语音增强算法
⑴ 助听器360智慧言语导航系统是什么
360º智慧言语导航系统（OSN）OpenSoundNavigator持续不间断360度高速扫描环境声音快速减少来自特定方向的大噪音，同时保留语音快速衰减剩余的扩散噪音，即使是词句之间360º智慧言语导航系统（OSN）是一种新的集成语音增强算法，全面收集环境中360º声源，综合分析并平衡环境中各种声音，时刻关注周边环境的变化，聚焦主要言语声，通过选择性的聆听与交流，让佩戴者在聚会等复杂环境中言语清晰度更高，交流更轻松。360º智慧言语导航系统（OSN）采用新的方向性技术，360°收集声源，定位更准确，空间立体感更强。OSN系统把环境中的每个声源作为一个独立的点，单独收集单独处理，每个声源的声音都能清晰聆听，并且每个声源之间不会相互干扰，既能保证每个声源都能听到，又不会影响主要声源的清晰度。
⑵ 阵列麦克风有几个声道，有什么区别
麦克风阵列是什么？
麦克风阵列（Microphone Array），从字面上，指的是麦克风的排列。也就是说由一定数目的声学传感器（一般是麦克风）组成，用来对声场的空间特性进行采样并处理的系统。
早在20世纪70、80年代，麦克风阵列已经被应用于语音信号处理的研究中，进入90年代以来，基于麦克风阵列的语音信号处理算法逐渐成为一个新的研究热点。而到了“声控时代”，这项技术的重要性显得尤为突出。
麦克风阵列能干什么？
1.语音增强（Speech Enhancement）
语音增强是指当语音信号被各种各样的噪声(包括语音)干扰甚至淹没后，从含噪声的语音信号中提取出纯净语音的过程。所以DingDong在嘈杂环境下，也能准确识别语音指令。
通过麦克风阵列波束形成做语音提取和分离
利用麦克风阵列做信号的提取和分离主要有以下几种方式：
(1)基于波束形成的方法，即通过向不同方向的声源分别形成拾音波束，并且抑制其他方向的声音，来进行语音提取或分离；
(2)基于传统的盲源信号分离（Blind Source Separation）的方法进行，主要包括主成分分析（Principal Component Analysis，PCA）和基于独立成分分析（Independent Component Analysis，ICA）的方法。
TGMZ天歌魅尊
⑶ 在机器学习更加智能的过程中，深度学习发挥着怎样的作用
深度学习使机器更加聪明，带给我们更加智能的服务。
比如说，通过视觉获取和处理图像、通过声音讲出语言是人类最自然的与外界沟通的方式，但传统的计算机服务却无法从本质上读懂我们这些内容，当我们进行图像搜索或者向计算机发送某项指令时，我们需要预先在大脑中做一遍处理，将我们原本要表达的意思转化成计算机能够读懂的文本信息，然后手动输入到计算机并获得结果。
但在机器学习的帮助下，我们随意把一张图片丢给电脑就能返回结果，我们直接用语言就可以来命令计算机来为我们提供各种服务。
如果想了解深度学习课程的，可以了解一下U就业和中科院的合作项目，课程由中科院自动化所人工智能专家倾力研发，将从实际的科研工程项目中，截取6个典型任务，带领学员体验系统架构设计、关键算法选取、核心模块开发、识别效果测试等实际项目建设的全流程，并重点掌握核心AI模块的开发环节，还是比较适合学习的。
⑷ 什么是BBE高音质
BBE全称是BBE Sonic Maximizer，BBE高清晰度语音技术是BBE Sound特许使用的核心音频增强技术，BBE技术是美国BBESound公司于1985年推出的用于大幅度改善声音质量的一种音效增强处理技术，运用世界首屈一指的调节音频的高科技，完美地解决了普通彩电声音频率发生相位位移和各种失真，难于再现原声的问题。采用BBE音效增强技术，能补偿录放音过程中的声音损失和迟延，使音乐节目中的高音更加清晰、自然、亮丽且更富有细节表现力，使低音强劲、清晰并富有节奏感，其音效可与HI-FI音响相媲美。
http://ke..com/view/471890.htm
⑸ 毕业设计课题是语音增强算法仿真，但苦于短时间内无法掌握matlab软件的使用，所以想求助各位前辈
很好
通常
坑道我
日子非常幽默,
表达的,信息
服务就是这么多
⑹ 跪求高手帮忙 给我一些语音增强算法的matlab程序，比如基于维纳滤波和小波阀值变换的算法程序
%在噪声环境下语音信号的增强
%语音信号为读入的声音文件
%噪声为正态随机噪声
sound=wavread('c12345.wav');
count1=length(sound);
noise=0.05*randn(1,count1);
for i=1:count1
signal(i)=sound(i);
end
for i=1:count1
y(i)=signal(i)+noise(i);
end
%在小波基'db3'下进行一维离散小波变换
[coefs1,coefs2]=dwt(y,'db3'); %[低频 高频]
count2=length(coefs1);
count3=length(coefs2);
energy1=sum((abs(coefs1)).^2);
energy2=sum((abs(coefs2)).^2);
energy3=energy1+energy2;
for i=1:count2
recoefs1(i)=coefs1(i)/energy3;
end
for i=1:count3
recoefs2(i)=coefs2(i)/energy3;
end
%低频系数进行语音信号清浊音的判别
zhen=160;
count4=fix(count2/zhen);
for i=1:count4
n=160*(i-1)+1:160+160*(i-1);
s=sound(n);
w=hamming(160);
sw=s.*w;
a=aryule(sw,10);
sw=filter(a,1,sw);
sw=sw/sum(sw);
r=xcorr(sw,'biased');
corr=max(r);
%为清音（unvoice）时，输出为1；为浊音（voice）时，输出为0
if corr>=0.8
output1(i)=0;
elseif corr<=0.1
