基于最小控制GARCH模型的噪声估计算法

doi:10.3969/j.issn.0372-2112.2016.03.037

电子学报 ›› 2016, Vol. 44 ›› Issue (3): 747-752.DOI: 10.3969/j.issn.0372-2112.2016.03.037

基于最小控制GARCH模型的噪声估计算法

孟宪波, 鲍长春

北京工业大学电子信息与控制工程学院语音与音频信号处理实验室, 北京 100124

收稿日期:2014-10-08 修回日期:2015-04-28 出版日期:2016-03-25
- 通讯作者:
- 鲍长春
- 作者简介:
- 孟宪波 男,1987年出生,河北承德人,北京工业大学硕士研究生,主要研究方向为语音与音频信号处理. E-mail:mengxianbo@emails.bjut.edu.cn
- 基金资助:
- 国家自然科学基金 (No.61471014)

Noise Estimate Algorithm Based on Minima Controlled GARCH Model

MENG Xian-bo, BAO Chang-chun

Speech and Audio Signal Processing Laboratory, School of Electronic Information and Control Engineering, Beijing University of Technology, Beijing 100124, China

Received:2014-10-08 Revised:2015-04-28 Online:2016-03-25 Published:2016-03-25
- Supported by:
- National Natural Science Foundation of China (No.61471014)

摘要/Abstract

摘要：

MCRA(Minima-Controlled Recursive Averaging)方法是经典的噪声估计算法,然而在语音段MCRA方法存在不能对噪声功率谱进行有效更新的问题.针对这一问题,本文利用广义自回归条件异方差(Generalized Autoregressive Conditional Heteroskedasticity,GARCH)模型在时频域对噪声信号建模,在MCRA算法原理的基础上,提出了基于最小控制GARCH模型的噪声估计算法,实验结果表明,本文所提的噪声估计算法能够更为准确估计噪声功率谱,将该算法应用到语音增强中能够获得到较好的语音增强效果.

关键词: 噪声估计, GARCH模型, MCRA算法, 语音增强

Abstract:

Considering the problem that the typical MCRA (Minima-Controlled Recursive Averaging) noise estimate algorithm fails to update the power spectrum of noise effectively when the speech is present,so this paper proposes a noise estimate algorithm based on minima controlled GARCH model.The noise signal is modeled as a GARCH process in time-frequency domain and then the proposed noise estimate algorithm is achieved combined with the basis of the framework of MCRA method.Experimental and testing results indicate that the proposed algorithm can estimate the spectrum of noise more accurately compared with the reference methods.When the proposed algorithm is applied into speech enhancement,a better performance can be achieved as well.

Key words: noise estimate, GARCH model, MCRA algorithm, speech enhancement

中图分类号:

TN912.3

孟宪波, 鲍长春. 基于最小控制GARCH模型的噪声估计算法[J]. 电子学报, 2016, 44(3): 747-752.

MENG Xian-bo, BAO Chang-chun . Noise Estimate Algorithm Based on Minima Controlled GARCH Model[J]. Acta Electronica Sinica, 2016, 44(3): 747-752.

[1]	周静, 鲍长春, 张旭. 基于聚焦信号子空间估计导向矢量的干扰声源抑制方法[J]. 电子学报, 2023, 51(1): 76-85.
[2]	欧世峰, 赵艳磊, 宋鹏, 高颖. 基于概率耦合的双直接判决先验信噪比估计算法[J]. 电子学报, 2020, 48(8): 1605-1614.
[3]	袁文浩, 胡少东, 时云龙, 李钊, 梁春燕. 一种用于语音增强的卷积门控循环网络[J]. 电子学报, 2020, 48(7): 1276-1283.
[4]	袁文浩, 娄迎曦, 梁春燕, 夏斌. 利用生成噪声提高语音增强方法的泛化能力[J]. 电子学报, 2019, 47(4): 791-797.
[5]	陈楠, 鲍长春. 基于双耳线索编码原理的语音增强方法[J]. 电子学报, 2019, 47(1): 227-233.
[6]	袁文浩, 梁春燕, 夏斌, 孙文珠. 一种融合相位估计的深度卷积神经网络语音增强方法[J]. 电子学报, 2018, 46(10): 2359-2366.
[7]	陈斌, 牛铜, 张连海, 屈丹, 李弼程. 不相关匹配追踪的分段区分性特征变换方法[J]. 电子学报, 2016, 44(12): 2924-2931.
[8]	邓峰, 鲍枫, 鲍长春. 基于MPEG-AAC编码器的压缩域音频增强方法[J]. 电子学报, 2014, 42(7): 1410-1418.
[9]	辛吉荣, 陆路希, 包昕, 程建. 基于时频稀疏性的跳频信号背景噪声估计算法[J]. 电子学报, 2014, 42(10): 1932-1937.
[10]	何玉文, 鲍长春, 夏丙寅. 基于AR-HMM在线能量调整的语音增强方法[J]. 电子学报, 2014, 42(10): 1991-1997.
[11]	徐立中, 冯肖亮, 文成林. 网络化多传感器系统的序贯式融合滤波——基于噪声估计方法[J]. 电子学报, 2014, 42(1): 160-168.
[12]	颜鑫, 李应. 利用抗噪幂归一化倒谱系数的鸟类声音识别[J]. 电子学报, 2013, 41(2): 295-300.
[13]	梁岩, 鲍长春, 夏丙寅, 何玉文, 周璇, 李娜. 基于高斯混合模型的压缩域语音增强方法[J]. 电子学报, 2012, 40(10): 2031-2038.
[14]	刘建强, 冯大政, 周祎. 基于多信道信号增强的卷积混迭语音信号盲分离的后处理方法[J]. 电子学报, 2007, 35(12): 2389-2393.
[15]	欧世峰;赵晓晖. 基于帧间相关性的最大后验估计语音增强算法[J]. 电子学报, 2007, 35(10): 2007-2013.

基于最小控制GARCH模型的噪声估计算法

Noise Estimate Algorithm Based on Minima Controlled GARCH Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics