下载文档原格式
2009，45（19）1引言语音是当今社会重要的信息交互手段。
随着社会的不断发展，人们对语音质量的要求不断提高。
语音增强成为了非常重要的一门关键技术。
语音增强是从带噪声的语音中去除噪声，使语音部分更加清晰易懂。
当前的语音增强算法，大致可分为四类[1]：谱减类、子空间类、统计模型类和维纳滤波类。
谱减法是较早提出的语音增强方法，它是在某帧语音变换到频域之后，减去噪声估计得到的。
由于实际环境的复杂性，对噪声很难达到准确估计，就会出现噪声抑制不足或者过相减的情况，引起大量残存乐性噪声。
子空间类方法虽然消除了一定的乐性噪声，但是同时又引入了咝咝的声音，降低了语音可理解度。
该类方法的另外一个缺点是计算量大，不易实现[2]。
基于统计模型类的语音增强方法则需要进行大量的训练，对特征选取和模型构建依赖性很强。
维纳滤波类方法在语音质量和可理解度上找到了平衡，使语音在保持可理解度的基础上尽量抑制噪声，提升语音质量[3]。
以上语音增强算法都是在假设各帧信号相互独立的条件下获得的，但是由于叠接帧的使用以及语音信号自身的短时平稳和高度相关性等特性，导致相互独立这个假设不成立。
因此会导致噪声估计不准确，出现乐性噪声等等问题。
本文所有的二维维纳滤波正是充分考虑了连续时刻语音分量之间的关联信息，在一维维纳滤波的基础上，实现在二维空间的滤波和平滑，从而显著提高算法性能和增强效果的。
22D维纳滤波维纳滤波对加性噪声信号（即y[t]=x[t]+n[t]）能够实现抑制，并且不引起大的语音失真和背景残留噪声，而且不需要进行语音端点检测，只需要从时间序列x[t]和n[t]得到[4]。
其抑制滤波器为：H s（ω）=S x（ω）S xω+S bω（1）其中，Sx（ω）为信号功率谱，Sb（ω）是噪声功率谱，Hs（ω）就是维纳滤波器。
公式（1）是在目标信号和背景噪声（x[t]和n[t]）不相关并且短时平稳的假设前提下的计算公式，因此要短时分帧，对每一帧信号的FFT采用不同的维纳滤波系进行滤波：H s（L，ω）=S x（L，ω）S x（L，ω）+S b（ω）（2）其中，L为帧号，Sx（L，ω）、Sb（L，ω）和Hs（L，ω）为第L帧的信号功率谱，噪声功率谱和维纳滤波器。
数字信号处理中的语音增强算法与处理方法数字信号处理在现代通信领域扮演着重要角色，语音增强作为其中的一个关键应用领域，致力于提高语音信号的质量和清晰度。
本文将介绍一些常用的语音增强算法与处理方法，以帮助读者更好地理解数字信号处理中的语音增强技术。
1. 时域法时域法是一种常见的语音增强算法，它主要通过对语音信号的时间域进行处理来提高语音信号的质量。
其中最常用的方法是维纳滤波器。
维纳滤波器是一种自适应滤波器，它通过最小化噪声和语音信号之间的均方误差来估计噪声的功率谱密度，并对语音信号进行滤波，以减少噪声干扰。
另一个常用的时域方法是扩展最小拍线（EMD），它利用自适应滤波器和经验模态分解方法，对语音信号进行去噪处理。
EMD方法通过将信号分解为一组固有模态函数（IMF）和一个剩余项来进行去噪，从而提高语音信号的质量。
2. 频域法频域法是另一种常用的语音增强算法，它主要通过对语音信号的频域进行处理来提高语音信号的质量。
其中最常用的方法是谱减法。
谱减法通过估计噪声的功率谱密度，将它从观测到的语音信号的频谱中减去，从而减少噪声干扰。
此外，为了尽量保留语音信号的谐波特征，谱减法还会对估计的语音信号功率谱做一些修正。
另一个常用的频域方法是基于频谱特性的语音增强算法，例如基于谐波比的方法和基于特征选择技术的方法。
这些方法通过分析语音信号的频谱特性，如谐波比和谐波间隔等，来提取语音信号的有用信息并减小噪声干扰。
3. 混合域法混合域方法是一种将时域和频域方法相结合的语音增强算法，它综合了两种方法的优点，以达到更好的增强效果。
其中一个常用的混合域方法是频率子带加权方法。
这种方法将音频信号分为多个子带，对每个子带分别进行时域和频域处理，然后将结果进行加权合并，从而提高整体语音信号的质量。
另一个常用的混合域方法是基于主成分分析（PCA）的方法。
PCA方法通过对语音信号进行降维处理和离散余弦变换，从而减少噪声干扰和提取有用的语音信息。
基于听觉掩蔽效应的小波包语音增强方法研究的开题报告一、选题背景目前，语音增强技术已经在许多应用领域得到了广泛的应用，如语音通信、语音识别、语音合成等等。
但在实际应用中，由于言语信号常常受到噪声、回声等干扰，导致语音质量降低，甚至造成语音通话或者语音识别等操作无法正常进行。
