基于MATLAB实现传统谱减法以及两种改进的谱减法(增益函数谱减法、多带谱减法)的语音增强代码示例:

传统谱减法

function enhanced = traditional_spectral_subtraction(noisy, fs, wlen, inc, NIS, a, b)% 参数说明:% noisy - 带噪语音信号% fs - 采样频率% wlen - 帧长% inc - 帧移% NIS - 前导无话段帧数% a - 过减因子% b - 增益补偿因子% 计算噪声功率谱noise_frames = buffer(noisy(1:NIS*inc), wlen, wlen-inc);noise_frames = noise_frames(:, 1:NIS);noise_power = mean(abs(fft(noise_frames)).^2, 2);% 分帧frames = buffer(noisy, wlen, wlen-inc);num_frames = size(frames, 2);% 初始化增强后的语音enhanced = zeros(size(noisy));% 谱减法处理for i = 1:num_frames% FFTX = fft(frames(:, i));X_mag = abs(X);X_phase = angle(X);% 谱减法S_mag = max(X_mag - a * sqrt(noise_power), b * sqrt(noise_power));% 逆FFTS = S_mag .* exp(1j * X_phase);enhanced_frame = real(ifft(S));% 重叠相加enhanced((i-1)*inc+1:(i-1)*inc+wlen) = enhanced((i-1)*inc+1:(i-1)*inc+wlen) + enhanced_frame;end
end

增益函数谱减法

function enhanced = gain_function_spectral_subtraction(noisy, fs, wlen, inc, NIS, alpha, beta)% 参数说明:% noisy - 带噪语音信号% fs - 采样频率% wlen - 帧长% inc - 帧移% NIS - 前导无话段帧数% alpha - 过减因子% beta - 增益补偿因子% 计算噪声功率谱noise_frames = buffer(noisy(1:NIS*inc), wlen, wlen-inc);noise_frames = noise_frames(:, 1:NIS);noise_power = mean(abs(fft(noise_frames)).^2, 2);% 分帧frames = buffer(noisy, wlen, wlen-inc);num_frames = size(frames, 2);% 初始化增强后的语音enhanced = zeros(size(noisy));% 谱减法处理for i = 1:num_frames% FFTX = fft(frames(:, i));X_mag = abs(X);X_phase = angle(X);% 增益函数G = (X_mag - alpha * sqrt(noise_power)) ./ X_mag;G = max(G, beta);% 增强后的频谱S_mag = G .* X_mag;% 逆FFTS = S_mag .* exp(1j * X_phase);enhanced_frame = real(ifft(S));% 重叠相加enhanced((i-1)*inc+1:(i-1)*inc+wlen) = enhanced((i-1)*inc+1:(i-1)*inc+wlen) + enhanced_frame;end
end

多带谱减法

function enhanced = multiband_spectral_subtraction(noisy, fs, wlen, inc, NIS, num_bands)% 参数说明:% noisy - 带噪语音信号% fs - 采样频率% wlen - 帧长% inc - 帧移% NIS - 前导无话段帧数% num_bands - 子带数量% 计算噪声功率谱noise_frames = buffer(noisy(1:NIS*inc), wlen, wlen-inc);noise_frames = noise_frames(:, 1:NIS);noise_power = mean(abs(fft(noise_frames)).^2, 2);% 分帧frames = buffer(noisy, wlen, wlen-inc);num_frames = size(frames, 2);% 初始化增强后的语音enhanced = zeros(size(noisy));% 子带划分band_width = wlen / num_bands;% 谱减法处理for i = 1:num_frames% FFTX = fft(frames(:, i));X_mag = abs(X);X_phase = angle(X);% 多带谱减法S_mag = zeros(size(X_mag));for j = 1:num_bandsband_start = (j-1) * band_width + 1;band_end = j * band_width;band_noise_power = noise_power(band_start:band_end);S_mag(band_start:band_end) = max(X_mag(band_start:band_end) - band_noise_power, 0);end% 逆FFTS = S_mag .* exp(1j * X_phase);enhanced_frame = real(ifft(S));% 重叠相加enhanced((i-1)*inc+1:(i-1)*inc+wlen) = enhanced((i-1)*inc+1:(i-1)*inc+wlen) + enhanced_frame;end
end

