 語音質量主觀評價 195
7.3 語音質量客觀評價 197
7.3.1 客觀評價系統(tǒng) 197
7.3.2 客觀評價測度 198
7.3.3 客觀評價算法 207
7.4 語音質量評價算法 212
7.4.1 語音質量評價算法的實現(xiàn) 213
7.4.2 基于聽覺模型的客觀評價算法 214
7.4.3 感知語音質量評價算法 220
7.4.4 主客觀評價方法的相關度 228
7.5 本章小結 229
參考文獻 229
第8章 語音增強算法仿真 231
8.1 語音信號處理與仿真軟件 231
8.1.1 語音編輯 232
8.1.2 語譜圖生成 233
8.1.3 語音增強仿真工具 235
8.1.4 語音增強仿真準備 236
8.2 語音增強算法仿真 237
8.2.1 高斯白噪聲仿真實驗 237
8.2.2 粉紅噪聲仿真實驗 243
8.2.3 工廠噪聲仿真實驗 247
8.2.4 算法仿真性能分析 253
8.3 熵函數(shù)最優(yōu)小波基選取仿真 254
8.3.1 Shannon熵最優(yōu)小波基選取仿真實驗 255
8.3.2 SURE熵最優(yōu)小波基選取仿真實驗 264
8.3.3 thresho1d熵最優(yōu)小波基選取仿真實驗 269
8.3.4 算法仿真性能分析 272
8.4 小波閾值計算仿真 275
8.4.1 閾值函數(shù)的選取 275
8.4.2 閾值函數(shù)中調節(jié)因子及閾值選取 275
8.4.3 算法仿真及結果分析 277
8.5 語音增強質量評價算法仿真 280
8.5.1 分段信噪比仿真 280
8.5.2 語音感知質量評價算法仿真 284
8.5.3 算法仿真性能分析 287
8.6 本章小結 290
參考文獻 290
第9章 語音增強系統(tǒng)設計與應用 292
9.1 基于TMS320C6416的語音增強系統(tǒng)硬件設計與實現(xiàn) 293
9.1.1 DSP處理技術 293
9.1.2 基于TMS320C6416的語音增強系統(tǒng)硬件結構設計 295
9.1.3 基于TMS320C6416的語音增強系統(tǒng)下作原理 303
9.2 基于TMS320C6416的語音增強系統(tǒng)軟件設計與實現(xiàn) 307
9.2.1 語音增強系統(tǒng)軟件設計 307
9.2.2 基于TMS320C6416的語音增強系統(tǒng)軟件實現(xiàn) 308
9.2.3 基于TMS320C6416的FFT算法軟件實現(xiàn) 313
9.3 基于TMS320C6416的語音增強系統(tǒng)性能測試 317
9.4 基于OMAP3平臺的語音通信增強系統(tǒng)設計 318
9.4.1 OMAP概述 318
9.4.2 OMAP3體系結構 320
9.4.3 OMAP3軟件開發(fā)平臺的構建 322
9.4.4 基于OMAP3的無線語音通信系統(tǒng)設計 326
9.5 本章小結 336
參考文獻 336