因此，如何提高语音的信噪比，减少噪声的干扰，成为当前研究的热点领域。
二、研究意义基于听觉掩蔽效应的小波包语音增强方法，是一种较新的语音增强技术。
它利用听觉掩蔽效应原理，通过小波包分析对声音信号进行重构，从而达到去除噪声的目的。
这种方法可以提高语音信号的清晰度和鲁棒性，对语音识别、语音合成等应用领域有较好的应用价值。
三、研究目标本研究旨在探讨基于听觉掩蔽效应的小波包语音增强方法的理论基础、增强算法及其性能分析，通过实验验证该方法在语音降噪上的效果与优点，并探究其在实际应用场景中的应用性能、可行性和局限性，为语音增强技术的研究提供新的思路和方向。
四、研究内容本研究将围绕以下几个方面进行深入研究：1. 听觉掩蔽效应原理分析；2. 普通小波变换与小波包分析的比较分析；3. 基于小波包分析的声音增强算法设计与实现；4. 算法性能评估与分析；5. 实际应用场景中的性能验证和优化。
五、研究方法本研究将主要采用实验研究和理论分析相结合的方法进行。
具体来说，将通过对真实的语音信号进行录制，并混入不同强度的噪声信号，使用该方法进行降噪，通过比较原始语音和降噪语音的信噪比和质量等指标，验证该方法的有效性和优势。
同时，还将对算法进行理论分析和基本原理的研究，为算法的改进和进一步优化提供理论依据和思路。
六、研究计划本研究预计在 2021 年 3 月份开始， 2023 年 6月份结束，具体计划如下：1. 2021 年 3 月 - 2021 年 6 月：对小波包语音增强方法框架进行认知，并对相关文献进行搜集和阅读，制定研究计划和方案；2. 2021 年 7 月 - 2022 年 3 月：进行实验研究，录制语音数据集并混入不同强度的噪声，使用该方法进行降噪，并进行算法优化和改进；3. 2022 年 4 月 - 2023 年 3 月：进行性能评估和分析，比较该方法与其他语音增强方法的差异，同时对算法的应用性能和实际应用场景进行研究；4. 2023 年 4 月 - 2023 年 6 月：完成论文撰写、总结和毕业答辩。
基于听觉掩蔽效应的语音增强方法听觉掩蔽效应是指在某一频率的声音信号对于同一频率附近的较弱声音信号产生掩蔽作用，导致较弱声音信号难以被人耳感知到。
基于听觉掩蔽效应的语音增强方法就是利用这一特性，对语音信号进行处理，以提升其可听性和理解性。
本文将介绍基于听觉掩蔽效应的语音增强方法的原理、应用领域和技术挑战等方面。
首先，基于听觉掩蔽效应的语音增强方法的原理是利用人耳的频率掩蔽特性，对语音信号进行频域处理。
人耳对于相邻频率的声音信号之间存在掩蔽效应，当一个声音信号的能量较大时，会掩盖附近较弱的声音信号。
基于这一原理，可以通过对语音信号的频域表示进行修改，减少掩盖效应，从而提升语音的可听性。
基于听觉掩蔽效应的方法在语音增强领域有广泛的应用。
一方面，它可以应用于传统的语音增强算法中，提供更好的噪声消除效果。
传统的语音增强算法通常是通过滤波、谱减法等方法，对噪声信号和语音信号进行分离，然后通过增强语音信号的幅度，来提升语音的可听性。
然而，这种方法往往会引入新的失真，降低语音的清晰度和自然度。
基于听觉掩蔽效应的方法可以通过对声音信号的特征进行分析，压缩声音信号的能量，保留更多有用的语音信息，减少对噪音的干扰，从而达到更好的增强效果。
另一方面，基于听觉掩蔽效应的方法也可以应用于语音合成领域，提供更加自然的语音合成效果。
传统的语音合成方法通常是通过合成语音信号的频域表示，然后转换为时域信号，从而生成最终的语音。
但是由于合成过程中存在一些缺失和噪声的引入，合成的语音往往不够自然，声音质量较差。
基于听觉掩蔽效应的方法可以在频域表示中对声音信号的特征进行调整，减少听觉上的失真感，提升合成语音的音质和自然度。
然而，基于听觉掩蔽效应的语音增强方法也面临一些技术挑战。
首先，需要对语音信号的频域表示进行精确的分析和处理，以便准确识别和调整声音信号的特征。
其次，不同人的听觉特性可能存在差异，对同一频率下声音信号的掩盖效应可能存在差异，因此需要针对不同人的听觉特性进行个性化的处理。
