一种基于Gabor时频分析的耳语增强方法

摘要

本发明提供一种基于Gabor时频分析的耳语增强方法，包括如下步骤：第1步：利用Gabor时频分析理论和方法提取耳语音对数谱幅度，第2步，基于无语音概率的耳语音噪声谱估计，第3步，获取纯净耳语音的功率谱，并求增强后的耳语音信号；本发明基于Gabor变换下的耳语音功率谱根据抽样率的不同有着多样的时频分析细腻度，从而可以根据不同的语音类型采用不同的抽样率，使算法普适性更强。

主权项

1.一种基于Gabor时频分析的耳语增强方法，其特征在于，步骤如下：第1步，利用Gabor时频分析理论和方法提取耳语音对数谱幅度：设带噪耳语音信号为y(n)＝x(n)+d(n)，其中x(n)和d(n)分别代表纯净的耳语音和噪声信号，且纯净耳语音和噪声不相关；设Y_r(m，n)，X_r(m，n)和D_r(m，n)分别代表y(k)、x(n)和d(n)的实值离散Gabor变换系数，则y(k)具体的实值离散Gabor变换式可表示为：$Y_r(m,n)=\underset{k=0}{\overset{L-1}{\Sigma }}y\left(k\right)\gamma (k-\mathrm{ma})\mathrm{cas}(2\mathrm{\pi nk}/N)---\left(1\right)$其相应的逆变换为：$\bar{y}\left(k\right)=\underset{m=0}{\overset{M-1}{\Sigma }}\underset{n=0}{\overset{N-1}{\Sigma }}{Y}_r(m,n)g(k-\mathrm{ma})\mathrm{cas}(2\mathrm{\pi nk}/N)---\left(2\right)$其中a为时移长度，L代表耳语音信号的长度，M为频域抽样点数，N为时域抽样点数，cas(t)＝cos(t)+sin(t)，γ(k)是综合窗g(k)的双正交分析窗函数，且两者满足如下双正交关系：$\underset{k=0}{\overset{L-1}{\Sigma }}g(k+\mathrm{mN})\mathrm{cas}(2\mathrm{\pi nk}/a)\gamma \left(k\right)=\frac{L}{\mathrm{MN}}{\delta }_m{\delta }_n---\left(3\right)$实值离散Gabor变换算法采用并行格结构实现：获取变换系数后，根据变换系数采用如下公式计算功率谱：$Y(m,n)=\frac{1}{2}(Y_r{(m,n)}^2+Y_r{(m,N-n)}^2),$根据噪声与语音的独立性假设，有以下等式成立：Y(m，n)＝X(m，n)+D(m，n)              (4)第2步，基于无语音概率的耳语音噪声谱估计：求使得式值最小的由此式可得纯净语音谱估计为：$\bar{X}(m,n)=\exp \left(E\right[\log X(m,n)\left|Y(m,n)\right])---\left(5\right)$假设耳语音和噪声均服从高斯分布，并且设H₀(k，λ)，H₁(k，λ))分别代表有第λ个时刻的第k个频率点没有语音和有语音信号，则有$P\left(Y(k,\lambda )\right|H_0(k,\lambda ))=\frac{1}{\pi {\lambda }_d(k,l)}\exp \{-\frac{{\left|Y(k,\lambda )\right|}^2}{{\lambda }_d(k,l)}\}---\left(6\right)$$P\left(Y(k,\lambda )\right|H_1(k,\lambda ))=\frac{1}{\pi ({\lambda }_d(k,l)+{\lambda }_x(k,l))\lambda }\exp \{-\frac{{\left|Y(k,\lambda )\right|}^2}{{\lambda }_d(k,l)+{\lambda }_x(k,l)}\}---\left(7\right)$其中λ_x(k，λ)≡E{X(k，λ)²|H₁(k，λ)}，λ_d(k，λ)≡E{D(k，λ)²}分别代表纯净耳语音和噪声的方差；采用和分别代表语音出现的后验和先验概率，则f(γ(k，λ)|H₀(k，λ))＝e^-γ(k，λ)μ(γ(k，λ))        (8)$f\left(\gamma (k,\lambda )\right|H_1(k,\lambda ))=\frac{1}{1+\xi (k,\lambda )}\exp \{-\frac{\gamma (k,\lambda )}{1+\xi (k,\lambda )}\}\mu \left(\gamma (k,\lambda )\right)---\left(9\right)$令p(k，λ)≡P(H₁(k，λ)|γ(k，λ))，则有$p(k,\lambda )={\{1+\frac{q(k,\lambda )}{1-q(k,\lambda )}(1+\xi (k,\lambda ))\times \exp (-v(k,\lambda ))\}}^{-1}---\left(10\right)$其中q(k，λ)≡P(H₀(k，λ))代表无语音出现概率，第3步，获取纯净耳语音的功率谱，并求增强后的耳语音信号：根据上述语音出现概率，求得如下纯净语音功率谱增益：$G(k,\lambda )={\left\{G_{H1}(k,\lambda )\right\}}^{p(k,\lambda )}{G}_{\min }^{1-p(k,\lambda )}---\left(11\right)$其中G_min为无语音出现时噪声谱的最小阈值；在计算出纯净语音谱增益后，利用下式计算纯净语音谱：$\bar{X}(k,l)=G(k,l)Y(k,l)---\left(12\right)$再利用实值离散Gabor逆变换获得增强后的纯净语音：${\bar{X}}_r(k,l)=\mathrm{Re}\left(\bar{X}(k,l)\right)-\mathrm{IMG}\left(\bar{X}(k,l)\right)---\left(13\right)$$\bar{x}\left(k\right)=\underset{m=0}{\overset{M-1}{\Sigma }}\underset{n=0}{\overset{N-1}{\Sigma }}{X}_r(m,n)g(k-\mathrm{ma})\mathrm{cas}(2\mathrm{\pi nk}/N)---\left(14\right)$即为增强后的耳语音。