基于Hilbert-Huang变换的语音增强研究

目前语音通信在众多领域已得到越来越广泛的应用，而语音在通信过程中不可避免地会受到来自周围环境、传输媒介引入的噪声、通信设备内部的电噪声以及其它讲话者的干扰等等。这些噪声干扰会导致接受者接收到的语音已非纯净的原始语音信号，而是受污染的含噪语音信号，因此对语音增强技术的研究对语音通信的质量起着至关重要的作用。 语音增强的主要目的是对含噪语音信号进行处理，以改善语音质量，提高语音的清晰度和可懂度，使人易于接受而不感觉疲劳或提高语音处理系统的性能。 本文主要对基于经验模态分解的语音增强技术进行了研究，首先介绍了各种语音增强算法以及希尔伯特黄变换的基本理论，然后论文对经验模态分解在语音上的性能作了较为详尽的阐述，提出了经验模态分解后固有模态分量各层对应的能量关系。经验模态分解的主要思想类似小波变换，分解结果是由高频到低频分布的，即噪声主要集中在前几层。在此基础上实现了基于经验模态分解和线性预测的语音增强，文中还实现了基于经验模态分解和谱减法的语音增强。实验表明，方法具有良好的语音增强性能，对于白噪声效果更加明显。