-
题名基于功率归一化倒谱的端点检测
- 1
-
-
作者
高磊
章小兵
-
机构
安徽工业大学电气与信息工程学院
-
出处
《无线互联科技》
2023年第6期111-114,共4页
-
基金
安徽工业大学产学研基金资助重大项目,项目编号:RD14206003。
-
文摘
传统的端点检测在低信噪比(SNR)非平稳噪声下性能会失效,因此文章提出了将最优改进的对数谱幅度估计(OMLSA)以及最小控制递归平均算法(IMCRA)相结合的方法对包含噪声的语音指令进行去噪处理,提取PNCC的第一维静态特征作为特征参数。同时,文章在单参数双门限法的基础上设计了一个自适应阈值,可以更好地跟踪预测实际语音的起始与终止端。Matlab仿真结果显示,该算法在各种非平稳噪声下比经典算法优势更大。
-
关键词
端点检测
最优改进的对数谱幅度估计
最小控制递归平均算法
PNCC
自适应阈值
-
Keywords
endpoint detection
omlsa
IMCRA
PNCC
adaptive threshold
-
分类号
TN912
[电子电信—通信与信息系统]
-
-
题名基于神经网络噪声分类的语音增强算法
被引量：4
- 2
-
-
作者
张行
赵馨
-
机构
长春理工大学
-
出处
《中国电子科学研究院学报》
北大核心
2020年第9期880-885,893,共7页
-
基金
吉林省发改委项目(2018c035-3)。
-
文摘
传统的语音增强算法由于缺少背景噪声信息,在进行语音处理时对不同的语音信号采取相同的处理方式,因此存在估计噪声不准确、增强语音失真及噪声抑制不明显等问题,最终导致语音的增强效果不明显。在此基础上提出一种根据不同噪声进行参数自适应的语音增强算法,首先,通过神经网络进行精确分类;然后,根据分类结果选取不同参数的IMCRA算法进行噪声估计;最后,采取OMLSA算法对语音信号进行增强。实验结果表明,经噪声分类后的增强算法能够取得更好的增强效果,更多的保留语音信号中的信息,且能够在不降低语音可懂度的同时提高语音的质量。
-
关键词
神经网络
音频增强
噪声分类
IMCRA算法
omlsa算法
-
Keywords
neural networks
audio enhancement
noise classification
IMCRA algorithm
omlsa algorithm
-
分类号
TN912.35
[电子电信—通信与信息系统]
-
