有色噪声下基于Unscented粒子滤波的语音增强方法(精)

1、第24卷 第3期电 波 科 学 学 报Vol.24,No.32009年6月 CHINESEJOURNALOFRADIOSCIENCEJun e,2009文章编号100520388(2009)0320476206有色噪声下基于Unseen ted粒子滤波的语音增强方法3尹伟1易本顺1沈小丰2(1.武汉大学电子信息学院，湖北武汉430079;2湖北大学物理学与电子技术学院，湖 北武汉430062)® 要 针对含有色噪声的语音，提出了一种基于Un see nted粒子 滤波的单通道语 音增强方法。采用时变自回归模型(TVAR)对干净语音建模，通过Un see nted粒子 滤波器估计AR模

2、型的参数并滤除有色噪声。与大多数常用的粒子滤波选择的建 议分布不同，Un see nted粒子滤波器采用Un see ntec卡尔曼滤波器生成粒子滤波的建 议分布。由于在粒子的更新过程中考虑了最近的观测值，Un see nted粒子滤波器能够在粒子数少于传统粒子滤波算法所需粒子数目的基础上改善估计的性能。仿真 实 验结果表明,在有色噪声背景下该算法具有良好的语音增强效果。关键词语音增强；Un see nted粒子滤波冲图分类号 TN912.3文献标志码Afilter2gaussia nno ises YINWei1 YIBen O shu n1 SHENXiaoO feng2 (1.Schoo

3、lofElectro nicln formatio n,Wuha nUni versity,Wuha nHubei430079,Chi na; 2.SchoolofPhysics&Eleetro ni es,HubeiU niversity,Wuha nHubei430062,Chi na) Abstraet Con sideri ngspeechsig nalswithcol orno ises,a no velspeeche nhan ee2 men tteeh niqueisproposedbased onun see ntedpartielefilter(UPF).Thetee

4、h2 niq uemodelsspeechsig nalswithtimeO varyi ngautoregressive(TVAR)models.Un see ntedpartielefilterisappliedtoestimatetheparametersofARmodela ndfil2 tereolornoises.I nsteadofmostpopularchoiceofproposaldistributio n,U nscen ted particlefilterusesa nUnscen tedKalma nfilter(UKF)toge neratetheimporta ne

5、e proposaldistributi on.l tallowstheparticlefilterto in corporatethelatestobserva2 tionsin toapriorupdati ngrouti nesoastoimproveestimatio nperforma ncegreatly withfewerparticles.Simulatio nresultsdem on stratethattheproposedalgorithm possessesgoodperforma neewitheol orno ises.Keywords speeche nhan

6、ceme nt;U nsce ntedparticlefilter;timeO vary in gautore2gressivemodels;U nsce ntedKalma nfilter收稿日期：2008209201.基金项目：中国博士后基金(No.20070411054)江苏省博士后基金(No.0701017B);国家自然科学基金(No.60871013,No.60701005)高等 学校博士学科点专项科研基金(No.20070288043)联系人:沈小丰E2mail:sxfc n4763第3期尹伟等:有色噪声下基于Unseen ted粒子滤波的语音增强方法477引言语音增强技术无论是在

7、复杂环境下的语音通信还是在语音编码或语音识别的预处 理中都有着很广泛的应用。它通过对带噪语音进行语音增强处理来改善语音质 量、提高语音可懂度，因而具有非常重要的意义。在众多语音增强方法中，谱减法1,2是最常用的。但是其处理后的语音会产生音乐 噪声,而且在信噪比较低时残留噪声较大，不能得到很好的增强效果。另一类常见 的语音增强算法是基于语音生成模型的方法，如卡尔曼滤波3。卡尔曼滤波的语 音增强方法通过线性预测系数获得干净语音参数，并通过无语音帧获得噪声特性。 当噪声是高斯过程时，卡尔曼滤波给出了对干净语音的最小均方差估计。但是卡尔 曼滤波假设语音满足高斯分布，因此在对实际非高斯分布的语音的建模方

