孔贵琴
（江南机电设计研究所，贵州 贵阳，550006）
摘要：在语音通信过程中往往都混有各种噪声，为降低噪声的干扰，提高语音质量和可懂度，本文提出了一种基于压缩感知（Compressed Sensing, CS）的语音降噪算法研究。首先利用语音端点检测方法判断出语音段和非语音段，去除非语音段的噪声，然后利用语音和噪声在离散余弦变换（Discrete Cosine Transform, DCT）域具有不同的稀疏特性以及正交匹配追踪（Orthogonal Matching Pursuit, OMP）重建算法所采用的相似度特性实现对带噪语音段的噪声滤除。仿真结果表明，与经典子空间语音降噪算法相比，本文提出的算法去噪效果更好。
主题词：压缩感知；语音端点检测；语音降噪算法
1 引言
CS是一种信号信息提取与恢复的过程，在采样过程中利用较少的数据有效提取信号信息，然后通过重建算法从采样信息中恢复原信号。语音增强过程是指对带噪语音信号进行处理，消除或者降低噪声的干扰，恢复出原来纯净的语音信号，所以，CS过程与语音增强的本质是类似的。因此，可以利用语音信号与干扰噪声在压缩过程中的不同特性，实现语音增强。
2压缩感知理论
CS利用输入信号之间相关性和特有的稀疏特性，通过观测矩阵对数据进行投影，得到一些非自适应线性预测值，最后从这些相对较小的观测值中精确恢复出原始信号。
2.1 信号的稀疏表示
.png)
2.2 信号的测量
一个可压缩信号可以被认为是包含少量数据的，将这些有用信息用非自适应的线性预测值进行提取。
.png)
2.3 信号的重构
将一个稀疏或可压缩信号从一个小的投影集中恢复出来，有两个原则必须满足：信号的稀疏性和感知方式的非相干性。
.png)
3 语音端点检测
3.1 基本概念
本文利用语音段和非语音段的特点设计语音端点检测方法，该方法能够检测出一段语音信号中的所有语音段和静音段。
3.2 语音功率估计
.png)
3.5 语音段划分
为验证该端点检测方法的有效性，通过对语音信号加不同信噪比的白噪声环境下进行实验，结果表明，即使是在较低的信噪比下，该方法仍能够比较准确地检测出语音的起止端点。
4 语音增强
基于CS语音降噪算法框图如图1所示。
图1 CS算法实现语音增强框图
a）对含噪语音进行预处理。预处理先对语音信号进行分帧，设置合适的帧长：如果帧长选择太长，信号维数N则比较大，利用OMP算法计算所需的时间较长；帧长太短，则不足以区分语音信号和噪声信号，去噪效果不好。所以，设置较小的帧移量，可以提高去噪效果；
b)进行纯净语音功率估计，并对信号进行语音端点检测，识别出语音段和非语音段。若为非语音段，进行衰减后跳到e)条执行，否则继续；
c)利用高斯随机测量矩阵对含噪语音进行压缩测量。观测维数M应该在保证包含语音信息的前提下尽可能的小，缩短处理时间；
d)设置相似度迭代阈值，利用改进的OMP算法重建语音信号；
e)将恢复得到的当前语音帧与前一帧语音衔接，重叠部分进行平均，得到最后增强结果。
5 仿真实验
实验语音信号来自NOIZEUS语音库[4]，该库是专门设计用于评价语音降噪算法性能的数据库。库中包含30条句子（由三男和三女朗诵）。数据库中语音采样频率为8kHz。由于NOIZEUS噪声语音库不包含白噪声，实验中采用高斯分布随机白噪声干扰纯净语音，以产生不同信噪比的带噪语音，并利用两种增强算法进行增强处理，对比分析增强效果。如图2～图3所示。
.png)
图2 语音增强（SNR=25dB） 图3 语音增强（SNR=23dB）
如图所示，SNR=25dB和SNR=23dB时，信号受噪声干扰较大，此时本文算法比子空间法对语音的增强效果好。
6 结束语
本文设计一种基于功率谱估计的语音检测方法，识别出语音段和非语音段，减少对语音信号的处理时间。在此基础上，提出一种基于CS的语音降噪算法，利用语音和噪声信号在DCT域的不同稀疏性以及CS的重构算法的特性对带噪语音中纯净语音进行提取，实现对语音信号的去噪处理。实验证明，相比经典的子空间语音降噪算法，本文提出的算法能够在低信噪比环境下，较小失真的还原语音信号。
参考文献：
[1] Candes E J,Wakin M B.An introduction to compressive sampling[J].Signal Processing Magaine,2008,25(2):21-30.
[2] Donoho D L.Compressed sensing[J].Information Theory,IEEE Transactions on,2006,52(4):1289-1306.
[3] Candes E J,Tao T.Near-optimal signal recovery from random projections:Universal encoding strategies[J].Information Theory,IEEE Transactions on,2006,52(12):5406-5425.
[4] Hu Y, Philipos C Loizou. Subjective comparison and evaluation of speech enhancement algorithms[J].Speech Communication, 2007, 49(7-8): 588-601.