使用示例

% 读取带噪语音信号
[noisy, fs] = audioread('noisy_speech.wav');% 参数设置
wlen = 256; % 帧长
inc = 128; % 帧移
NIS = 10; % 前导无话段帧数
a = 4; % 过减因子
b = 0.001; % 增益补偿因子
alpha = 4; % 增益函数过减因子
beta = 0.001; % 增益函数增益补偿因子
num_bands = 4; % 多带谱减法子带数量% 传统谱减法
enhanced_traditional = traditional_spectral_subtraction(noisy, fs, wlen, inc, NIS, a, b);% 增益函数谱减法
enhanced_gain_function = gain_function_spectral_subtraction(noisy, fs, wlen, inc, NIS, alpha, beta);% 多带谱减法
enhanced_multiband = multiband_spectral_subtraction(noisy, fs, wlen, inc, NIS, num_bands);% 保存增强后的语音
audiowrite('enhanced_traditional.wav', enhanced_traditional, fs);
audiowrite('enhanced_gain_function.wav', enhanced_gain_function, fs);
audiowrite('enhanced_multiband.wav', enhanced_multiband, fs);

说明

  • 传统谱减法:直接从带噪语音频谱中减去噪声功率谱,可能会导致“音乐噪声”问题。
  • 增益函数谱减法:通过引入增益函数来平滑频谱,减少“音乐噪声”。
  • 多带谱减法:将语音频谱划分为多个子带进行独立处理,减少“音乐噪声”的影响。

你可以根据实际需求调整参数,以获得更好的语音增强效果。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/bicheng/82435.shtml
繁体地址,请注明出处:http://hk.pswp.cn/bicheng/82435.shtml
英文地址,请注明出处:http://en.pswp.cn/bicheng/82435.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

symbol【ES6】

你一闭眼世界就黑了,你不是主角是什么? 目录 什么是Symbol?‌Symbol特点‌:创建方法:注意点:不能进行运算:显示调用toString() --没有意义隐式转换boolean 如果属性名冲突了怎么办?o…

LeetCode 649. Dota2 参议院 java题解

https://leetcode.cn/problems/dota2-senate/description/ 贪心。不会写。 class Solution {public String predictPartyVictory(String senate) {boolean rtrue,dtrue;int flag0;//flag>0,d前面有r;flag<0,r前面有dchar[] senatessenate.toCharArray();//每一轮while(r…

机器学习第二十二讲:感知机 → 模仿大脑神经元的开关系统

机器学习第二十二讲&#xff1a;感知机 → 模仿大脑神经元的开关系统 资料取自《零基础学机器学习》。 查看总目录&#xff1a;学习大纲 关于DeepSeek本地部署指南可以看下我之前写的文章&#xff1a;DeepSeek R1本地与线上满血版部署&#xff1a;超详细手把手指南 感知机详解…

maven快速上手

之前我们项目如果要用到其他额外的jar包&#xff0c;需要自己去官网下载并且导入。但是有maven后&#xff0c;直接在maven的pom.xml文件里用代码配置即可&#xff0c;配置好后maven会自动帮我们联网下载并且会自动导入该jar包 在右边的maven中&#xff0c;我们可以看到下载安装…

科学养生指南:解锁健康生活密码

健康是人生最宝贵的财富&#xff0c;在快节奏的现代生活中&#xff0c;科学养生成为保持良好状态的关键。遵循现代医学与营养学的研究成果&#xff0c;无需依赖传统中医理论&#xff0c;我们也能找到适合自己的养生之道。​ 均衡饮食是健康的基石。现代营养学强调 “食物多样&…

Qt状态机QStateMachine

QStateMachine QState 提供了一种强大且灵活的方式来表示状态机中的状态&#xff0c;通过与状态机类(QStateMachine)和转换类(QSignalTransition&#xff0c; QEventTransition)结合&#xff0c;可以实现复杂的状态逻辑和用户交互。合理使用嵌套状态机、信号转换、动作与动画、…

C++八股 —— 原子操作

文章目录 1. 什么是原子操作2. 原子操作的特点3. 原子操作的底层原理4. 内存序内存屏障 5. 原子操作和互斥锁的对比6. 常用的原子操作7. 相关问题讨论 参考&#xff1a; C atomic 原子操作_c 原子操作-CSDN博客DeepSeek 1. 什么是原子操作 原子操作&#xff08;Atomic Opera…

双紫擒龙紫紫红指标源码学习,2025升级版紫紫红指标公式-重点技术

VAR1:MA((LOWHIGHCLOSE)/3,5); VAR2:CLOSEHHV(C,4) AND REF(C,1)LLV(C,4); 双紫擒龙:REF(C,1)LLV(C,4) AND C>REF(C,2) OR REF(C,2)LLV(C,4) AND REF(C,1)<REF(C,3) AND REF(C,2)<REF(C,4) AND C>REF(C,1); VAR4:VAR1>REF(VAR1,1) AND REF(VAR1,1)<REF(VAR1,…

NeuralRecon技术详解:从单目视频中实现三维重建

引言 三维重建是计算机视觉领域中的一项关键技术&#xff0c;它能够从二维图像中恢复出三维形状和结构。随着深度学习的发展&#xff0c;基于学习的方法已经成为三维重建的主流。NeuralRecon是一种先进的三维重建方法&#xff0c;它能够从单目视频中实时生成高质量的三维模型。…

