基于改进LsA-MMSE与音乐噪声抑制的语音增强统

资 源 简 介

本项目基于MATLAB环境开发了一套完整的语音增强系统，核心算法采用对数谱幅度最小均方误差（LsA-MMSE）估计器。为了提升算法在非平稳噪声环境下的性能，项目严格参照Isal的学术论文，对传统的先验信噪比（a priori SNR）估计器进行了深度修改与优化，使其能更精准地捕捉语音信号的统计特性。此外，针对频谱增强类算法中常见的声学伪影问题，特别是语音间隙（非语音活动区）容易产生的残留“音乐噪声”，本项目实施了专门的平滑处理与抑制策略，成功消除了这些干扰，显著提升了输出语音的听感自然度和信噪比。项目不仅复现了Isal论文中的改进技术，还提供了一套可调节参数的测试框架，用于验证不同噪声场景下的增强效果。

详 情 说 明

改进型 LsA-MMSE 语音增强与音乐噪声消除系统

项目简介

本项目是一个基于 MATLAB 环境开发的完整语音增强仿真系统。它实现并改进了经典的对数谱幅度最小均方误差（LsA-MMSE）估计算法，旨在从被粉红噪声污染的语音信号中恢复出纯净语音。

项目的核心在于对传统算法进行了针对性优化，特别是参考了 Isal 等人的学术思路，改进了先验信噪比（Prior SNR）的估计机制，使其能够动态适应语音的瞬态变化。同时，针对频谱减法类和统计模型类算法常见的“音乐噪声”（Musical Noise）问题，项目中实施了专门的增益平滑与底限约束策略，显著提升了输出语音的听感自然度。

功能特性

• 全流程信号仿真：内置语音合成引擎，无需外部音频文件即可进行算法验证，能够生成包含基频变化、谐波结构和语音间隙的模拟语音。
• 改进型 LsA-MMSE 估计器：基于对数谱域的最小均方误差准则，相比传统维纳滤波能获得更好的语音质量。
• 自适应先验 SNR 估计：改进了传统的判决引导（Decision-Directed, DD）法，通过监测频谱通量动态调整平滑系数，在高非平稳噪声下表现更佳。
• 音乐噪声抑制：结合增益平滑（Gain Smoothing）和谱底限（Gain Floor）技术，有效消除残留的非自然人工伪影。
• 软判决噪声更新：采用基于后验 SNR 的软判决机制更新噪声功率谱，减少对语音段的误估计。
• 多维度可视化评估：提供时域波形、语谱图、增益曲线及残差功率谱密度（PSD）的对比分析。

详细算法实现逻辑

本项目的主程序通过以下五个关键步骤实现了信号处理流程，代码逻辑严格遵循以下数学模型：

1. 信号模拟与预处理

程序不依赖外部输入，而是通过数学模型合成测试信号：

• 语音生成：通过调频（FM）模拟基频变化，调幅（AM）模拟共振峰结构，合成具有三个谐波分量的类语音信号，并添加包络模拟语音间隙。
• 噪声生成：基于 Voss-McCartney 简化算法生成 1/f 粉红噪声，模拟真实环境中的背景噪声。
• 混合：根据设定的目标信噪比（Target SNR, 默认为 5dB）混合纯净语音与噪声。
• 分帧：使用汉宁窗（Hanning Window）进行分帧，重叠率为 50%。

2. 步骤 A：改进型噪声估计

不同于简单的静态噪声估计，代码实现了一种递归平滑更新策略：

• 在前 10 帧强制更新噪声谱以快速初始化。
• 后续帧引入软判决机制（VAD逻辑）：计算当前帧的后验信噪比，利用 Sigmoid 函数计算“语音存在概率”。
• 仅在语音存在概率较低时更新噪声功率谱，从而保护语音成分不被误更新为噪声。

3. 步骤 B：改进型先验信噪比（Prior SNR）估计

这是本项目的核心改进点，旨在解决传统 DD 方法在语音起始段的拖尾问题：

• 计算瞬时谱变化率（Spectral Flux），即当前帧与噪声谱对数域的差异。
• 自适应 Alpha 调节：如果谱变化均值超过阈值（设定为 2.0），判定为信号突变（瞬态），将平滑系数 Alpha 临时降低至 0.7 以加快跟踪速度；否则保持在 0.98 以保证平稳段的噪声抑制效果。
• 结合上一帧的增益和当前帧的后验信噪比计算最终的先验 SNR，并设定下限（xi_min）防止数值异常。

4. 步骤 C：LsA-MMSE 增益计算

严格依据 LsA-MMSE 理论公式计算频谱增益：

• 计算辅助变量 v，它是先验信噪比与后验信噪比的函数。
• 利用 MATLAB 的 expint 函数计算指数积分。
• 最终增益公式包含了先验 SNR 项和指数积分项的组合，以最小化对数谱幅度的均方误差。

5. 步骤 D：音乐噪声抑制与后处理

为消除增强后语音中常见的类似“水泡声”的音乐噪声，代码实施了后处理：

• 帧间增益平滑：当前帧的最终增益是计算出的 LsA 增益与上一帧增益的加权平均（平滑因子 0.8），这平滑了频谱的剧烈跳变。
• 增益下限（Gain Floor）：强制限制最小增益不低于 0.05，确保背景噪声听起来自然连续，而不是完全静音导致的真空感。

6. 信号重构

• 使用重叠相加法（Overlap-Add, OLA）将频域信号恢复为时域信号。
• 利用带噪信号的原始相位进行重构（人耳对相位不敏感）。
• 去除直流分量并进行幅度归一化，防止削波。

结果可视化

运行系统后，将生成一个包含多个子图的分析窗口：

1. 时域波形对比：直观展示带噪语音、增强后语音与纯净语音的时域包络重合度。
2. 语谱图对比：

* 输入：展示噪声在时频域的分布。 * 增强后：展示降噪后的频谱结构，可明显观察到语音间隙的噪声被抑制，且保留了语音的谐波纹理。 * 对比重点：验证音乐噪声是否得到有效平滑。

1. 特性曲线：绘制 LsA-MMSE 的增益相对于先验 SNR 的理论曲线，验证算法实现的正确性。
2. 残差分析 (PSD)：对比输入、输出和残差信号的功率谱密度，量化不同频率下的噪声衰减程度。

系统要求

• MATLAB R2016b 或更高版本。
• Signal Processing Toolbox（信号处理工具箱），用于 hanning, spectrogram, pwelch 等函数。

使用方法

1. 确保 MATLAB 路径中包含主程序文件。
2. 直接运行主函数。
3. 程序将自动生成模拟信号，执行降噪处理，并弹出可视化结果窗口。
4. 控制台会输出处理完成提示及当前设置的输入信噪比。

注意事项

• 代码通过 pinknoise 和 enframe 等局部函数实现了自包含，无需额外下载数据集。
• 主要参数（如 alph_dd, target_SNR_dB, smooth_factor）均定义在主函数顶部，方便用户根据测试需求进行调节。