信号子空间语音增强和它的应用对噪声语音识别研究文章

研究文章回顾信号子空间语音增强和它的应用对噪声语音识别克里斯赫墨思,帕特里克，和雨果·范·哈默电机工程学系，天主教鲁汶大学，比利时鲁汶赫维2005年10月收到24份修订于2006年3月2006年4月30日由三颗针科斯塔斯卡推荐本文的目的有三个方面：（1）提供了广泛的审查，（2）派生的信号子空间语音增强这些技术的性能的上限，（3）提出了全面的研究子空间的潜力过滤，以增加对固定加性噪声失真自动语音识别器的特性。

子空间滤波方法是基于嘈杂的讲话观测空间的正交分解成信号子空间和噪声子空间。

这种分解可以用于语音模型的低秩的假设下，对是否有可用的估计的噪声相关矩阵。

我们提出了一个广泛的概述可用的估计，并从中获得了理论估计实验评估的上限的性能，可以实现由任何基于子空间的方法。

与噪声数据的自动语音识别（ASR）的实验表明，基于子空间的语音增强显着提高这些系统的特性添加剂有色噪声环境。

获得最佳性能如果没有明确的嘈杂的Hankel矩阵降秩进行。

虽然此策略可能增加的电平残留噪声，它减少了识别器的后端取出必要的信号信息的风险。

最后，它也示出子空间滤波相比，毫不逊色知名谱减法技术。

版权所有©2007 Kris Hermus等。

这是一个开放的文章，分布在Creative Commons Attribution许可下，允许无限制地使用，分配，任何媒体，提供了原来的工作是正确的引用。

1.简介一类特殊的语音增强技术，已经获得了很多关注的是信号子空间过滤。

在这种方法，非参数的线性估计联合国干净的已知语音信号获得基于在减压位置观察到的噪声信号相互orthog的onal信号和噪声子空间。

这种分解是pos-低等级的线性模型的假设下可与浇口语音和一个不相关的添加剂（白）噪声干扰高效。

在这些条件下，能量的相关性不噪声遍及整个观察空间，而连接相关的语音分量的能量集中在其子空间。

此外，在信号子空间可以回收一贯从喧闹的数据。

一般来说，噪声减少归零噪声子空间，并通过重新获得在信号子空间移动的噪声贡献。

执行基于子空间的信号估计的想法最初提出由塔夫茨等。

[1]。

在工作中，实际上是基于修改后的奇异值分解的信号估计数据矩阵。

后来，Cadzow[2]提出了一个大体上框架恢复从嘈杂的观测信号。

它假定原始信号具有某种明确定义的属性或遵循一定的模式。

信号增强然后通过以下方式获得所观察到的信号映射到空间干净的信号具有相同的结构的信号。

这一理论形成的基础，所有的子空间为基础的噪声重新生产的算法。

第一和不可缺少的一步降噪获得归零噪声子空间（最小二乘（LS）估计）[3]。

然而，改进降噪，的噪声贡献（信号+噪声）的子空间应该被抑制或控制，这是通过其他估计在后续章节解释。

特别令人感兴趣的是最小方差（MV）上课了，它给出了最佳线性估计的干净数据，官拜p的干净信号和方差白噪声[4，5]。

后来，子空间的语音连接[6]中，提出了与噪声整形hancement。

基于观察的信号失真和剩余噪声能不能最小化的同时，两个新的线性估计设计时域限制（贸发局）和频谱域约束（SDC）保持水平的渣油UAL噪声低于选定的阈值，同时最大限度地减少信号失真。