基于听觉掩蔽效应的语音增强算法蔡军;李飞;张毅【摘要】对于低信噪比环境下的语音信号,传统谱减法残留的背景噪声较大.针对该问题,基于听觉掩蔽效应提出一种改进的语音增强算法.将人耳听觉掩蔽特性与功率谱减法相结合,设计一种时域递归平均算法对噪声进行估计,同时对带噪语音信号做频谱相减处理,从听觉的角度出发,利用估计的语音信号功率谱计算掩蔽阈值,并引入谱减功率修正系数和谱减噪声系数,实现带噪语音的信号增强.利用Matlab 2012b 进行仿真,实验结果表明,该算法在低信噪比条件下能够较好地抑制背景噪声,改善语音质量,且与改进自适应滤波算法相比,其输出信号的信噪比可提高5%左右.%For speech signals in low Signal-to-Noise Ratio(SNR) environment,residual background noise is large when using the traditional spectral subtraction method.Aiming at this problem,this paper puts forward an improved speech enhancement algorithm based on auditory masking effect.By combining the human ear auditory masking properties with power spectrum subtraction method,it puts forward a time domain recursive average algorithm to estimate noise.It makes spectrum subtraction for the speech signal with noise.From the perspective of hearing,it uses the estimated speech signal power spectrum to calculate the masking threshold.Finally,it introduces power correction coefficient spectral spectrum noise reduction coefficient to enhance speech signal with noise.Obtained by Matlab 2012b simulation,the experimental results show that the proposed algorithm can better suppress the background noise and improve the speech quality under low SNR conditions,and the SNR ofthe output signal is improved by about 5% compared with the improved adaptive filtering algorithm.【期刊名称】《计算机工程》【年(卷),期】2017(043)007【总页数】6页(P288-292,297)【关键词】信噪比;背景噪声;听觉掩蔽效应;语音增强;掩蔽阈值【作者】蔡军;李飞;张毅【作者单位】重庆国家信息无障碍与服务机器人工程研发中心,重庆 400065;重庆国家信息无障碍与服务机器人工程研发中心,重庆 400065;重庆国家信息无障碍与服务机器人工程研发中心,重庆 400065【正文语种】中文【中图分类】TP391中文引用格式：蔡军,李飞,张毅.基于听觉掩蔽效应的语音增强算法[J].计算机工程,2017,43(7):288-292,297.英文引用格式： Cai Jun,Li Fei,Zhang Yi.Speech Enhancement Algorithm Based on Auditory Masking Effect[J].ComputerEngineering,2017,43(7):288-292,297.语音增强是从语音信号中抑制和降低噪声的干扰,从而提取有用的语音信号[1],其目的主要是改进语音质量,尽可能消除环境噪声,提高信噪比,同时提高语音自然可懂度,并且它是语音识别技术乃至人机交互走向实用化的前提[2-4]。
基于听觉掩蔽效应的改进型维纳滤波算法作者：孙坤伦夏秀渝孙文慧来源：《计算机与网络》2020年第13期摘要：针对低信噪比非平稳噪声环境，提出了基于听觉掩蔽效应的改进型维纳滤波算法。
采用能熵比法对带噪语音信号进行端点检测，据此进行实时噪声谱估计。
采用经典维纳滤波算法得到近似纯净语音以计算听觉掩蔽阈值，根据掩蔽阈值动态调整改进型维纳滤波器的一组参数，通过维纳滤波得到增强语音。
