基于改进谱减法的语音增强

引言

语音增强技术是语音信号处理领域的重要研究方向，旨在从含噪语音中提取纯净语音信号，提升语音通信质量。传统谱减法作为一种经典方法，通过估计噪声谱并从含噪语音谱中减去，实现语音增强。然而，传统谱减法存在语音失真、音乐噪声残留等问题，限制了其在实际应用中的性能。本文提出一种基于改进谱减法的语音增强方法，通过动态阈值调整、频谱平滑处理及噪声残留抑制等技术，有效提升了传统谱减法的性能。

传统谱减法原理及局限性

传统谱减法原理

传统谱减法基于含噪语音模型：
[ Y(\omega) = X(\omega) + D(\omega) ]
其中，( Y(\omega) )为含噪语音频谱，( X(\omega) )为纯净语音频谱，( D(\omega) )为噪声频谱。谱减法的核心步骤为：

1. 噪声估计：通过语音活动检测（VAD）或噪声追踪算法，估计噪声频谱( \hat{D}(\omega) )。
2. 谱减计算：从含噪语音频谱中减去噪声估计值，得到增强语音频谱：
   [ \hat{X}(\omega) = \max\left(|Y(\omega)|^2 - \alpha|\hat{D}(\omega)|^2, \beta\right)^{\frac{1}{2}} ]
   其中，( \alpha )为过减因子，( \beta )为谱底限。
3. 频谱重构：通过逆傅里叶变换，将增强频谱转换为时域信号。

传统谱减法的局限性

1. 语音失真：固定过减因子( \alpha )和谱底限( \beta )无法适应不同信噪比（SNR）条件，导致语音信号过度衰减或噪声残留。
2. 音乐噪声：谱减过程中，频谱分量之间的随机差异会产生类似音乐的噪声，影响语音质量。
3. 噪声估计误差：噪声估计的准确性直接影响增强效果，但传统方法在非平稳噪声环境下性能下降。

改进谱减法的关键技术

动态阈值调整

为解决固定阈值导致的语音失真问题，提出动态阈值调整策略：

1. 信噪比自适应：根据局部SNR动态调整过减因子( \alpha )：
   [ \alpha(\omega) = \alpha_0 \cdot \exp\left(-\frac{\text{SNR}(\omega)}{\gamma}\right) ]
   其中，( \alpha_0 )为基准过减因子，( \gamma )为控制衰减速度的参数。
2. 谱底限优化：引入语音存在概率( P(\omega) )，动态调整谱底限( \beta )：
   [ \beta(\omega) = \beta_0 \cdot \left(1 - P(\omega)\right) ]
   其中，( \beta_0 )为基准谱底限，( P(\omega) )通过语音活动检测算法计算。

频谱平滑处理

为抑制音乐噪声，对增强频谱进行平滑处理：

1. 时域平滑：采用一阶递归滤波器对频谱幅度进行平滑：
   [ \hat{X}{\text{smooth}}(\omega, t) = \lambda \hat{X}(\omega, t) + (1 - \lambda) \hat{X}{\text{smooth}}(\omega, t-1) ]
   其中，( \lambda )为平滑因子，( t )为时间帧索引。
2. 频域平滑：通过邻近频点加权平均，减少频谱波动：
   [ \hat{X}{\text{freq}}(\omega) = \sum{k=\omega-K}^{\omega+K} w(k) \hat{X}(k) ]
   其中，( w(k) )为高斯加权窗口，( K )为平滑范围。

噪声残留抑制

针对噪声残留问题，提出后处理噪声抑制算法：

1. 残差噪声估计：计算增强语音与原始含噪语音的残差：
   [ R(\omega) = |Y(\omega)|^2 - |\hat{X}(\omega)|^2 ]
2. 残差噪声衰减：对残差噪声进行非线性衰减：
   [ \hat{R}(\omega) = \min\left(R(\omega), \delta \cdot |\hat{D}(\omega)|^2\right) ]
   其中，( \delta )为衰减系数。
3. 二次谱减：将残差噪声估计值从增强频谱中进一步减去：
   [ \hat{X}_{\text{final}}(\omega) = \sqrt{|\hat{X}(\omega)|^2 - \hat{R}(\omega)} ]

实验验证与结果分析

实验设置

1. 测试数据：使用TIMIT语音库和NOISEX-92噪声库，生成不同SNR（0dB、5dB、10dB）的含噪语音。
2. 对比方法：传统谱减法（SS）、维纳滤波（WF）、本文改进谱减法（ISS）。
3. 评估指标：语音质量感知评估（PESQ）、分段信噪比（SegSNR）、对数谱失真（LSD）。

实验结果

方法	PESQ（0dB）	PESQ（5dB）	PESQ（10dB）	SegSNR（dB）	LSD（dB）
SS	1.82	2.15	2.47	8.2	3.1
WF	2.01	2.38	2.65	9.1	2.8
ISS	2.35	2.62	2.81	10.5	2.3

结果分析

1. 语音质量提升：ISS在低SNR（0dB）条件下PESQ提升0.53，表明动态阈值调整有效减少了语音失真。
2. 噪声抑制效果：ISS的SegSNR比SS提高2.3dB，LSD降低0.8dB，证明频谱平滑和残差噪声抑制技术显著降低了音乐噪声和残留噪声。
3. 鲁棒性增强：在高SNR（10dB）条件下，ISS仍保持性能优势，表明方法对不同噪声环境的适应性。

结论与展望

本文提出的改进谱减法通过动态阈值调整、频谱平滑处理及噪声残留抑制技术，有效解决了传统谱减法的语音失真和音乐噪声问题。实验结果表明，该方法在多种SNR条件下均能显著提升语音质量。未来工作将探索深度学习与谱减法的结合，进一步提升语音增强的性能和鲁棒性。