公开(公告)号：CN100498935C

公开(公告)日：2009-06-10

申请号：CN200610028331.1

申请日：2006-06-29

Applicant: 上海交通大学

Inventor： 黄青华 ,  杨杰 ,  薛云峰

IPC: G10L21/02 ,  G10L15/20

Abstract: 本发明涉及一种基于语音生成模型的变分贝叶斯语音增强方法，首先建立含噪语音模型和语音生成模型的状态空间方程，然后表达含噪过程和语音生成过程的概率分布。根据变分贝叶斯方法，用近似后验分布来逼近语音生成模型的参数和纯净语音的概率分布，最后，得到这些近似后验分布的参数更新等式，循环迭代更新等式直到算法收敛。自动模型选择是将语音生成模型的阶数作为变分贝叶斯方法的代价函数的自变量，最小的代价函数值对应的阶数，即是最优的模型阶数，由这个最优阶数计算得到的语音信号即最佳结果。本发明充分利用变分贝叶斯学习模型参数和结构的优点，能准确地估计语音生成模型的参数和阶数，提高了语音增强效果。

公开(公告)号：CN1870136A

公开(公告)日：2006-11-29

申请号：CN200610028331.1

申请日：2006-06-29

Applicant: 上海交通大学

Inventor： 黄青华 ,  杨杰 ,  薛云峰

IPC: G10L21/02 ,  G10L15/20

Abstract: 本发明涉及一种基于语音生成模型的变分贝叶斯语音增强方法，首先建立含噪语音模型和语音生成模型的状态空间方程，然后表达含噪过程和语音生成过程的概率分布。根据变分贝叶斯方法，用近似后验分布来逼近语音生成模型的参数和纯净语音的概率分布，最后，得到这些近似后验分布的参数更新等式，循环迭代更新等式直到算法收敛。自动模型选择是将语音生成模型的阶数作为变分贝叶斯方法的代价函数的自变量，最小的代价函数值对应的阶数，即是最优的模型阶数，由这个最优阶数计算得到的语音信号即最佳结果。本发明充分利用变分贝叶斯学习模型参数和结构的优点，能准确地估计语音生成模型的参数和阶数，提高了语音增强效果。