通过客观评价指标SNR，PESQ测试以及主观试听测试可知，该算法不仅提高了语音信号的信噪比，而且减少了语音的失真，提高了语音的感知质量。
关键词：听觉掩蔽效应；语音增强；维纳滤波；能熵比中图分类号：TP391.4文献标志码：A文章编号：1008-1739（2020）13-68-40引言近年来，语音增强技术广泛应用于远程视频会议、智能手机等各个领域。
由于外界各种噪声的存在，语音信号难免会受到干扰。
如何有效消除语音信号中所混有的外界的噪声和提高语音质量一直是语音信号处理重要的研究课题。
传统的谱减法[1]及其改进型谱减法在去除噪声的同时不可避免地带来了音乐噪声。
相比较谱减法，虽然维纳滤波法[2]很大程度上消除了音乐噪声的影响，但是在非平稳噪声环境和低信噪比的情况下，维纳滤波法在对噪声消除和抑制的同时往往会导致语音失真比较严重。
针对传统算法存在的不足，提出了基于听觉掩蔽效应[3]的改进型维纳滤波算法。
利用人耳的听觉掩蔽效应，可以很好地降低语音信号在降噪过程中带来的失真，提高了语音质量。
1语音增强系统基于听觉掩蔽效应的改进型维纳滤波算法，语音增强系统流程图如图1所示。
本文語音增强系统对带噪语音信号的处理过程大致分为以下4个步骤进行：①实时噪声估计：利用能熵比端点检测法，判断输入信号的每一帧是语音帧还是噪声帧，如果是噪声帧则更新噪声功率谱。
②掩蔽阈值计算：根据传统的维纳滤波算法得到近似纯净的语音信号，然后由听觉掩蔽模型计算掩蔽阈值。
③改进型维纳滤波参数调整：根据掩蔽阈值自适应地调整维纳滤波参数和设定的维纳滤波器系数的下限min。
基于听觉掩蔽效应的语音增强方法听觉掩蔽效应是指当一个音频信号中出现较高强度的噪音时，人耳对低强度信号的感知能力会受到影响，即人耳对较低声音的敏感度会降低。
这个效应在日常生活中很常见，比如当我们在喧闹的街道上尝试听清一个细微的声音时，往往会被周围的噪音所干扰，导致信号难以捕捉。
在语音通讯和音频处理领域，使用听觉掩蔽效应的概念进行语音增强是一种常见的方法。
通过理解人耳对声音感知的特性，我们可以利用这种效应来提高语音信号的质量和清晰度。
下面将介绍几种基于听觉掩蔽效应的语音增强方法。
1.频谱掩蔽频谱掩蔽是指在一个频率上出现较高强度的信号会掩盖在该频率附近的较低强度信号。
基于频谱掩蔽的语音增强方法可以根据该原理通过滤波、降噪等技术来削弱噪音信号，并提高语音信号的可听性。
2.时间掩蔽时间掩蔽是指一个声音信号出现时，会抑制在其附近短时间内出现的较低强度信号。
基于时间掩蔽的语音增强方法可以利用这个原理来削弱噪音信号，提高语音信号的清晰度和可懂度。
3.功率谱减法功率谱减法是一种常用的语音增强方法，通过对输入信号的频谱进行分析，并在频域上减去预先估计的噪音谱，从而得到增强后的语音谱。
这种方法利用了听觉掩蔽效应，可以有效地提高语音信号的质量。
4.双麦克风阵列双麦克风阵列是一种常见的语音增强技术，通过在不同位置放置两个麦克风来捕捉源信号和噪音信号，然后利用听觉掩蔽效应来抑制噪音信号，从而提高语音信号的清晰度和可听性。
5.深度学习算法近年来，随着深度学习的发展，基于听觉掩蔽效应的语音增强方法也得到了很大的进展。
通过训练神经网络模型，可以利用大量的数据来学习和捕捉语音和噪音之间的相关特征，从而实现更精准和高效的语音增强效果。
综上所述，基于听觉掩蔽效应的语音增强方法在实际应用中具有重要的意义。
通过理解人耳对声音感知的特性，我们可以利用听觉掩蔽效应来减小噪音对语音信号的干扰，从而提高语音信号的质量和清晰度。
随着技术的不断进步和发展，相信基于听觉掩蔽效应的语音增强方法将会发展得更加成熟和高效。
2008年9月Journal on Communications September 2008 第29卷第9期通信学报V ol.29No.9改进的基于人耳掩蔽效应谱减语音增强算法赵晓群, 黄小珊(同济大学电子与信息工程学院，上海 200092)摘要：提出一种谱估计中的平滑系数自适应变化的新算法，该算法利用人耳掩蔽特性改进语音最小均方误差的对数谱估计增益和无语音概率(SAP)参数，并且利用改进后的SAP参数自适应地调节平滑系数，以求随着不同噪声环境的变化在去噪度、残留音乐噪声和语音畸变度之间自适应地折中。
实验表明新算法相对于其他谱减法在相同的去噪度下，语音畸变度最小且几乎察觉不到音乐噪声。
特别是在低信噪比的环境下，相对其他谱减法的优势更显著。