output1(i)=1;
end
end
for i=1:count4
n=160*(i-1)+1:160+160*(i-1);
if output1(i)==1
switch abs(recoefs1(i))
case abs(recoefs1(i))<=0.002
recoefs1(i)=0;
case abs(recoefs1(i))>0.002 & abs(recoefs1(i))<=0.003
recoefs1(i)=sgn(recoefs1(i))*(0.003*abs(recoefs1(i))-0.000003)/0.002;
otherwise recoefs1(i)=recoefs1(i);
end
elseif output1(i)==0
recoefs1(i)=recoefs1(i);
end
end
%对高频系数进行语音信号清浊音的判别
count5=fix(count3/zhen);
for i=1:count5
n=160*(i-1)+1:160+160*(i-1);
s=sound(n);
w=hamming(160);
sw=s.*w;
a=aryule(sw,10);
sw=filter(a,1,sw);
sw=sw/sum(sw);
r=xcorr(sw,'biased');
corr=max(r);
%为清音（unvoice）时，输出为1；为浊音（voice）时，输出为0
if corr>=0.8
output2(i)=0;
elseif corr<=0.1
output2(i)=1;
end
end
for i=1:count5
n=160*(i-1)+1:160+160*(i-1);
if output2(i)==1
switch abs(recoefs2(i))
case abs(recoefs2(i))<=0.002
recoefs2(i)=0;
case abs(recoefs2(i))>0.002 & abs(recoefs2(i))<=0.003
recoefs2(i)=sgn(recoefs2(i))*(0.003*abs(recoefs2(i))-0.000003)/0.002;
otherwise recoefs2(i)=recoefs2(i);
end
elseif output2(i)==0
recoefs2(i)=recoefs2(i);
end
end
%在小波基'db3'下进行一维离散小波反变换
output3=idwt(recoefs1, recoefs2,'db3');
%对输出信号抽样点值进行归一化处理
maxdata=max(output3);
output4=output3/maxdata;
%读出带噪语音信号，存为'101.wav'
wavwrite(y,5500,16,'c101');
%读出处理后语音信号，存为'102.wav'
wavwrite(output4,5500,16,'c102');
⑺ 怎么用MATLAB里的GUIDE实现声音信号的采集和处理
如果是想将声音信号录制到matlab里面，则可以使用以下的函数。
R = audiorecorder( 44100, 16 ,2 ) ；
%创建一个保存音频信息的对象，它包含采样率，时间和录制的音频信息等等。44100表示采样为44100Hz（可改为8000, 11025, 22050等，此数值越大，录入的声音质量越好，相应需要的存储空间越大），16为用16bits存储，2为两通道即立体声（也可以改为1即单声道）。
record(R);
%开始录制，此时对着麦克风说话即可。
pause(R);
%暂停录制。
play(R)
%播放录制的声音。
resume(R);
%继续录制.
stop(R);
%停止录制
myspeech = getaudiodata(R);
%得到以n*2列数字矩阵存储的刚录制的音频信号。
%对这个矩阵你就可以用各种滤波器进行处理，或者把它和别的音频混音等等。你也可以画出它的波形（如果时间较长画波形可能会花点时间）。
plot(myspeech)
%画出波形
%如果你想保存可以使用
wavwrite(myspeech,44100,16,'myspeech')；
%myspeech表示要存入的波形矩阵，44100表采样率，16 为以16bits存储，'myspeech'为存储的文件名。
%matlab有极其丰富的音频处理滤波功，此处介绍最基本的录入、播放和保存操作
⑻ 几种语音增强技术降噪效果的比较和MATLAB仿真
如果不同方法之间性能差别比较大，通常可以直观地观察出哪个更好，不少时候这也是进行处理希望达到的效果。如果是灰度图，使用均值只说明亮度的差别，难以用于比较增强效果（虽然通过灰度变换的确可以增强图像，但是效果通常可以直接观察出来）。
从数据的角度，使用灰度直方图有一定帮助（参见《数字图像处理》“直方图均化”部分）。另外还得看增强算法的目的，如果是为了降噪，那么使用各种算法各自对不同的噪声类型进行处理，然后比较所得结果，更能说明算法的针对性及性能特点。
关于专门的描述，建议参考冈萨雷斯的《数字图像处理》，绿色十六开，对于灰度变换，轮廓图区，滤波等增强技术常见的技术都有详尽的描述和比较。
⑼ 什么是360º智慧言语导航系统（OSN）
360º智慧言语导航系统（OSN）
Open Sound Navigator
持续不间断360度高速扫描环境声音
快速减少来自特定方向的大噪音，同时保留语音
快速衰减剩余的扩散噪音，即使是词句之间
360º智慧言语导航系统（OSN）是一种新的集成语音增强算法，全面收集环境中360º声源，综合分析并平衡环境中各种声音，时刻关注周边环境的变化，聚焦主要言语声，通过选择性的聆听与交流，让佩戴者在聚会等复杂环境中言语清晰度更高，交流更轻松。
360º智慧言语导航系统（OSN）采用新的方向性技术，360°收集声源，定位更准确，空间立体感更强。
OSN系统把环境中的每个声源作为一个独立的点，单独收集单独处理，每个声源的声音都能清晰聆听，并且每个声源之间不会相互干扰，既能保证每个声源都能听到，又不会影响主要声源的清晰度。