心理聲學(xué)研究及其在語音增強上的應(yīng)用.pdf

1、心理聲學(xué)主要研究人耳對聲音信號的處理過程，建立聲音的物理性質(zhì)與其在聽覺產(chǎn)生的主觀感覺之間的聯(lián)系，從而得到相應(yīng)的心理聲學(xué)模型，最終在科學(xué)研究和工程實踐中加以應(yīng)用。本文主要研究心理聲學(xué)的掩蔽效應(yīng)、頻帶劃分以及參量模型，并給出了一種新的計算心理聲學(xué)波動強度的參量模型。在此基礎(chǔ)上，本文將心理聲學(xué)掩蔽效應(yīng)以及頻帶劃分應(yīng)用到了單通道語音增強上，給出了兩種基于心理聲學(xué)的單通道語音增強改進(jìn)算法:基于心理聲學(xué)掩蔽的單通道語音增強改進(jìn)算法以及基于心理聲學(xué)等

2、矩形帶寬(ERB)尺度劃分的多子帶譜減改進(jìn)算法。
　　心理聲學(xué)波動強度與粗糙度一樣，是一種基本的心理聲學(xué)聽覺感知。一個重要的區(qū)別在于波動強度反映了聲音信號更慢的振幅波動。本文給出了一種新的基于ERB的波動強度計算模型。通過在ERB尺度上劃分75個濾波通道，并且將每個通道的廣義調(diào)制度（GMD）加權(quán)、濾波以及求和得到最終的波動強度值。新算法給出了一種新的將每個ERB中的GMD轉(zhuǎn)變成特性波動強度的方式。另外，新算法給出了用ERB尺度替代

3、Bark尺度。比較基于ERB尺度劃分的新算法和基于Bark尺度劃分的新算法可以發(fā)現(xiàn)，基于ERB尺度劃分的新算法降低RMSE值到73％并且提高相關(guān)系數(shù)值到17％。另外，本文還給出了關(guān)于為何在最終計算特性波動強度時需要加權(quán)的原因。實驗仿真結(jié)果表明，與已有的Zwicker波動強度模型[1]相比較，本文的波動強度模型能夠降低RMSE值超過90％并且提高相關(guān)系數(shù)值高達(dá)23％。因此，本文的波動強度模型所計算得到的結(jié)果與主觀測試結(jié)果更加吻合。

4、　　在心理聲學(xué)理論研究的基礎(chǔ)上，本文給出了基于聽覺掩蔽效應(yīng)和頻帶劃分的兩種單通道語音增強改進(jìn)算法。本文首先實現(xiàn)了Virag提出的基于心理聲學(xué)掩蔽的單通道語音增強算法，然后通過改進(jìn)Virag算法中的頻域掩蔽模型并引入時域掩蔽模型，得到改進(jìn)后的算法。在改進(jìn)的算法中，根據(jù)頻域掩蔽模型和時域掩蔽模型計算得到噪聲掩蔽閾，進(jìn)而調(diào)節(jié)譜減參數(shù)以得到噪聲降低、語音失真和殘留音樂噪聲這三者在人耳聽覺上的最好折中。另外，本文還給出了一個基于心理聲學(xué)ERB尺度