Предложен новый экономичный метод очистки речевых сигналов от шума. Сокращение вычислений основано на свойствах блочной модели авторегрессионного сигнала, развитой в работе. Показано уменьшение ошибки по сравнению с традиционным фильтром Калмана. Рассмотрена задача оценивания авторегрессионных параметров речи в присутствии шума. Предложена экономичная двухэтапная процедура оценивания, основанная на векторном квантовании авторегрессионных параметров. На первом этапе начальное приближение для оптимального набора авторегрессионных параметров определяется на небольшом количестве квантов. Затем значение оценки улучшается с помощью эффективной итерационной процедуры. Эффективность результирующего метода проверена на реальных речевых сигналах.
Запропоновано новий економічний метод очищення мовних сигналів від шуму. Скорочення обчислень базується на властивостях розробленої в роботі блокової моделі авторегресійного сигналу. Показано зменшення похибки у порівнянні з традиційним фільтром Калмана. Розглянуто задачу оцінювання авторегресійних параметрів мовних сигналів у присутності шуму. Запропоновано економічну двоетапну процедуру оцінювання, яка базується на векторному квантуванні авторегресійних параметрів. На першому етапі початкове наближення для оптимального набору авторегресійних параметрів визначається на невеликій кількості квантів. Потім значення оцінки поліпшується за допомогою ефективної ітераційної процедури. Ефективність результуючого методу перевірена на реальних мовних сигналах.
A computationally efficient method for enhancement of the speech signals is proposed. Reduction of computations is obtained due to properties of the developed block model of autoregressive signal. A decrease of the filtering error in comparison to the traditional Kalman filter is shown. The problem of estimation of the speech autoregressive parameters at noise background is considered. A two-phase computationally efficient estimation procedure, based on the vector quantization of the autoregressive parameters, is proposed. At the first stage the initial approximation for the optimal set of autoregressive parameters is determined on small number of the autoregressive quantums. Then the value of estimate is improved by efficient iterative procedure. The performance of the resulting method is evaluated on real speech signals.
