27、两种语音退化的定量感知分离研究

两种语音退化的定量感知分离研究

在语音处理领域，准确评估和分离语音中的噪声和失真等退化因素至关重要。本文将深入探讨如何通过一些关键参数和方法，实现对语音中可听附加噪声和可听失真的定量感知分离，并通过实验验证相关方法的有效性。

1. 感知等效边界的定义

• 下限边界（LBPE） ：为了确定频率分量衰减被感知为失真的下限，引入了感知等效下限（LBPE）的概念。计算LBPE时，使用了Tsoukalas等人提出的用于音频信号增强的可听频谱。可听频谱通过考虑干净语音频谱和掩蔽阈值（MT）之间的最大值来计算。当语音分量低于MT时，它们是不可听的，可以用一个选定的阈值σ(m, k)来替代。LBPE的定义如下：
  [
  LBPE(m, k) =
  \begin{cases}
  \Gamma_s(m, k) & \text{if } \Gamma_s(m, k) \geq MT(m, k) \
  \sigma(m, k) & \text{otherwise}
  \end{cases}
  ]
  其中，σ(m, k)的选择只需满足σ(m, k) < MT(m, k)，例如可以选择σ(m, k)等于0 dB。
• 上限边界（UBPE） ：结合UBPE和LBPE，可以定义三个区域来表征去噪语音的感知质量：UBPE和LBPE之间的频率分量在感知上与原始语音分量等效；高于UBPE的频率分量包含背景噪声；低于LBPE的频率分量则表现为语音失真。这一特征为识别和检测可听附加噪声和可听失真提供了思路。

2. 可