语音信号增强技术及其应用PDF电子书下载

第1章 语音增强技术概述 1

1.1 语音增强研究背景 1

1.2 语音信号与语音增强 2

1.2.1 语音信号特征 2

1.2.2 语音信号信息量 3

1.2.3 噪声特征及其分类 4

1.2.4 人耳感知特性 7

1.2.5 语音增强的信号模型 8

1.3 语音增强技术的发展 10

1.4 语音增强方法分类 11

1.5 语音增强效果评价 13

1.6 语音增强技术应用 14

1.7 本书主要内容 16

参考文献 17

第2章 语音信号分析处理技术 19

2.1 语音增强预处理技术 19

2.1.1 语音信号预滤波和数字化 20

2.1.2 语音信号预加重 22

2.1.3 语音信号加窗处理 23

2.2 语音增强时域分析处理技术 28

2.2.1 短时能量及短时平均幅度分析 29

2.2.2 短时平均过零率分析 29

2.2.3 短时自相关分析 30

2.3 语音增强频域分析处理技术 32

2.3.1 短时傅里叶变换分析 32

2.3.2 短时傅里叶逆变换分析 35

2.4 语音增强同态分析处理技术 38

2.4.1 同态处理 38

2.4.2 复倒谱及倒谱 39

2.4.3 复倒谱分析 40

2.5 语音增强线性预测分析处理技术 41

2.5.1 线性预测分析 42

2.5.2 线性预测方程组 43

2.5.3 线性预测等价参数 45

2.6 基于非线性理论的语音分析处理技术 46

2.6.1 基于混沌理论的语音分析处理技术 46

2.6.2 基于分形理论的语音分析处理技术 48

2.6.3 基于神经网络的语音分析处理技术 50

2.7 语音增强噪声估计技术 53

2.7.1 基于平稳环境下的噪声估计 53

2.7.2 基于非平稳环境下的噪声估计 55

2.8 本章小结 57

参考文献 57

第3章 语音增强短时谱估计算法 59

3.1 谱相减算法 59

3.1.1 幅度谱减法 59

3.1.2 改进的幅度谱减法 61

3.1.3 功率谱减法 63

3.1.4 改进的功率谱减法 65

3.2 维纳滤波算法 67

3.2.1 维纳滤波法时域实现 67

3.2.2 维纳滤波法频域实现 69

3.2.3 改进的维纳滤波法 71

3.2.4 卡尔曼滤波法 73

3.3 最小均方误差算法 76

3.3.1 基本型最小均方误差法 76

3.3.2 对数谱最小均方误差法 78

3.4 本章小结 80

参考文献 81

第4章 语音增强自适应滤波算法 83

4.1 自适应滤波 83

4.1.1 自适应滤波算法 83

4.1.2 自适应滤波器的性能指标 84

4.1.3 最佳滤波准则 85

4.2 最速下降自适应滤波 86

4.2.1 最速下降算法 86

4.2.2 最速下降自适应滤波器的性能指标 88

4.3 最小均方自适应滤波 91

4.3.1 最小均方算法 91

4.3.2 归一化最小均方算法 95

4.3.3 最小均方滤波器的性能指标 95

4.4 最小二乘自适应滤波 98

4.4.1 最小二乘自适应滤波算法 98

4.4.2 递归最小二乘自适应滤波算法 99

4.4.3 最小二乘滤波器的性能指标 100

4.5 自适应滤波算法的改进 100

4.5.1 自适应滤波算法的时域改进 100

4.5.2 自适应滤波算法的频域改进 104

4.6 本章小结 110

参考文献 111

第5章 语音增强小波变换算法 114

5.1 小波变换分析 115

5.1.1 连续小波变换 115

5.1.2 离散小波变换 117

5.1.3 多分辨率分析与Mallat算法 119

5.1.4 最优小波基 123

5.2 小波域语音信号增强 125

5.2.1 小波域信号增强 125

5.2.2 常用小波函数 127

5.2.3 语音增强中小波函数选取 131

5.3 小波阈值去噪法 132

5.3.1 小波阈值去噪算法原理 132

5.3.2 改进的阈值函数去噪法 137

5.4 小波模极大值去噪法 141

5.4.1 信号与噪声在小波变换各尺度上的不同传播特性 141

5.4.2 小波模极大值去噪算法原理 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 改进型掩蔽去噪法 145