关键词：无语音概率；平滑系数；人耳掩蔽效应；语音畸变中图分类号：TN912 文献标识码：B 文章编号：1000-436X(2008)09-0073-08Improved speech enhancement based on spectralsubtraction and auditory masking effectZHAO Xiao-qun, HUANG Xiao-shan(College of Electronics & Information Engineering, Tongji University, Shanghai 200092, China) Abstract: Taking into account the masking properties of human auditory system and the uncertainty of the speech pres-ence, the novel algorithm modifies the log-spectral amplitude estimation and the speech absence probability (SAP) pa-rameter. Then, the smoothing parameters in noise estimation and prior SNR estimation are adaptively adjusted to modi-fied SAP parameter which reflects the degree of stationary of the measured signal. The change of smoothing parameters allows for automatic adaptation with various noisy environments and obtains the best trade-off. Experimental results demonstrate that the proposed algorithm has better performance of speech articulation without any perceptional musical-ity, compared to another modified spectral subtraction algorithms under the same level of noise reduction, and this supe-riority is more significant at very low SNR.Key words: speech absence probability; smoothing parameters; auditory masking effects; speech distortion1 引言谱减法以其算法简单和普适性强在语音增强中得到广泛应用。
实验一维纳滤波器的计算机实现一实验目的1.利用计算机编程实现加性噪声信号的维纳滤波。
2.将计算机模拟实验结果与理论分析结果相比较，分析影响维纳滤波效果的各种因素，从而加深对维纳滤波的理解。
3.利用维纳滤波一步纯预测方法实现对信号生成模型的参数估计。
二实验原理1.维纳滤波器是一种从噪声中提取信号的最佳线性估计方法，假定一个随机信号形式为：x(n)=s(n)+v(n),其中s(n)为有用信号，v(n)为噪声信号。
而维纳滤波的作用就是让x(n)通过一个系统h(n)尽可能滤掉噪声，提取近似s(n),h(n)的选择以最小均方误差为准则。
由维纳-霍夫方程知，只要求出φxx 及φxs就可求出h（h=φ-1xxφxs）。
但要求h(n)满足因果性要求，维纳-霍夫方程便是一个难题，这里利用最佳FIR 维纳滤波方法求解h(n)的近似，这也便于在计算机上实现，公式为：h =R-1xx rxs。
实验中s(n)由信号生成模型：s(n)=as(n-1)+w(n)确定，其中a=0.95,w(n)是均值为0，方差为бw2=1的高斯白噪声，v(n)为均值为0，方差为1的高斯白噪声，且s(n)与v(n)不相关。
实验中s(n)是已知的，但实际中如果s(n)已知，维纳滤波也就失去意义了，因此实验纯粹是为了理解维纳滤波原理而设计。
2.维纳一步纯预测问题S(n)的生成模型：s(n)+a1(n-1)+…+a p s(n-p)=w(n),已知φxx（n）,利用Yule-walker方程即可得到信号生成模型参数a i(i=1,2…p)和б2w 。
