语音可懂度增强属于语音增强领域比较新的一个子领域,相比于背景噪声和其他干扰的增强领域,可懂度更关注于语音本身因较低速率编码而带来的失真,就语音质量这一问题,提供了一种不同的角度。是通过对语音信号本身的处理,提高其质量。从而增强它抗干扰的能力。本文的研究初衷是出于要解决2.4bit/sAMBE与16kbit/s CVSD级联编码时出现的语音可懂度下降的问题,低编码速率造成了语音畸变。语音的信息在低速率编码下肯定部分会损失。尤其是在一些语音过渡段(也可以称为是语音非平稳段,通常发生在元音与辅音的交界处,或者语速较快时的辅音段)。这种现象由两种解释:一、低速率编码无法捕捉语音过渡段的快变的这种非平稳特性。在模型参数估计和模型建立的过程中扭曲或丢失了过渡过程中的信息。二、在发音时,这些过渡段的发音能量远小于邻近元音的能量,由于听觉掩蔽效应[22],这些过渡段淹没在元音能量里。而编码器更会加重这种症状。所以,我们的语音可懂度增强会主要针对以上提到的两个问题提出相应的解决方案。解决方案主要分为三大框架:语音段检测;语音段扩压;能量放大;本文的研究包含了在这几个领域现有算法的研究,将这些算法集成到我们的系统中,在此过程中发生的工作量主要在算法评估性的研究和集成前的改进上。例如,基于梳状滤波器的基音估计的语音段检测技术的提出,将谐波匹配度作为语音段检测的似然函数,并在此基础上提出经能量加权的改进版本;分离出针对语音平稳段的扩压技术和语音非平稳段的扩压技术;起始时间估计模块的价值性(讨论其有无对系统的影响);HNM中谐波分量和非谐波分量的分离技术评估改进;最后,通过5段normal speaking的语句材料进行了仿真测试。表明了最终的集成系统有助于改善语音信号的可懂度。