基于TMS320VC5416DSP的數字助聽器設計
加入技術交流群
2．3 算法分析
噪聲影響使得患者語言識別率大幅下降，去噪和補償是助聽器的重要環節。人耳對于25～22 000 Hz的聲音有反應。語音的大部分可用信息只存在于200～3 500 Hz之間。根據人耳感知特性及實驗確定，對語音感知，語音識別較為重要的第二共振峰大部分位于1 kHz之上。
2．3．1 周期噪音消除
周期噪聲一般是許多離散的譜峰，來源于發動機的周期性運轉。電器干擾，特別是50～60 Hz交流聲也會引起周期噪聲。所以使用帶通濾波器可以有效地消除周期噪音以及3 500 Hz以上的高頻聲音。本文引用地址：http://www.104case.com/article/166697.htm
IIR數字濾波器在沒計上可以借助成熟的模擬濾波器的成果，如巴特沃斯、契比雪夫和橢圓濾波器等，IIR數字濾波器線性差分方程：
Matlab環境下可視化得到濾波器對動態輸入數據的實時濾波效果如圖3所示。
2．3．2 基于短時譜估計的寬帶噪音去除
由于語音信號的短時譜具有較強相關性，而噪聲的前后相關性很弱，因此采用基于短時譜估計的方法從帶噪語音中估計原始語音。而且人耳對于語音相位感受不敏感，可將估計得對象放在短時譜的幅度上。
2．3．3 譜相減法
譜相減法在無參考信號源的單話筒錄音系統中是一個有效的方法。因為噪聲是局部平穩的，可認為發語音強的噪聲與發語音期間的噪聲功率譜相同，因此利用語音前后的“寂靜幀”來估計噪聲。
譜相減法的原理框圖及仿真結果如圖4，圖5所示，對語音信號加窗處理后，利用已知的噪聲功率譜信息對信號進行除噪處理。
2．4 噪聲對消法
噪聲對消法是最基本的減譜算法，它的基本原理是從帶噪語音中直接減去噪聲。由于寬帶噪聲與語音信號在時域和頻域上完全重疊，是比較難去除的。所以需要用到非線性處理，自適應濾波器不斷地調節。
圖6中一個聲道采集帶噪語音，另一個聲道采集噪聲。帶噪語音序列S(n)與噪聲序列d(n)經傅里葉變換得到頻譜分量Sk(w)和Dk(w)，噪聲分量Dk(w)經過濾波后與帶噪語音相減，再加上帶噪語音的相位，經傅里葉反變換恢復為時域信號。在強噪音背景時，這種方法可以得到很好的消除噪音效果。
在實際中兩個采集聲道要保證一定隔離，以防止兩個聲道都采到帶噪語音。為了使采集到的噪聲更接近于帶噪語音中的噪聲，自適應濾波器可以很好地實現這一功能。
圖7是運用噪聲對消法得到的左聲道的增強語音示例。
評論