三实验步骤及结果分析1.仔细阅读维纳滤波原理，根据图 1.1 给出的框图编制维纳滤波程序。
(程序见附录)2.运行维纳滤波程序，选择L=5000,N=10，观察并记录实验结果，分析比较下列三个问题：①与s(n)比较，信号x(n)在维纳滤波前后有何差别？滤波效果如何？（注意：比较噪声方差时应取多次实现的平均值,在本实验中我们统一取100 次实现的平均）可知滤波前后x(n)围绕s(n)的波动比较大，这种变化是由滤波前有很大噪声造成的。
一种基于维纳滤波的语音增强算法蔡萍【摘要】由于各式各样噪声的存在，语音信号的质量会大大地降低，环境噪声的污染造成了许多语音处理系统的功能性急剧降低。
维纳滤波是处理噪声污染的可行办法之一。
维纳滤波法是一类以极小的均方误差为原则、对平稳过程的最优估计器。
对语音信号进行逐帧处理的过程中，传统的维纳滤波法计算短时自相关函数时会遇到求和项数递减的问题，造成自相关函数估计的不准确。
针对这一问题，提出一种计算修正自相关函数的改进算法。
该算法处理后滤波器系数更加逼近最优值，提高了语音增强的信噪比。
【期刊名称】《广东通信技术》【年(卷),期】2016(033)006【总页数】4页(P63-66)【关键词】语音增强;维纳滤波;自相关函数【作者】蔡萍【作者单位】闽江学院物理学与电子信息工程系【正文语种】中文蔡萍闽江学院物理学与电子信息工程系讲师。
语音是人类进行交流的重要工具，已经越来越被人类重视。
但是现实生活中，语音中总是掺杂着各种噪声，使得语音失真。
语音降噪是解决噪声污染的一种有效方法，其主要目的是尽可能的去除带噪语音中的背景噪声，实现噪声和语音分离，从而使语音信号的质量得到改善［1］。
维纳滤波器对带噪语音进行降噪的基本原理是依据最小均方误差法则进行降噪滤波器的设计，带噪语音通过设计滤波器来进行噪声消除，从而获取降噪后较纯净的语音［2］。
传统的维纳滤波法计算短时自相关函数时，求和项数递减，自相关函数值趋于衰减，得不到准确的自相关函数的估计。
本文提出一种修正后的自相关函数的计算方法，很好地克服了这一问题。
设带噪语音信号，纯净语音信号和噪声信号分别为y（k）,x（k）, n（k），y（k）=x（k）+n（k）。
将带噪语音信号通过维纳滤波器，输出应尽量逼近x（k）。
用e（k）表示真实值与估计值之间的误差，即显然e（k）是随机变量。
维纳滤波的误差准则就是最小均方误差准则，即令达到最小值。
对因果系统而言，设h（n）是一个因果序列且可用有限长（N点长）的序列去逼近它，则式（3）和（4）变为：要使得均方误差对小，将上式对各h（m）（m=0,1,…,N-1）求偏导，并且等于零，得：于是得到N个线性方程：写成矩阵形式如下：从维纳-霍夫方程中解出的hopt（m）就是最小均方误差准则下的最佳滤波器系数。
一种基于自适应滤波的语音增强算法的DSP实现
曹晓琳;吴平;张素莉;丁铁夫
【期刊名称】《电子器件》
【年(卷),期】2005(028)003
【摘要】针对某大型车辆专用车内通话系统设计中的语音增强问题,对一种基于自适应滤波的语音增强算法进行了较为深入的研究.介绍了该算法的基本原理,及以TMS320VC5402为核心的语音增强模块的硬件设计,详细讨论了该算法的软件实现过程,并给出了实验结果.结果表明,该算法结构简单、易于实现,有较好的实用价值.【总页数】4页(P637-640)
【作者】曹晓琳;吴平;张素莉;丁铁夫
【作者单位】中国科学院长春光学精密机械与物理研究所,长春,130033;中国科学院研究生院,北京,100039;中国科学院长春光学精密机械与物理研究所,长
春,130033;中国科学院研究生院,北京,100039;中国科学院长春光学精密机械与物理研究所,长春,130033;中国科学院研究生院,北京,100039;长春工程学院,长
春,130012;中国科学院长春光学精密机械与物理研究所,长春,130033
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.自适应滤波语音增强算法改进及其DSP实现 [J], 王瑜琳;田学隆;高雪利
2.基于DSP混合编程的LMS自适应滤波算法实现 [J], 黄勇;吴运金;宋俊才
3.基于微分麦克风阵列的自适应语音增强算法研究及DSP实现 [J], 宋辉;刘加
4.基于自适应滤波的一种语音增强算法研究 [J], 乌晓礼
5.基于自适应滤波的一种语音增强算法研究 [J], 乌晓礼
因版权原因，仅展示原文概要，查看原文内容请购买。