参数的算法控制的权衡残余噪声和信号失真。

在子空间基于语音增强真正的感性噪声十八根据估计，残余噪声的形状干净信号的掩蔽阈值，所讨论的更多的重要文献[7-9]。

虽然基本的基于子空间的语音增强白噪声失真处理开发的，它可以方便ILY延伸到去除一般有色噪声噪声协方差矩阵是已知的（或可估计交配）[10，11]。

了详细的理论分析的未其潜在的子空间滤波原理，例如，可以是发现[4，6，12]。

出色的降噪能力，子空间滤波器散射技术的一些研究证实，都与基本LS估计[3]，并与更高级的优化后SATION标准[6，10，13]。

特别是MV和SDC ES的timators，改善语音质量优于谱减法的方法揭示了听力测试。

噪声抑制促进了解，社区nication，对语音信号的处理。

因此，它也起着重要的作用，在自动语音识别（ASR），以提高在嘈杂环境下的鲁棒性。

后者是通过加强观察嘈杂的讲话信号识别器的预处理前的信号和解码运算erations。

在ASR应用的有效性的任何讲话其潜在的量化增强算法关闭嘈杂和干净的语音识别准确之间的差距活泼在语音通信发生了什么对面AP-褶皱的语音可懂度的改善和聆听者的疲劳的减少是不关心的。

然而，可以预期的相关性之间的改善目一方面在感知的语音质量，并且改善另一方面的识别准确率。

空间的方法，以强大的语音识别。

在[14]中的能源受限的信号子空间法（ECSS）是亲构成的MV估计的基础上。

为承认大词汇量连续语音（LV-CS）损坏加性白噪声，WER相对减少70％报道。

在[15]中，涂敷在MV子空间滤波识别LV-CS（LV-CSR）白色和扭曲的任务有色噪声。

跑赢显著降低WER谱减法的报告。

报告大纲在本文中，我们阐述前文[16] 描述的潜力，基于子空间的语音增强以提高在嘈杂条件下的性能ASR系统蒸发散。

起初，我们广泛审查几个子空间估计MATION技术和这些技术的基础上进行分类最优化标准。

接下来，我们进行了性能白色和彩色的噪声去除弗罗马语音增强，特别是从语音识别出比较nition观点。

一些关键参数的影响的TERS如在分析窗口的长度，Hankel矩阵尺寸，信号子空间的维度和方法具体的设计参数将被讨论。

2.子空间滤波基础任何降噪技术要求的假设干扰噪声信号的性质。

基于子空间语音增强也使得一些基本假设关于所需的信号的属性（干净语音）是的情况下，很多但不是所有的信号增强算法rithms。

由此可见，分离的语音和噪声信号NALS将根据各自不同的特点。

由于语音的特性（也具有噪声）信号（s）是随时间变化的，语音增强程序执行上分析帧重叠。

语音信号一个关键的假设在所有基于子空间的信号增强MENT算法就是每一个短时语音矢量s= [s（1），s（2）。

s（q）可以写为一个线性组合线性无关的基础功能，i=1…p，S=My (1)其中M是一个（Q ×P）矩阵包含的基函数（列方向排列的），而y是一个长度- 对列向量含的权重。

的数量和形式这些基础功能一般会在随时间变化（帧而定）。

选择英里（阻尼）正弦曲线运动由传统的正弦模型（SM）的语音迪瓦特信号。

这里一个关键的观察是，连续讲话向量s占据着（P <Q）维子空间的q维的欧氏空间（p等于发出信号或通DER）。

由于语音信号的时变性质，此信号子空间的位置（和它的尺寸）因此，框架依赖。

噪声信号加性噪声被假定为零均值的，白色的，并与语音信号的不相关的。

其方差应该慢慢的随时间变化的，它可以从噪声估计只有段。

相反，连续的语音信号噪声向量n将占据整个q维空间。

语音/噪声分离基于上面的描述中的语音和噪声信号NALS，上述q维观测空间被分为两个子空间，即p维的（信号+噪声）的子空间的噪声干扰与语音信号，和（Q - 对）维子空间，其中只包含噪声（和无语音）。