8、面有其局 限性。近年来一种新的非线性滤波方法结合贝叶斯原理和蒙特卡罗的粒子滤波器，获得成功的应用。问题，音增强。模型(TVAR),提出一种基于RaoO Black2wellized粒子滤波的语音增强方法。金乃高等人在 Vermaak算法的基 础上通过子带分解降低了 Rao-Blackwellized粒子滤波中采样空间的维数，达到减 x( n)可以描述为一个由白噪声信号驱动、全极点线性自回归过程，即p x(n )= i=1 刀 a(i)x(n i)+u( n)(1) 式中,p为AR模型的阶数；a(i)ip=1为AR模型的系数;u(n)为零均值且方差为cU勺高斯白噪声。激励源参数和声道模型参数即

9、使在短时间间隔内仍然是时变的，因此，为了更有效地描述语音信号的非平稳特性 将式改写为TVAR模型，即P xt= i=1 刀 a(i)x t t-i +ut (2) 在此引入一个对数域偏差<ut=log( c u并假设其 变化规律满足高斯随机移动模型，则激励噪声的似然函数为 22lia (3)p(vut|<dt c <u)=B(<u,<u)2 c在此 i <u=log( a1Ut 是小于 1 的系数。对 TVAR 系数 a(i)pat|a1)at-1,a)，就是确保TVAR模型所有瞬时极点位于单位圆内。为了确保系统模型的稳定，文中采用另一种参数建模的方法，对T

10、VAR模型采用时变反射系数(TVO PARCOR)6 来重新参数化。采用TVO PARCOR模型原因在于其能更容易地验证模型的 少计算量的目的。上述的两种方法在语音增强上获得了不错效果，但是它们在建立语音的TVAR模型时未考虑模型的稳定性。此外，将附加噪声假设为高斯白噪声， 采用对数域偏差来模拟噪声的时变特性，这样的设定对于高斯白噪声能有比较好的 效果,但是对有色噪声就不一定。而且在选择重要性采样时将状态的先验分布作为 建议分布进行状态估计，不能很好地逼近实际的后验分布，影响了估计精度，同时也 导致粒子的退化。为此，文中采用Un see nt2ed粒子算法来进行语音增强，通过 TVAR模型对语

11、音建模，为了确保模型的稳定，对TVAR模型采用TVO PARCOR系 数来重新参数化，引入Un2seented卡尔曼滤波器方法来产生建议分布。仿真 稳定性和对模型进行评估，而且其对语音信号的特性有很好的描述。采用标准的 Levinson递归式可以将at转换成时变反射系数p PARCOF模t。TVO型的稳定性 可以通过每个反射系数p保证。当系数p的值在(-1,+1)范围内时表明系统稳定， 则时变p的受限的移动模型为2 c N( p max| p t,al)t,i|<12i c p( p-1，ap°的0,otherwiseTp在此 p PARCORt=t(1),p t(p文中 TV

12、O模型设定前向反射和后向反射系数定相同。这是考虑到人的声道形状由于物理特 性的限制是随时间缓慢变化的，前向反射系数可以近似认为等于后向反射系数。则 AR系数ai和反射系数p可用如下的实验表明，针对有色噪声，在计算量相近时文中算法能在采用少量粒子数的情况下 获得更好的性能。1语音和噪声模型假设语音和噪声信号相互无关，干净语音信号非线性可逆的映射关系进行转换(aj=1(i)- p aj(i)=j+1aj+1(-i+1)21- p j+1j=p-1,1i=1,j在这个递归式中p p=ap(p且 p j=aj(j)478电波科学学报N第24卷在只考虑加性噪声的条件下，带噪语音yt的模型可以表示为yt=

13、xt+vti=1刀wt=1i(15)在此vt为与干净语音无关的附加噪声。为了描述附加噪声对 模有q而XO:t=(Xj,j=O,表示到t时刻系统所有状态的集合，所以t时刻的后验密度可以近似表示为Np(Xt|y1:t)心(8)i=1t-i刀wS (Xitt-Xt)1(16)vt=i=1刀 b(i)v+et2式中,et是方差为c对b(i)采用高e的高斯白噪声。斯随机移动模型，则有2p(bt|bt-1)=N(bt-1, c bl)(9)在此引入一个已知分布且容易采样的重要性分布函数q(Xt|y1:t),通过对重要性函数的采样粒子点进行加权来近似 的转态转移函数f(Xt)有vt采用AR过程来建p(Xt|

