1、語音是人類相互之間交流信息最快捷、最重要、最有效和最方便的形式。然而在實際環(huán)境下的語音應(yīng)用過程中，如語音識別、語音編碼、語音轉(zhuǎn)換、語音通信等，不可避免地受到來自周圍環(huán)境的各種噪聲影響。噪聲嚴(yán)重影響著這些應(yīng)用技術(shù)的性能，甚至導(dǎo)致系統(tǒng)失敗。語音增強(qiáng)是解決噪聲污染的有效方法，其目的是從含噪語音信號中盡可能提取純凈的語音信號，抑制背景噪聲，提高語音的清晰度和可懂度。該技術(shù)涉及諸如助聽器、電子耳蝸、盲人語音通信、人機(jī)交互系統(tǒng)和移動語音通信等多方面

2、的應(yīng)用。
　　 近年來出現(xiàn)了多種語音增強(qiáng)方法，這些技術(shù)在較高信噪比時已取得比較好的效果，然而對弱語音信號或在低信噪比環(huán)境下，增強(qiáng)后的語音常伴有無法抑制的殘留噪聲和背景噪聲，同時語音失真度很大。在此背景下，本文研究了低信噪比環(huán)境下的語音增強(qiáng)，主要工作如下：
　　 1、在低信噪比環(huán)境下，采用傳統(tǒng)的算法進(jìn)行語音端點(diǎn)檢測存在正確率低、抗噪性能差等問題。本文研究了一種基于希爾伯特-黃變換(HHT)瞬時能頻值的語音端點(diǎn)檢測算法。運(yùn)用

3、HHT分離出語音的瞬時幅值與頻率，提取基于時間-能量-頻率特征參數(shù)的瞬時能頻值，利用該特征值對語音和噪聲進(jìn)行區(qū)分，從而進(jìn)行端點(diǎn)檢測。實驗結(jié)果表明該算法檢測的正確率均高于零能法、熵函數(shù)法等方法。
　　 2、提出了一種基于約束方差頻譜平滑和極小值跟蹤(VCSS-ML)的噪聲譜估計算法。該方法根據(jù)含噪語音子帶平滑功率譜與其最小值之間比值，通過加權(quán)含噪語音功率譜來估計噪聲譜，同時通過含噪語音平滑功率譜的方差對噪聲譜進(jìn)行平滑。該算法可以在

4、很短的語音間隙中更新噪聲功率譜，大大提高了算法的適應(yīng)速度。實驗結(jié)果表明估計的噪聲譜既能快速適應(yīng)背景噪聲的變化，又能保證噪聲譜估計的準(zhǔn)確性。特別是在強(qiáng)背景噪聲和慢變化噪聲情況下，性能都得到了明顯的提高。
　　 3、提出了一種基于聽覺感知小波閾值的清音增強(qiáng)方法。該方法采用聽覺感知小波變換對含噪語音分解，得到小波聽覺感知子帶層系數(shù)，采用HHT瞬時能頻值進(jìn)行清濁音判別，對濁音部分采用聽覺掩蔽閾值進(jìn)行處理，對清音部分采用一種基于噪聲功率譜

5、估計的改進(jìn)軟限幅閾值算法來進(jìn)行處理。實驗結(jié)果表明該方法很好地解決了語音信號的保護(hù)和噪聲去除之間的矛盾，在抑制噪聲的同時清音信號也得到了較好地保留。
　　 4、提出了一種聽覺神經(jīng)模型和量子聽覺神經(jīng)網(wǎng)絡(luò)相結(jié)合的語音增強(qiáng)方法。低信噪比的含噪語音經(jīng)過聽覺神經(jīng)模型處理后，增強(qiáng)為信噪比較高的語音。采用聽覺皮層模型提取每一幀語音信號時頻信息，利用量子神經(jīng)網(wǎng)絡(luò)的非線性映射和自學(xué)習(xí)能力來優(yōu)化減參數(shù)，從而進(jìn)行語音增益估計，實現(xiàn)語音增強(qiáng)。實驗結(jié)果表明

6、該方法利用神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)能力，減少了對目標(biāo)語音信號的失真，在主觀和客觀的聽覺性能指標(biāo)上都有明顯的改進(jìn)。
　　 5、耳語音是一種低信噪比的弱語音信號，采用傳統(tǒng)的譜減類算法進(jìn)行耳語音消噪時更容易產(chǎn)生令人煩躁的“音樂噪聲”。本文提出了一種基于修正Mel域聽覺掩蔽模型和無語音概率(SAP)的含噪耳語音增強(qiáng)方法。該方法根據(jù)耳語音的發(fā)音特點(diǎn)對Mel頻率進(jìn)行修正，對每一幀耳語音信號進(jìn)行Mel域頻帶濾波，再通過無語音概率動態(tài)地確定每個頻帶