1.MCRA-2
上一篇中介紹了1噪聲估計方法,這種方法計算簡單效率高,但是也有一些不足,仔細觀察MCRA譜最小值跟蹤部分,使用記錄最小值,並通過每幀重置一次,那麼問題就來了,假如噪聲水平在一直緩慢上升,MCRA的這種跟蹤方法將產生最大2L幀的延遲,如果噪聲較不平穩的話這種方法效果就不是很好,
對於這個缺陷,Loizou提出了一些改進方法MCRA-22,還是基於上一篇的MCRA處理框架,主要有三個不同的地方,這裏簡單介紹下,
1.1 譜平滑:
MCRA-2中的帶噪譜只在時間維度上做了平滑,沒有頻率維度上平滑
爲平滑參數,一般取
1.2 搜索策略
主要改進就是在最小值搜索的策略上。新的方法不依賴搜索窗長,因此也叫做連續譜最小值跟蹤(Continuous Spectral Minimum Tracking ),搜索策略僞代碼如下
IF , then
else
end
1.3 判決門限
MCRA-2中使用了頻率相關的門限,相比較MCRA中使用的是固定門限,具體設置如下:
2. code & result
利用MCRA-2中的方法估計噪聲,結合譜減法降噪效果如下
對比可以看到噪聲有了一定程度的抑制,同時也可以看到3000左右有一條分界線,這是由於門限突變造成的,這些參數還需要結合實際噪音微調
References:
Cohen, I., & Berdugo, B. (2002). Noise estimation by minima controlled recursive averaging for robust speech enhancement. IEEE Signal Processing Letters, 9(1), 12–15 ↩︎
Rangachari, S., & Loizou, P. C. (2006). A noise-estimation algorithm for highly non-stationary environments. Speech Communication, 48(2), 220–231. doi:10.1016/j.specom.2005.08.005 ↩︎