基于Sparse K-SVD字典学习的语音增强技术(2014年)

简介：
本文介绍了利用稀疏K-SVD字典学习方法进行语音信号处理的技术研究，旨在提升语音清晰度和可懂度。该方法通过构建适应于噪声环境下的语音信号稀疏表示，实现高效的噪声抑制与语音增强效果。研究结果表明，基于Sparse K-SVD的算法在多种噪声条件下均能有效改善语音质量，为语音通信及听觉辅助设备等领域提供了新的技术路径。 提出了一种基于Sparse K-SVD学习字典的语音增强方法。该方法利用Sparse K-SVD算法自适应地训练一个可稀疏表示的冗余字典，并在该字典上采用正交匹配追踪(OMP)算法对带噪语音信号进行稀疏分解，进而通过重构纯净语音实现语音增强。实验使用NOIZEUS语音库进行了多组测试，结果显示基于稀疏表示的语音增强方法（包括Sparse K-SVD和K-SVD训练字典）相比传统的方法如小阈值波法、谱减法及改进谱减法，在改善语音质量方面具有显著优势。此外，统计分析也表明了字典训练时间的相关特性。