面向语音增强的序贯隐马尔可夫模型时频语音存在概率估计

摘要：

语音存在概率的估计是语音增强的核心技术之一,针对传统的存在概率估计方法是启发式的,没有把存在概率的估计统一到一个理论框架之中,不能保证估计最优,提出了一种基于序贯隐马尔可夫模型(SHMM)的存在概率估计方法,在每一子带上构建一个SHMM模型描述对数功率谱包络的时间序列,把谱包络序列看作一个在语音和噪声状态之间转移的动态一阶马尔可夫链,采用单高斯函数构建每一状态的概率模型,语音状态的后验概率即为语音信号的存在概率.为了满足算法实时性要求,SHMM参数估计简化为一阶回归过程,根据极大似然准则逐帧更新模型参数.实验表明:SHMM所描述的时序相关性对存在概率的估计起到关键作用,它优于一般的启发式估计方法; SHMM算法的语音增强分段信噪比(SegSNR)和对数谱失真(LSD)性能优于经典的改进型最小统计量控制递归平均(IMCRA)算法.

机标关键词：概率估计方法、极大似然准则、一阶马尔可夫链、最小统计量、imcra、时序相关性、算法实时性、启发式、m参数估计、高斯函数

所属期刊栏目：39

分类号：TN914.3;TM734;TP391.41

资助基金：国家重点基础研究发展计划（973计划）;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;中国科学院战略性先导科技专项;国家高技术研究发展计划（863计划）;中国科学院重点部署项目;江西省教育厅科技项目

在线出版日期：2014-10-08（万方平台首次上网日期，不代表论文的发表时间）

页码：647-654