语音增强的程序现在，可以归纳如下：（1）（噪声）的子空间（2）删除（噪声）的子空间，（3）可以移除（信号中的噪声成分分离（信号+噪声）的子空间+噪声）的子空间。

第一个操作简单的白噪声这里所考虑的条件，但可以成为复杂有色噪声的情况下，我们将看到进一步。

第二个操作适用于所有实现基于子空间的信号增强，而第三个运算忧思是必不可少的，以获得增加样本，并让N（K）是零均值，加性白噪声失真作为假定为与干净语音不相关。

然后给出了观察嘈杂的噪声降低TION。

然而，最后的操作有时被删去因为采用了语音失真。

后者问题是不可避免的，因为过的语音信号和噪声信号圈中的信号子空间。

在下一节中，我们将解释的正交分解成依赖于帧的信号和噪声子空间可以被执行的噪声信号的一个SVD观察守恒矩阵，或等价由特征值分解（EVD）的噪声信号相关矩阵。

2.2 算法（K）代表干净的语音的讲话x（k）x(k)=s(k) + n(k). （2）此外，令，和为（q*q）（q> p）真正的汽车相关矩阵的x（k）s（k），n（k）分别。

应有假设不相关的语音和噪声，但显然+(3)EVD的，令，, 之间可以写成如下形式：, (4)=(I), (5)=(+)(6)对角矩阵的特征值我，正交矩阵的特征向含有量，噪声方差，而我单位矩阵。

一个关键的观测噪声的特征向量是相同的，这里是重刑由于白噪声的干净语音特征向量假设重刑的R的本征向量，可以发现从EVD的（6）。

干净语音局限于一个（P<Q）维子空间（1）的假设基础上，我们知道只有p非零特征值。

如果>(i=1,…,p), (7)噪声可以从语音信号中分离，EVD的可以改写为=[](8)如果我们假设元素我的由高到低依次是：下标p和q-p 对参考信号和噪声子空间。

不管具体的优化准则，语音现在得到增强（1）限制增强的讲话完全占据了信号归零成分在噪声子空间子空间，（2）变化的（即，降低）的特征值，对应失效的信号子空间。

数学上，这可以增强程序令状10嘈杂的讲话向量作为过滤操作所述x=[x（1），x（2），…，x（q）：=Fx (9)与过滤器矩阵F由下式给出F=(10) （p*p）的对角矩阵包含的重的因素第一个P的特征值的，而和的，KLT（卡亨南Loeve变换）被称为MA矩阵及其逆。

该过滤器矩阵F 可以是改写F=(11 )示出经滤波的信号的总和可以被看作是的p输出一个“过滤器银行”（见下文）。

每个过滤器滤波器组是完全依赖于一个特征向量v¯i和相应的增益因子EVD SVD滤波在许多实现中，真正的协方差矩阵（4）中（6）作为接收=（=+ ）估计（m*q）（m> q）嘈杂的汉克尔（或Toeplitz信号观测矩阵构建一个嘈杂的讲话向量x图1：FIR滤波器实现基于子空间的语音增强。

每个奇异三重峰对应的零相的噪声信号的滤波版本。

含N（N>>q，m+q=N +1）x(k)样品。

在这种情况下，可以通过以下方式获得等效的语音增强的奇异值分解[6]。

常用的修改基于SVD的语音增强的程序如下收益.让的SVD给予=U . (12)如果短时语音信号和噪声信号是正交（=0），如果是白色的短时间噪声信号（=I），然后(13)矩阵的奇异值的清洁Hankel矩阵，规范（注意，对于大N和平稳的情况下白噪声，/米的收敛在均方意义）。

在较弱的条件下，经验的协方差矩阵，/ N将收敛到真正的自相关矩阵所述。

换句话说，对于足够大的N，即子空间由p主导特征向量的V跨越将收敛是向量的由式（6）所跨越的子空间。

增强的矩阵，然后HS是获得=(14) 或者=(15)表示第i个奇异值Σ。

增强的信号（k）的平均沿回收的。

Dologlou 和Carayannis[17]稍后汉森和Jensen[18]证明，这个的整体程序相当于一个全球性的FIR滤波操作上的噪声的时间信号（图1）。