14、y1:t)。对系统N由此干净语音和带噪信号的模型可以通过一个参数向量Bt描述，B t=(at,<ut,bt)式与式描述的语音信号TVAR转化为依赖于参数9t E(f(Xt)=i=1刀if(X)q(Xt|y1:t)P(yi：t)iti(17) 的状态空间的描述形式，即B xt=At( 0-t)xtBt(t)utBB yt=Ct( B t)xt+Dt(t)vt+Et式中,At( B t)=atIp-1 0p-1 式中,iiw x iq(Xt|y1:t) it(10)(11)(18)B ,Bt(t)=ut0p-1若在t-1时刻已经得到t-1p i(X0:t-|y1:t-1),且语音参数,itw

15、 xw itit-1Ct( B t)=1 01Dt( B t)t10q-1,t( B t)e®c q(Xt|Xt-1,yt)iii(19)式中，q(Xt|Xt-1,yt)=q(Xt|X0:t-1,y1:t)q(X0:t-1|y1:t-1)(20)2基于粒子滤波器的语音增强算法粒子滤波算法是求解贝叶斯概率的实用算法，通过非参数化的蒙特卡罗模拟方法来 实现贝叶斯滤波。而贝叶斯滤波原理的实质是用所有已知信息来构造系统状态变 量的后验概率密度。选取语音模型状态为(12)Xt=(xt:t+p-1, 0 t)=(xt:t+p,at,<ut,bt)假设语音参数满足一阶马尔可夫随机过程 p(X

16、t|Xt-1,Xt- 2,X0)=p(Xt|Xt-1)(13)7由权值wit即可得到t时刻的后验概率密度p(Xt|y1:t)。状态Xt包含了对纯净语音xt的估计，直接提取Xt中的xt可获得语音增强 的结果。由于粒子的选取和估计重要性权值 wit与q(Xt|y1:t)的选取密切相关。为 获得较好的估计效果，重要性分布应接近真实状态后验分布，且应包含大部分最近 的观测值。但是为了方便实现大多数算法，在重要性分布的选择上采用重要性分布 为系统的先验演化模型，即q(Xt|Xt-1,yt)=p(Xt|Xt-1)(21)则状态变量的转移概率密度为(T p(Xt|X41)=p(xt|xt-1:t- p,at

17、,(T u)p(at10t)?(T p(<ut|<ut1, (T <u)p(bt|bt,b)(14)2222采用粒子滤波算法进行语音增强的核心在于从带噪语音y1:t中估计t时刻语音的后验概率密度p(Xt|y1:t)。由于直接得到真实的后验概率密度很困难，则式(19)简化为(22) wit * wit-1p(yt|Xit)这样的简化不能合并大部分最近的观测值，因此估计的效果并不理想。 为此构造一个基于样本的后验概率密度函数，用Xt,wti=1表示系统后验概率密度函数pXt|y1:tiiN3基于Un see nted粒子语音增强算法基本粒子滤波算法的一个主要问题是退化问题，即经过

18、几步迭代以后，除了极少数 粒子外，其他粒子的权值小到可以忽略不计的程度。在粒子滤波的粒子集合。其中X:i=1,N是支持样本集，相应的权值为wit:i=1,-N,且满足it第3期尹伟等:有色噪声下基于Unseen ted粒子滤波的语音增强方法算法中抑制粒子退化的一般方法是增加粒子数和再采样。但是再采样会降低 粒子的多样性；而大量增加粒子数，将大大增加计算量。为了解决粒子退化及算法 中没有合并大部分最近的观测值的问题，文中采用Unseen ted粒子算法8来进行语 音增强，通过Un see nted卡尔曼滤波器(UKF)方法引入最新观测值来产生建议分 布。使用Un see nted卡尔曼滤波器方法

19、产生建议分布的原因在于语音信号实际具 有非线性的特征，用传统卡尔曼滤波不合适。推广卡尔曼滤波(EKF)将卡尔曼滤波 应用到非线性情况，但EKF不能说是卡尔曼滤波的完全推广，它只是一个用线性去 近似非线性的粗糙方法，不能很好地描述系统的非线性性质，且只能得到一阶的精 度。UKF也是一种递归式贝叶斯估计方法，它利用Un2seented变换(UT)方法,用一 组确定的取样点来近似后验概率。但是 UKF不必线性化非线性状态方程和观测 方程,它直接利用非线性状态方程来估算状态向量的概率密度函数，对任何非线性系统都可精确到泰勒级数展开的二阶精度，由它产生的支撑集更加逼近后验分布， 的信息，更容易,UT性变