Ubuntu 上开启 SSH 服务、禁用密码登录并仅允许密钥认证

1. 安装 OpenSSH 服务 如果尚未安装 SSH 服务&#xff0c;运行以下命令&#xff1a; sudo apt update sudo apt install openssh-server2. 启动 SSH 服务并设置开机自启 sudo systemctl start ssh sudo systemctl enable ssh3. 生成 SSH 密钥对&#xff08;本地机器&#xf…

MySQL 索引的增删改查

MySQL 索引的增删改查 1 建表时创建索引 [UNIQUE|FULLTEXT|SPATIAL] INDEX|KEY [别名] (字段名 [(长度)] [ASC|DESC] )主键直接写&#xff1a; PRIMARY KEY (Id)例如&#xff1a; CREATE TABLE people (id int NOT NULL PRIMARY KEY AUTO_INCREMENT,last_name varchar(10)…

为什么现代CSS应该选择OKLCH:从颜色科学到设计系统革新

在数字界面中&#xff0c;颜色不仅是美学的载体&#xff0c;更是信息传递的重要工具。CSS Color Level 4 标准引入了 OKLCH 颜色空间, 提供​​感知均匀性​​&#xff08;颜色差异与实际视觉感受一致&#xff09;&#xff0c;解决传统HSL/HSV在调整颜色时的不自然问题。文本帮…

【java】小练习--零钱通

文章目录 前言一、项目开发流程说明二、功能实现2.1 菜单2.2 零钱通明细2.3 零钱通收益2.4 零钱通消费2.5 零钱通退出确认2.6 零钱通金额校验2.7 完整代码 三、零钱通OOP版 前言 本文是我跟着B站韩顺平老师的 Java 教程学习时动手实现“零钱通”项目的学习笔记&#xff0c;主要…

人工智能数学基础实验(四):最大似然估计的-AI 模型训练与参数优化

一、实验目的 理解最大似然估计&#xff08;MLE&#xff09;原理&#xff1a;掌握通过最大化数据出现概率估计模型参数的核心思想。实现 MLE 与 AI 模型结合&#xff1a;使用 MLE 手动估计朴素贝叶斯模型参数&#xff0c;并与 Scikit-learn 内置模型对比&#xff0c;深入理解参…

我的第1个爬虫程序——豆瓣Top250爬虫的详细步骤指南

我的第1个爬虫程序——豆瓣Top250爬虫的详细步骤指南 一、创建隔离开发环境 1. 使用虚拟环境&#xff08;推荐venv&#xff09; # 在项目目录打开终端执行 python -m venv douban_env # 创建虚拟环境 source douban_env/bin/activate # Linux/macOS激活 douban_env\Scri…

STM32八股【11】-----Linux Bootloader (U-Boot)

参考U-Boot U-Boot是什么 嵌入式Linux系统需要一个bootloader来加载系统 U-boot就是一个通用开源的嵌入式Linux bootloader 主要实现的功能&#xff1a; 初始化硬件资源&#xff08;如内存、串口、存储器等&#xff09;从存储介质加载Linux内核到内存中传递启动参数给内核启…

【设计模式】责任链+模板+工程模式使用模板

前言 方便写出优雅&#xff0c;解耦&#xff0c;高内聚&#xff0c;高复用的代码。 Demo // 1. 定义验证器接口&#xff08;责任链模式&#xff09; public interface Validator {Validator setNext(Validator next);boolean validate(Data data); }// 2. 创建抽象验证器&am…

Unity3D仿星露谷物语开发49之创建云杉树

1、目标 创建一颗既可以生长又可以砍伐的云杉树&#xff0c;这个和之前创建橡树类似。 2、创建云杉树预制体 创建新物体命名为CropTreeBlueSpruce&#xff0c;并且添加Box Collider 2D和Crop组件。 在CropTreeBlueSpruce下创建子物体命名为CropSprite&#xff0c;添加3个组件…

【C#】消息队列的使用

在C#中使用消息队列&#xff0c;通常是指使用微软的Message Queuing (MSMQ)技术。MSMQ提供了一种异步通信协议&#xff0c;允许应用程序通过暂时存储要发送到目的地的消息来相互通信。 安装MSMQ 首先&#xff0c;确保你的开发机器和部署服务器上都安装了MSMQ。可以通过“控制…

IP-guard发布新版本4.87.2241.0

IP-guard发布新版本4.87.2241.0 新版本下载地址: https://www.tec-development.com/down/IPguard/Release/V4/IPguard4.87.2241.0.zip?s=901D45ADB22CBBFE5C612DC40AFD6BFB1551A9CD54EF418D5E86BBD256813867 新版本升级地址: