Сравнительный анализ одноканальных спектральных алгоритмов шумоподавления широкополосных сигналов

Л.И. Аверина; Д.С. Кузнецов; Д.Ю. Чаркин

doi:10.18127/j00338486-202305-16

Сравнительный анализ одноканальных спектральных алгоритмов шумоподавления широкополосных сигналов

Л.И. Аверина¹, Д.С. Кузнецов², Д.Ю. Чаркин³

научная статья УДК 621.391.825 Страницы: 157-165 doi.org/10.18127/j00338486-202305-16

^1,2,3 АО «Концерн «Созвездие» (г. Воронеж, Россия)

Ключевые слова: Одноканальное шумоподавление усиление широкополосного сигнала компенсация фазового спектра

Аннотация

Постановка проблемы. Одноканальные системы шумоподавления играют важную роль во многих приложениях как автономные системы или на этапе постобработки для устройств с несколькими сенсорами. В большинстве теоретических работ, предлагающих различные подходы к решению задачи шумоподавления широкополосных сигналов, обычно рассматривается ограниченный тип помеховых сигналов с заданными статистическими свойствами. Кроме того, в них не анализируются аспекты практической применимости и реализуемости алгоритмов.

Цель. Провести сравнительный анализ одноканальных алгоритмов шумоподавления широкополосных действительных сигналов, основанных на обработке амплитудного и фазового спектров, и предложить эффективные, надежные и практически реализуемые алгоритмические подходы, повышающие помехоустойчивость одноканальной системы при наличии широкополосной помехи, а также оценить их эффективность подавления различных типов помех и программную сложность, используя низкоуровневую реализацию на микроконтроллерах.

Результаты. Рассмотрены спектральные алгоритмы шумоподавления широкополосных действительных сигналов, использующие их статистические данные на приемной стороне. С помощью имитационного моделирования проведен сравнительный анализ эффективности их функционирования при различной помеховой обстановке. Рассматриваемые теоретические алгоритмы реализованы в системе речевой связи для усиления речи диктора. Также проанализирована эффективность рассмотренных подходов по отношению к акустическим сигналам и помехам на примере частного случая. В результате имитационного эксперимента установлено преимущество метода, основанного на обработке амплитудного спектра сигнала как в части эффективности борьбы с различными типами широкополосных помех, так и с позиции вычислительной сложности. С помощью реализованной низкоуровневой имплементации методов проведена оценка скорости их работы.

Практическая значимость. Предложенные алгоритмические подходы и допущения практически реализуемы и позволяют снизить аппаратную сложность спектральных алгоритмов шумоподавления широкополосных сигналов.

Поступила: 28.02.2023
Одобрена: 03.03.2023
Принята: 30.03.2023

Для цитирования

Аверина Л.И., Кузнецов Д.С., Чаркин Д.Ю. Сравнительный анализ одноканальных спектральных алгоритмов шумоподавления широкополосных сигналов // Радиотехника. 2023. Т. 87. № 5. С. 157−165. DOI: https://doi.org/10.18127/j00338486-202305-16

Список источников

Dendrinos M., Bakamides S., Carayannis G. Speech enhancement from noise: A regenerative approach // ELSEVIER Speech Commun. Feb. 1991. V. 10. № 2. P. 45–57.
Gazor S., Zhang W. Speech enhancement employing Laplacian-Gaussian mixture // IEEE Trans. Speech Audio Process. Sep. 2005. V. 13, № 5, P. 896–904.
Gülzow T., Engelsberg A., Heute U. Comparison of a discrete wavelet transformation and a nonuniform polyphase filterbank applied to spectral-subtraction speech enhancement // ELSEVIER Signal Process. Jan. 1998. V. 64. № 1. P. 5–19.
Ephraim Y. Statistical-model-based speech enhancement systems // Proc. IEEE. Oct. 1992. V. 80. № 10. P. 1526–1555.
Hendriks R.C., Gerkmann T., Jensen J. DFT-domain based single-microphone noise reduction for speech enhancement - a survey of the state of the art. Morgan & Claypool Publishers. 2013.
Erkelens J.S., Hendriks R.C, Heusdens R., Jensen J. Minimum mean-square error estimation of discrete Fourier coefficients with generalized Gamma priors // IEEE Trans. Audio, Speech, Language Process. Aug. 2007. V. 15, № 6, P. 1741–1752.
Gerkmann T. and Hendriks R.C. Unbiased MMSE-based noise power estimation with low complexity and low tracking delay // IEEETrans. Audio, Speech, Language Process. May 2012. V. 20. № 4. P. 1383–1393.
Ephraim Y., Malah D. Speech enhancement using a minimum mean-square error shorttime spectral amplitude estimator // IEEE Trans. Acoust., Speech, Signal Process. Dec. 1984. V. 32. № 6. P. 1109–1121.
Wójcicki K., Milacic M., Stark A., Lyons J., Paliwal K. Exploiting conjugate symmetry of the short-time Fourier spectrum for speech enhancement // IEEE Signal Process. Lett. 2008. V. 15, P. 461–464.
Stark A.P., Wojcicki K.K., Lyons J.G., Paliwal K.K. Noise driven short time phase spectrum compensation procedure for speech enhancement // Proc. INTERSPEECH 2008. Brisbane, Australia. Sep. 2008. P. 549-552.
Rix A., Beerends J., Hollier M., Hekstra A. Perceptual Evaluation of Speech Quality (PESQ) - A new method for speech quality assessment of telephone networks and codecs // In Proc. IEEE Int. Conf. Acoustics, Speech, and Signal Processing (ICASSP’01). Salt Lake City. UT. 2001. V. 2. P. 749–752.

Полный текст, PDF 350 ₽

[1] Dendrinos M., Bakamides S., Carayannis G. Speech enhancement from noise: A regenerative approach // ELSEVIER Speech Commun. Feb. 1991. V. 10. № 2. P. 45–57.

[2] Gazor S., Zhang W. Speech enhancement employing Laplacian-Gaussian mixture // IEEE Trans. Speech Audio Process. Sep. 2005. V. 13, № 5, P. 896–904.

[3] Gülzow T., Engelsberg A., Heute U. Comparison of a discrete wavelet transformation and a nonuniform polyphase filterbank applied to spectral-subtraction speech enhancement // ELSEVIER Signal Process. Jan. 1998. V. 64. № 1. P. 5–19.

[4] Ephraim Y. Statistical-model-based speech enhancement systems // Proc. IEEE. Oct. 1992. V. 80. № 10. P. 1526–1555.

[5] Hendriks R.C., Gerkmann T., Jensen J. DFT-domain based single-microphone noise reduction for speech enhancement - a survey of the state of the art. Morgan & Claypool Publishers. 2013.

[6] Erkelens J.S., Hendriks R.C, Heusdens R., Jensen J. Minimum mean-square error estimation of discrete Fourier coefficients with generalized Gamma priors // IEEE Trans. Audio, Speech, Language Process. Aug. 2007. V. 15, № 6, P. 1741–1752.

[7] Gerkmann T. and Hendriks R.C. Unbiased MMSE-based noise power estimation with low complexity and low tracking delay // IEEETrans. Audio, Speech, Language Process. May 2012. V. 20. № 4. P. 1383–1393.

[8] Ephraim Y., Malah D. Speech enhancement using a minimum mean-square error shorttime spectral amplitude estimator // IEEE Trans. Acoust., Speech, Signal Process. Dec. 1984. V. 32. № 6. P. 1109–1121.

[9] Wójcicki K., Milacic M., Stark A., Lyons J., Paliwal K. Exploiting conjugate symmetry of the short-time Fourier spectrum for speech enhancement // IEEE Signal Process. Lett. 2008. V. 15, P. 461–464.

[10] Stark A.P., Wojcicki K.K., Lyons J.G., Paliwal K.K. Noise driven short time phase spectrum compensation procedure for speech enhancement // Proc. INTERSPEECH 2008. Brisbane, Australia. Sep. 2008. P. 549-552.

[11] Rix A., Beerends J., Hollier M., Hekstra A. Perceptual Evaluation of Speech Quality (PESQ) - A new method for speech quality assessment of telephone networks and codecs // In Proc. IEEE Int. Conf. Acoustics, Speech, and Signal Processing (ICASSP’01). Salt Lake City. UT. 2001. V. 2. P. 749–752.