东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

面向语音增强的约束序贯高斯混合模型噪声功率谱估计

ISSN号：0371-0025
期刊名称：《声学学报》
时间：0
分类：TN912.34[电子电信—通信与信息系统;电子电信—信息与通信工程]
作者机构：[1]江西理工大学信息工程学院,赣州341000, [2]北京理工大学多元信息系统实验室,北京100081, [3]国家计算机网络应急技术处理协调中心,北京100029, [4]中国科学院声学研究所语言声学与内容理解重点实验室,北京100190
相关基金：江西省教育厅科技项目（GJJ150681）、江西理工大学自然科学基金项目（NSFJ2015-G21）、国家重点基础研究发展计划项目（2013CB329302）、国家自然科学基金项目（61271426,10925419,90920302,61072124,11074275,11161140319,91120001）、中国科学院战略性先导科技专项（XDA06030100,XDA06030500）和中国科学院重点部署项目（KGZD-EW-103-2）资助

作者：许春冬[1,2,4], 张震[3], 战鸽[4], 应冬文[4], 李军锋[4], 颜永红[4]

关键词：高斯混合模型, 噪声功率谱, 功率谱估计, 语音增强, 序贯, 最小描述长度准则, 极大似然准则, 语音信号

中文摘要：

提出了一种基于极大似然的噪声对数功率谱估计方法，采用高斯混合模型对每一个频带上的功率谱包络构建统计模型，将时序包络划分为语音和非语音类，它们分别对应于高斯混合模型的两个高斯分量，描述语音和非语音的统计分布，其中非语音高斯分量的均值即为噪声功率谱的最优估计。采用序贯学习的方法，在极大似然准则下逐帧更新模型参数，并逐帧给出噪声功率谱的最优估计值。此外，由于序贯更新过程中语音信号长时缺失，容易导致模型失稳，提出了一种在线的最小描述长度准则（MDL）来判断语音信号是否长时缺失，从而保证了模型的稳定性。实验表明，算法性能整体优于经典的MS和IMCRA算法。

英文摘要：

An approach to estimate the noise logarithmic power was presented based on maximal likelihood. The two-component Gaussian mixture model （GMM） is utilized to describe the distribution of logarithmic power of noisy speech, where one component denotes the speech （＂speech＋noise＇） power distribution and the other component denotes the non-speech power distribution. The mean of non-speech component is optimal estimate of noise power. An on-line method is presented to update the parameter set of GMM frame by frame. Due to long-term speech absence, the on- line updation may fail. An on-line minimum description length （MDL） is presented to determine the long-term speechabsence/presence, which enables the model work well under long-term speech absence. The performance of the proposedmethod is evaluated by speech enhancement. The experimental results confirm GMM algorithm outperforms the typicalmethod such as classic MS and IMCRA algorithm.