20、换后的概率密度分布。对于 L维的随机变量x,其均值和方 差分别为Ax和Px。为了得到Ay和Pyy,将x用2L+1个加权sigma点x表示x (23)x0=ax x+(i=AL+入)Px)ii=1,丄L+ 入)Px)j-L479E用来合并x分布的先验知识。式中，i=1,2。_这些sigma点俘获到的均值和协方差不会因不同的平方根方法而改变。因此可以 采用效率高、数值稳定的Cholesky方法,用标准的向量和矩阵运算来计算均值和 协方差，实现速度很快。由此,将基于Unscented粒子滤波的语音增强方法的具体步骤描述如下： 初始化:t=0时刻,设置粒子总数N,指定N个初始权重，从p(X0)中抽取粒

21、子X0,其中222ucc p(X0)=N(a0,(T al)N(<u,<u)N(b0,bl)(29)(i)由式(30)求出计算增广状态变量的均值 X 0ia和方差P0i()a ()X 0=E(X0)iiiiiiiT)(X0)P0=E(X0-X 0-X 0X 0P0i,ai,a=EX0=(X0),0,0=E(X0i,ai,aiTT (30) i,ai,ai,aT )(X0)-X 0X 0i=ag(t=2,)KF更新粒子状态，先对粒子由UT变换(i)a 生成sigma点x-1,然后通过时间和测量更新得到(i)各个粒子的均值X t(i)和方差APt。由此将建议分布定义为q(XtXAt(i

22、)(i)(i)()(i)|X0:t-1,y1:t)=N(X t/Pt)(31)从建议分布中抽取粒子()()()(i)q(Xti|X0i:t-1,y1:t)=N(X t/Pt)(24)(25)X j=Ax(2(32)j=L+1,2L2) 计算粒子的权值w(i)t()(i)(i)i - (i)(i)q(Xt|X0:t-1,y1:t)入=a (L+-K是一个比例参数。常数a决式中,-4a定Ax周围sigma点的分布范围，一般来说取e< <1另一比例参数K用来调节高阶矩的作用减小 预测误差，且当L+k =E(x-Ax)时,预测误差最)Px)i是矩阵(L+入)P的平方根的第小。(L+入 )后

23、得到i列。这些sigma点经过非线性函数f(? 一系列变换点，这些变换点的均值和方差如下2L(33)3) 对权值归一化Nw(i) t =w(i)ti=1wt(i)-1(34)4)重采样 消除权值较小的粒子，复制权值较大的粒子，获 i得N个随机样本XO:t,近似服从分布p(X0:t|y1:t),Ay2L i=0刀WiyiT m，对(26)为每个再采样之后的样本粒子赋以相同的权值 i=1,wt=1/N。iPyyi=0WE ci(yi-Ay)(yi-Ay)(27)5)马尔可夫链蒙特卡罗(MCMC)计算 式中,加权系数Wi为(m)WO=X /(L+ 入WOWi(c)(m)为了增加粒子的多样性，由固定不

24、变的分布p(i)(i)(i)(XO:t|y1:t)采用马尔可夫转换核获得(XO:t,PO:t)2)+(1- a )=入 /(L+ 入 + E(28)6)输出=Wi(c)=1/2(L+用采样值近似后验分布480p(X0:t|y1:t) F(X0:t|y1 电)=波科 学学报 NN 第 24卷i=1 注 XO:t(i)(dXO:t)(35)4实验仿真为了验证文中算法的有效性，文中采用2种不同的干扰噪声测试算法的增强效果。 实验语音数据来自国外著名 TIMIT语料库的时长为2s、采样率为16kHz语音，通 过软件CoolEditPro重采样为8kHz。加入的噪声类型包括有色噪声和类似语音的 Babb

