بهسازي گفتار با تخمين‌گر كم‌ترين ميانگين مربعات خطا بر پايه توزيع مخلوط لاپلاس براي گفتار

Speech Enhancement Using MMSE Estimator Based on Mixture of Laplacian

در اين مقاله يك روش بهسازي گفتار آماري با فرض توزيع مخلوط لاپلاس براي گفتار، جهت تخمين سيگنال گفتار تميز (بدون نوفه) از سيگنال گفتار نوفه‌اي ارايه شده است. در روش پيشنهادي، ضرايب تبديل فوريه زمان كوتاه گسسته سيگنال گفتار با استفاده از تخمين‌گر كم‌ترين ميانگين مربعات خطا، به‌دست مي‌آيد. در اين تخمين، فرض مي‌شود تابع چگالي احتمال ضرايب تبديل فوريه سيگنال تميز و نوفه به‌ترتيب، مخلوط لاپلاس و گوسي با ميانگين صفر است. نتايج حاصل از معيارهاي SNRقطعه‌اي، LLR و PESQ نشان مي‌دهد كه روش پيشنهادي عملكرد بهتري نسبت به دو روش مبتني بر توزيع گوسي و روش مبتني بر توزيع لاپلاس دارد.

In this paper an statistical speech enhancement method based on Laplacian Mixture Model assumption for speech in order to estimation of clean speech from noisy speech has been proposed. In the proposed method, the short time discrete Fourier transform coefficients (DFT) have been estimated by using the minimum mean square error estimator. We assume the mixture of Laplacians distribution for clean speech DFT coefficients and zero-mean Gaussian distribution for the DFT coefficients of noise. The results of segmental SNR, LLR and PESQ show that the proposed method has better performance than two estimators based on Gaussian and Laplacin model.