5.6 各种小波去噪法比较 148

5.7 本章小结 149

参考文献 150

第6章 语音增强其他优选算法 152

6.1 基于信号子空间的语音增强算法 152

6.1.1 信号子空间单通道语音增强算法 152

6.1.2 信号子空间多通道语音增强算法 154

6.2 基于盲源分离的语音增强算法 155

6.2.1 信号盲源分离 155

6.2.2 语音增强中的盲源分离 158

6.3 基于听觉掩蔽效应的语音增强算法 162

6.3.1 噪声掩蔽阈值 163

6.3.2 语音增强中的掩蔽效应 165

6.4 基于分数阶傅里叶变换的语音增强算法 167

6.4.1 分数阶傅里叶变换算法 167

6.4.2 基于分数阶域的谱减法语音增强 172

6.4.3 离散分数余弦变换自适应滤波算法 175

6.5 基于分形理论的语音增强算法 179

6.5.1 分形理论 179

6.5.2 语音增强中的分形理论 180

6.6 基于神经网络的语音增强算法 183

6.6.1 神经网络 183

6.6.2 语音增强中反向传播神经网络 184

6.6.3 语音增强中小波神经网络自适应滤波 186

6.7 本章小结 188

参考文献 189

第7章 语音增强质量评价 192

7.1 语音质量评价 192

7.1.1 听觉系统 192

7.1.2 语音质量 194

7.1.3 语音质量评价方法 195

7.2 语音质量主观评价 195

7.3 语音质量客观评价 197

7.3.1 客观评价系统 197

7.3.2 客观评价测度 198

7.3.3 客观评价算法 207

7.4 语音质量评价算法 212

7.4.1 语音质量评价算法的实现 213

7.4.2 基于听觉模型的客观评价算法 214

7.4.3 感知语音质量评价算法 220

7.4.4 主客观评价方法的相关度 228

7.5 本章小结 229

参考文献 229

第8章 语音增强算法仿真 231

8.1 语音信号处理与仿真软件 231

8.1.1 语音编辑 232

8.1.2 语谱图生成 233

8.1.3 语音增强仿真工具 235

8.1.4 语音增强仿真准备 236

8.2 语音增强算法仿真 237

8.2.1 高斯白噪声仿真实验 237

8.2.2 粉红噪声仿真实验 243

8.2.3 工厂噪声仿真实验 247

8.2.4 算法仿真性能分析 253

8.3 熵函数最优小波基选取仿真 254

8.3.1 Shannon熵最优小波基选取仿真实验 255

8.3.2 SURE熵最优小波基选取仿真实验 264

8.3.3 threshold熵最优小波基选取仿真实验 269

8.3.4 算法仿真性能分析 272

8.4 小波阈值计算仿真 275

8.4.1 阈值函数的选取 275

8.4.2 阈值函数中调节因子及阈值选取 275

8.4.3 算法仿真及结果分析 277

8.5 语音增强质量评价算法仿真 280

8.5.1 分段信噪比仿真 280

8.5.2 语音感知质量评价算法仿真 284

8.5.3 算法仿真性能分析 287

8.6 本章小结 290

参考文献 290

第9章 语音增强系统设计与应用 292

9.1 基于TMS320C6416的语音增强系统硬件设计与实现 293

9.1.1 DSP处理技术 293

9.1.2 基于TMS320C6416的语音增强系统硬件结构设计 295

9.1.3 基于TMS320C6416的语音增强系统工作原理 303

9.2 基于TMS320C6416的语音增强系统软件设计与实现 307

9.2.1 语音增强系统软件设计 307

9.2.2 基于TMS320C6416的语音增强系统软件实现 308

9.2.3 基于TMS320C6416的FFT算法软件实现 313

9.3 基于TMS320C6416的语音增强系统性能测试 317

9.4 基于OMAP3平台的语音通信增强系统设计 318

9.4.1 OMAP概述 318

9.4.2 OMAP3体系结构 320

9.4.3 OMAP3软件开发平台的构建 322

9.4.4 基于OMAP3的无线语音通信系统设计 326

9.5 本章小结 336

参考文献 336