|S(f)| = |Y(f)| — m|N(f)|,

где S(f), Y(f), N(f) — оценки соответственно спектров исходного сигнала, смеси сигнала с шумом и шума, m(…) обозначает некоторую операцию усреднения.

В данном случае Y(f) вычисляется непосредственно по реализации обрабатываемого сигнала, a m(|N(f)|)определяется из допущения о свойствах помехи, если эти свойства известны, или путем измерения параметров шума в паузах речевого сигнала. Исходный речевой сигнал, очищенный от шума, получается путем обратного преобразования отсчетов спектра S(f) в отсчеты сигнала s(t).

Существуют различные модификации данного метода. Как правило, в них спектр S(f) вычисляется исходя из выражения

|S(f)|? = |Y(f)|? — ?m|N(f)|?,

в которое добавлены параметры ? и ?.

Введением этих параметров обеспечивается дополнительная гибкость при реализации процедуры коррекции. Например, в случае, когда шум n(t) является достаточно широкополосным, S(f) можно оценить по методу максимального правдоподобия с использованием выражения

|S(f)| = 0,5|Y(f)| + 0,5(|Y(f)|2 – m(|N(f)|2))1/2,

На рис. 4.3.1 и рис. 4.3.2 приведены изображения сонограммы (трехмерное представление сигнала в координатах время-частота-мощность) речевого сигнала до и после применения метода спектрального вычитания. Более яркие цвета на сонограмме обозначают участки спектра сигнала с большей энергетикой.

Рис. 4.3.1

Рис. 4.3.2

Следует отметить, что методы, основанные на вычитании спектра, являются в настоящее время наиболее распространенными и широко используемыми в практике. Их можно применять для подавления практически любых помех, расположенных в полосе сигнала, за исключением, возможно, импульсных. Кроме того, применение этих методов позволяет не только повышать разборчивость зашумленной речи, но и улучшать качество ее звучания в случае, когда речь хотя и разборчива, но зашумлена.

Отдельную группу данных методов составляют методы, основанные на винеровской фильтрации сигнала. В этих методах первоначально по зашумленному речевому сигналу y(t) оценивается передаточная характеристика «оптимального» фильтра. Далее этот фильтр применяется во временной или частотной области. В результате фильтрации находится оценка неискаженного речевого сигнала. Опуская достаточно громоздкие промежуточные выкладки, приведем выражение для определения оценки амплитудного спектра очищенного сигнала

|S(f)| = (|S(f)|2 / (|S(f)|2 — ?m(|N(f)|2)))?|Y(f)|.

Данное равенство является неявным выражением для определения S(f), однако при ? = 1/2 и ? = 1 амплитудный спектр речи определяется точно так же, как и в методе вычитания спектров, а при ? = 1 и ? = 1/4 — как в методе вычитания спектров при широкополосном шуме.

Методы коррекции и сглаживания спектра речевых сигналов

В эту группу методов включены два типа операций по обработке спектра зашумленного речевого сигнала.

Операции первого типа базируется на формантной структуре речевого сигнала. Выше отмечалось, что основная энергия речи часто сосредоточена на определенных частотах, называемых формантами Энергия шума, в общем случае, может быть распределена всему диапазону звуковых частот. Таким образом, используя соответствующий фильтр, реализованный во временной или спектральной областях и точной настроенный на формантные частоты, можно уменьшать шум, сохраняя при этом полезный сигнал. Однако, поскольку значения формант остаются постоянными только на коротких интервалах времени, то при обработке разных участков речи требуется постоянная адаптивная подстройка фильтра. Это не всегда просто реализуется на практике. Например, такая фильтрация совершенно неприемлема в случае воздействия на сигнал суммы гармонических помех. На рис. 4.3.3 показана сонограмма сигнала, обработанного операцией коррекции спектра. По сравнению с сигналом, изображенном на рис. 4.3.1, в обработанном сигнале заметно более четкое выделение формант. Это, естественно, повышает разборчивость речевого сигнала.

Страницы: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89