基于Martin最小统计量算法的语音增强系统

资 源 简 介

本项目是专门针对Martin谱减法设计的MATLAB程序实现，旨在解决复杂背景噪声环境下的语音清晰度提升问题。该算法的核心特征在于引入了最小统计量噪声估计技术，通过在一定时间窗口内对信号功率谱进行最小值跟踪，能够实现在不需要语音活动检测（VAD）的情况下动态估计非平稳噪声的特征。程序完整实现了从带噪信号的预处理、分帧、加窗，到频域内的功率谱估计及噪声减除全过程。为了方便学习与工程应用，代码中详细集成了一系列中文专业注解，涵盖了对平滑因子、偏差补偿系数以及音乐噪声抑制方法的深入解析。该方案能够有效缓解传统谱

详 情 说 明

基于Martin算法的MATLAB谱减法语音增强系统

项目介绍

本项目实现了一种基于Martin最小统计量（Minimum Statistics）算法的语音增强系统。该系统通过在频域内对带噪信号进行动态处理，旨在提高非平稳噪声环境下的语音清晰度。相较于传统固定阈值的谱减法，本系统最显著的优势在于能够自动跟踪噪声的变化，无需预先设置语音活动检测（VAD）模块，因此在信噪比动态波动的情况下表现出更强的鲁棒性。

功能特性

• 无须VAD检测： 通过最小统计量原理，在不需要识别语音段与噪声段的前提下，直接从连续信号中估计噪声特征。
• 非平稳噪声跟踪： 引入时间轴上的滑动窗口最小值搜索，能够捕捉并补偿随时间变化的背景噪声。
• 低失真谱减： 结合了过减因子和谱下限技术，有效权衡了噪声去除程度与残留“音乐噪声”之间的关系。
• 全流程处理方案： 覆盖了从信号生成、预处理、频域分析、噪声估计到信号重建的全套数字信号处理链路。
• 多维结果可视化： 提供时域波形、语谱图以及特定频点噪声跟踪曲线的对比分析，辅助学术研究与实验观察。

系统要求

• 软件环境： MATLAB R2016b 或更高版本。
• 工具箱支持： 建议安装 Signal Processing Toolbox（信号处理工具箱），用于获取更优的窗函数支持和语谱图分析功能。
• 硬件要求： 标准计算机配置即可，支持音频回放功能以验证增强效果。

实现逻辑与功能说明

本程序逻辑严密地遵循了经典Martin算法的实施步骤，具体流程如下：

1. 带噪信号构建与预处理：

程序首先模拟生成一段包含多重频率成分且具有振幅包络的合成语音信号，并人为叠加非平稳随机噪声。随后将信号进行分帧处理，采用采样率为16kHz，帧长为512采样点（约32ms），并使用汉明窗（Hamming Window）进行加窗，以减少频谱泄露。

1. 短时傅里叶变换（STFT）：

通过快速傅里叶变换将每一帧时域信号转换到频域。计算各帧的周期图功率谱，作为后续噪声估计的基础数据。

1. Martin最小统计量噪声估计核心逻辑：

这是本系统的算法核心，包含以下关键环节：

• 时间平滑： 对当前帧的功率谱进行一次一阶递归平滑，减少由于信号瞬时波动产生的估计误差。
• 滑动窗口最小跟踪： 系统维护一个包含72帧（涵盖约0.9秒至1.5秒）历史功率谱的缓冲区。算法在每个频点上持续寻找该窗口内的最小值。
• 偏差补偿： 由于统计学意义上的最小值通常会低于真实的噪声平均功率，程序引入了经验补偿因子（如1.5），对搜索到的最小值进行修正，从而得到更准确的噪声功率谱密度（PSD）估计。

1. 频域谱减增强：

在得到每帧的实时噪声估计后，程序在功率谱域执行减法运算。为了进一步优化音质，引入了过减因子以压制突发噪声，并设置了谱下限（Spectral Floor），防止因过度减去噪声而产生的阶梯状频谱失真（即音乐噪声）。

1. 信号重建（ISTFT）：

将增强后的幅度谱与原始带噪信号的相位信息重新组合。通过逆快速傅里叶变换（IFFT）将信号转回时域，并使用重叠相加法（Overlap-Add）恢复出连续的增强语音，确保帧与帧之间的过渡平滑。

关键参数解析

• 平滑因子 (alpha)： 决定了功率谱更新的速度。较高的平滑值能带来更稳定的估计，但对噪声突变的灵敏度会下降。
• 窗口宽度 (D)： 系统设定的寻找最小值的周期。该长度需足以覆盖最长的语音段，确保能捕捉到语音间隙中的噪声基准。
• 偏差补偿因子 (Bmin)： 修正最小值统计量与平均噪声水平之间的数学偏差。
• 谱下限 (spectral_floor)： 当计算结果低于此阈值时，强制设定一个微弱的背景底噪，利用心理声学掩蔽效应隐藏音乐噪声碎块。

可视化说明

程序运行结束后会自动生成一张包含多幅子图的综合分析看板：

• 时域波形图： 对比带噪信号与处理后的信号，观察包络恢复情况。
• 语谱图： 观察频谱能量分布，直观验证高频背景噪声的消除效果及语音共振峰的保留程度。
• 噪声跟踪曲线： 专门选取某一特定频率，动态展示噪声功率谱是如何跟随带噪信号底噪的变化进行更新的，这是Martin算法有效性的核心证据。

使用方法

1. 直接在MATLAB编辑器中打开程序。
2. 点击运行按钮。
3. 检查命令行输出的处理完成提示。
4. 观察自动生成的图形窗口，并可取消程序末尾关于音频写入的注释，将处理后的信号保存为本地wav文件进行试听。