25、le噪声。在MATLAB中将语音与噪声按比例线性相加，生成不同信噪比的带 噪语音，其信噪比(SNR)范围为OdB至1OdB。在实验中，TVAR模型的阶数p为1O, 噪声的AR模型的阶数q为5。UT参数设置为a =1, k =O, E =为了验证文中提出 算法的语音增强效果,将文中算法与文献4中算法进行比较。考虑到Unscented粒 子滤波算法中由于Unscentec卡尔曼滤波器的引入大大增加了计算量。非常大。”实验时3O,文献4中算法的粒子数为2OO。此时两种算法的运算量基本接近。1)有色噪声下语音增强实验文中有色噪声取自噪声库 NOISEO92B。图1所示为有色噪声下两种算法语音增 强效果

26、的语谱图对比。横坐标表示时间，单位为秒;纵坐标表示频率，其单位为赫 兹。图1(a)中为原始的干净语音的语谱图；图1(b)为含噪语音信号混入了很强的有 色噪声干扰，其语谱特征很模糊；图1(c)为文献4中算法处理后语音的语谱图，可以 可看到背景噪声得到很大程度的抑制；图1(d)为文中算法处理后语音，其语谱图相 对于图1(c)语谱特征更加清晰。在不同输入信噪比下，文中方法与文献4语音增强方法的比较结果，如表1所示。 可以看出对有色噪声，文中算法相对于文献4中算法性能有一定程度提高。表1有色噪声下不同信噪比的增强效果比较 输入信噪比/62NOISEX292B。，其能量集中在低频段

27、，也可视作是一类有色噪声。如图 2所示为 Bab2ble噪声下两种算法语音增强效果的语谱图对比mmnnJl/FOMlb 上和AM尢（B）干净语音（I）带噪语音luvr/im6（C文献4中算法（d）文中算法ffl 2 Babble噪声下语音増强效果的语谱图对比文献4输出5.567.218.72文中算法输出6.328.139.3450CC4000VUG2500x)no150)5000.40112 I.A 2.0LkB佃*K 10*x二 SWMihuG)带噪语音*N 二：5)干净语音OB 11liair/*OJ 1.0 L5 10x 10*a)文献4中算法(d文中算法99 1有色噪声下语音増强效果的

28、语谱图对比图2(a)中为原始的干净语音的语谱图；图2(b)为含噪语音信号混入了Babble噪声干扰;图2(c)为文献4中算法处理后语音的语谱图；图2(d)为文中算法处理后语 谱图。通过比较图2(c)和图2(d)第3期尹伟等:有色噪声下基于Unseen ted粒子滤波的语音增强方法的语谱图可以很清楚地看出，对于含Babble噪声的语音去噪，文中的算法要好 于文献4中的算法。表2为文中方法与文献4语音增强方法的Babble噪声下不 同信噪比的增强效果比较结果，同样可以看出对Babble噪声文中算法效果好于文 献4中算法。表2 Babble噪声下不同信噪比的增强效果比较输入信噪比/dB0.233.7

29、46.048.314814 VERMAAKJ,ANDRIEUC,DOUCETA.Particle methodsforbayesia nm odeli ngandenhan ceme ntofspeechsig nalsJ.IEEETra nsacti onsonS peecha ndAudioProcessi ng,2002,10(3):1732185. 金乃高,殷福亮，等.基于子带粒子滤波的一种语音增强方法J.通信学报,2006,27:23228.JINNaigao,YINFulia ng,etal.Subba ndparticlefil2teri ngforspeeche nhan ce

30、me ntJ.Journal on Commu2 nicatio ns,2006,27(4):23228.(i nChi nese)6 DOUCETA,GODSILLSJ,WESTM.Mo nteCarlo filteri ngan dsmoothi ngwithapplicati on totime2var2yi ngspectralestimatio n C/IEEE Int.Conf.Acoust.,Speech,Sig nalProcess,2000:7012704.7 CAPPEO,GODSILLSJ,MOULINESE.A nover2 viewofexisti ngmethodsa ndrece ntadva nces in se2que ntialM on teCarloJ.Proceedi ngsofthe IEEE,2007,99(5) :8992924.8 MERWEVDR,DOUCEA,ND,etal.Uni ver2 JULIERSJ,UHLMANNJK.A newmethodforthenon li neartra nsformatio no fmea nsan dcovaria ncesi nfiltersa ndestimatorsJ.IEEETra ns.A. C.,2000,4