图5．1延迟一求和波束形成图 延迟．求和公式表示为⋯ Xm(t)=s(t一％(矽))+rim(t) (5—1) y(，)=∑％‰o一％(≯)) (5—2) m=l ％(≯)：％一—(m-1)d—eos矽(5-3) C 其中矽表示阵列指向，d表示相邻麦克之间的距离，c表示声速，口=【口1，a2，⋯，aMlr 是对M路语音信号所加的权值，也称之为波束控制因子，％’(≯)是声源到第m个麦 克风的实际时延，％(≯)是对第m个麦克风接收到的语音信号的时延补偿。nm(t)是 第m路语音信号中混入的噪声。 为了保证系统的因果性，还需要对所有的麦克风延迟附加一个固定延迟％， 该固定延迟要大于或等于声波传过整个阵列长度所需时间的一半，即： fo≥掣一d (5-4) 5．2基于有／无语音概率检测的LSA—MMSE方法 基于高斯分布模型的MMSE估计法，可以有效降低“音乐噪声”[．71，但其对语 音谱的估计是在假定语音出现的条件之下，对带噪语音每一频点进行加权处理， 得到语音谱的估计值。实际语音段中，有的帧是带噪语音，有的帧只含噪声， 且 经过FFT变换后的带噪语音谱中并不是每一频点都含有语音，有的频点只含有噪 声。可以利用“软判决”思想，将有／无语音的概率【521(后面将会具体阐述)考虑进 去，具体流程如图5．2所示。 下面就经过延迟．求和波束形成的语音进行处理，具体算法如下阐述。

在基于先验信噪比的维纳滤波语音增强算法的基础上，结合语音端点检测算法，本文提出一种新算法。新算法在语音端点检测的基础上，通过平滑处理更新噪声信号功率谱以适应噪声不稳定的环境；通过计算有声段噪声信号估计值，将有声段的噪声影响纳入考虑范围；通过每个语音段自适应调节噪声功率谱，实时的计算出先验信噪比。最后将该算法与改进前算法进行仿真比较验证，该算法有更好的语音增强效果，在非稳定噪声环境中较好的抑制了噪声残留，提高了语音的可懂度。

基于小波变换的语音增强算法，张豪，赵振纲，在现实环境中，语音信号不可避免地会受到外来的各种各样的噪声干扰，这些干扰严重影响了语音通信的质量。我们通过各种语音信号处

针对噪声的随机性和突变性,使得传统算法抑制非平稳噪声比抑制平稳噪声难度增大的问题,提出了一种基于深度神经网络的子空间语音增强算法。该算法利用带噪的语音信号数据训练一组深度神经网络语音生成型模型(DNN训练模型);在测试增强阶段根据噪声估计和DNN模型去除非平稳噪声;最后,通过信号子空间在抑制噪声和减少信号失真上做出较为折中的选择重构语音信号。实验结果表明,基于深度神经网络的子空间语音增强算法对非平稳噪声有非常强的抑制能力,通过STOI和PESQ值反映了在低信噪比下,该算法可以提高增强语音的可懂度。

berouti 提出的用于噪声语音信号增强的频谱减法方法。

语音增强matlab实现包括谱减法、维纳滤波法、卡尔曼滤波法+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

语音增强算法的研究与实现.doc

利用MATLAB实现了基于谱减法的语音增强算法，对语音信号处理的过程有一定的帮助，能够更好地了解关于语音增强的知识

基于麦克风阵列的声源定位与语音增强方法研究_崔玮玮.caj

Boll 79提出的增强含噪语音信号的频谱减法方法。该方法实现了论文中提出的频谱平均和残余降噪。 请注意，语音信号的前 0.25 秒假定仅为噪声，并用于对噪声信号进行建模。