基于贝叶斯估计的隐马尔可夫模型语音增强方法

开发了一种基于贝叶斯估计的方法，用于增强受到统计独立加性噪声影响的语音信号。特别地，开发了最小均方误差（MMSE）和最大后验（MAP）信号估计器，这些估计器使用隐马尔可夫模型（HMMs）对干净信号和噪声过程进行预测。研究表明，MMSE估计器由条件均值估计器的加权和组成，这些条件均值估计器适用于带噪声信号的复合状态，其中权重等于给定带噪声信号的复合状态的后验概率。还考虑了干净信号的几个谱特征的估计，例如样本谱和相位的复杂指数。使用期望最大化算法开发了一种增益自适应的MAP估计器。讨论了MMSE估计器的理论性能，并证明了MAP估计器的收敛性。在输入信号噪声比为5到20 dB的条件下，对MMSE和MAP估计器进行测试，以增强受到白色高斯噪声影响的语音信号。