現代數字訊號處理閱讀報告
在認真閱讀本課程相關文獻的過程中，加深了對維納濾波、小波變換、語音頻號處理方面知識的理解，本人近期主要是針對語音增強領域相關文獻進行了閱讀，並查閱了相關文獻，學習了語音增強的一般方法。下文主要是本人在閱讀文獻後的一些學習記錄和體會。
一、 語音增強研究現狀
語音增強是指當語音頻號被各種各樣的雜訊干擾、甚至淹沒後，從雜訊背景中提取有用的語音頻號，抑制、降低雜訊干擾的技術。語音通訊領域中，由於受到周圍環境以及傳輸通道的影響，純淨語音新增了背景雜訊，導致音質惡化。語音增強的目的是降低雜訊分量，提高語音清晰度和可懂度，減輕聽覺疲勞，主要應用在嘈雜環境下的雜訊抑制、語音壓縮和語音識別等場合。
由於雜訊干擾干擾通常都是隨機的，從帶噪語音中提取完全純淨的語音幾乎不可能。在這種情況下，語音增強的目的主要有兩個：一是改進語音質量，消除背景噪音，使聽者樂於接受，不感覺疲勞，這是一種主觀度量；二是提高語音可懂度，這是一種客觀度量。
這兩個目的往往不能兼得。語音增強方法分時域方法和頻域方法兩種。由於語音的短時幅度譜對聽覺的影響遠大於短時相位譜對聽覺的影響，基於頻域增強方法的研究較多。
常見的語音增強方法有大致可分為兩類：1、基於語音統計特性的方法：如譜減法，最大似然估計法(ml)，最小均方誤差估計法(mmse)。
2、基於人類感知特性的方法：如利用人耳的聽覺帶通濾波器組特性或聽覺掩蔽效應改善增強效果。例如基於譜相減的語音增強演算法、基於小波分析的語音增強演算法、基於卡爾曼濾波的語音增強演算法、基於訊號子空間的增強方法、基於聽覺掩蔽效應的語音增強方法、基於獨立分量分析的語音增強方法、基於神經網路的語音增強方法等都是近年來應用較為廣泛的語音增強演算法。
二、閱讀文獻主要內容
在目前的頻域語音增強方法存在著乙個明顯的缺點：在增強過程中，由於是利用有聲/無聲檢測技術以無聲期間的雜訊方差作為當前分析幀各頻率點的雜訊頻譜分量的估計，而雜訊頻譜具有高斯分布，其幅度隨機變化範圍較寬，便會產生隨機誤差。若某幀某頻率點的實際雜訊分量超過估計值較多，則對純淨訊號幅度估計時，就會在這些頻率點上殘留較大的雜訊分量，在頻譜上呈現為隨機出現的尖峰，在聽覺上會形成有節奏性起伏的類似**的殘留雜訊，也就是著名的「**雜訊」。
針對這一情況，相關研究者提出了一系列語音增強演算法。
1 譜減法
語音頻號是一種典型的非平穩訊號，但在乙個短時間範圍內其特性基本保持不變及相對穩定，因而可以看成乙個短時平穩過程進行「短時分析」，即將訊號分為一段一段來分析，其中每一段稱為一幀。通過定義第k個頻譜分量的增益函式及後驗性噪比，既譜減法相當於對帶噪語音每乙個頻譜分量乘以係數，當訊雜比高時，含有語音的可能性大，衰減小。反之，則認為含有語音的可能性小，衰減則增大。
2 最小均方誤差增強方法(mmse)
帶有背景雜訊的語音頻號可以表示為，表示對純淨語音頻號進行fft變換後的第k個頻譜分量，作為的mmse估計值。由貝葉斯公式可得：
再根據假設雜訊譜和語音頻譜是服從零均值高斯分布可得：
定義乙個增益函式，則，由此可得到純淨語音頻譜幅度的估值，對其新增帶噪訊號的相位，並進行ifft即可得到增強後的聲音。
3 基於ar模型的語音增強方法
帶噪語音包含的均是平穩雜訊。因此，可以對除白雜訊以外的雜訊進行建模，並設計得到白化濾波器，帶噪語音經過白化濾波器後，可有效抑制色雜訊，但會殘留相當能量的白雜訊，這是用ar模型法很難濾除的。假設3種不同色雜訊均為0均值、平穩隨機過程，對其進行零化處理，同時由於已知資料足夠大，所以暫不考慮資料長度對引數估計的影響。
首先確定模型階數，採用從低階到高階搜尋的辦法，即從 n=1開始對雜訊進行擬合，每次擬和結果用檢驗準則來判斷其適用性，直至達到符合要求的階數。
經計算模型參差的自相關係數
根據自相關係數檢驗準則：如果(t=1,2….n)是白雜訊，當資料長度n>(200~300),k從1取到（20~30）時，近似於正態分佈。
根據這一理論，取置信度水平為0.95，可得檢驗式，當滿足此式時，則認為相應的模型為適用模型。
在純淨語音上混入-5db、0db、5db的三種較低訊雜比的帶噪語音，用譜減法、mmse法、ar模型法進行語音增強實驗，實驗結果表明：譜減法剩餘雜訊較大，語音失真也較為嚴重。mmse增強結果較好，但語音失真較嚴重。
ar模型方法增強後雜訊得到了「白化」，諧波結構的色雜訊得到了有效地抑制，原始語音保留較好，但剩餘的白雜訊能量較大。ar模型法增強後語音訊雜比在譜減法和mmse方法之間，其主要原因就是其增強後語音殘留的白雜訊能量較大，導致訊雜比較低。
三、 課程學習心得體會
通過對現代數字訊號處理課程的學習，加深了自己對訊號處理方面的認識，知識體系在本科學習數碼訊號課程的基礎上進一步得到了提公升與完善。在本課程的學習中學到了維納濾波、卡爾曼濾波、自適應濾波器等相關知識，並系統學習了各種功率譜估計模型，對語音頻號處理和**訊號處理方面加深了認識，在本科學習的基礎上更加注重在理論水平上的提公升。
《現代訊號處理》課程設計實驗報告
現代訊號處理 課程實驗報告 指導老師 支國明 周揚 專業班級 電子資訊1101 學號 0909110814 姓名 周群創 一 課程設計題目和題目設計要求 1 訊號發生器 使用者根據測試需要，可任選以下兩種方式之一生成測試訊號 1 直接輸入 或從檔案讀取 測試序列 2 輸入由多個不同頻率正弦訊號疊加組...
現代訊號處理 課後思考題 2019
現代訊號處理技術及應用 第一章緒論 1.試舉例說明訊號與資訊這兩個概念的區別與聯絡。2.什麼是訊號的正交分解？如何理解正交分解在機械故障診斷中的重要價值？3.為什麼要從內積變換的角度來認識常見的集中訊號處理方法?如何選擇合適的訊號處理方法？4.對於基函式的各種性質的物理意義如何理解？第二章訊號的時域...
Matlab訊號處理實習報告
matlab訊號處理實習報告 實習名稱 matlab訊號處理 實習題目數字訊號處理 專業班級 姓名學號 成績評定 電氣與資訊學院 二0一一年六月 實習考核和成績評定辦法 1 實習的考核由指導教師根據設計表現 出勤 遵守紀律情況等 設計報告 設計成果 答辯等幾個方面，給出各項成績或權重，綜合後給出實習...