基于NMF与相敏感掩膜的语音增强技术实现

1. 项目概述：基于相敏感掩膜的NMF语音增强技术

语音增强技术一直是音频信号处理领域的核心课题，特别是在嘈杂环境下的语音通信场景中。这个项目实现了一种结合相敏感掩膜(Phase-Sensitive Mask, PSM)和基底补偿算法的非负矩阵分解(Non-negative Matrix Factorization, NMF)方法，用于提升带噪语音信号的质量和可懂度。

我在实际工程中发现，传统NMF方法虽然能有效建模语音信号的频谱特性，但在相位处理上存在明显不足。而相敏感掩膜技术恰好能弥补这一缺陷，通过同时考虑幅度和相位信息来构建更精确的语音增强系统。基底补偿算法则进一步优化了NMF的分解过程，使系统在低信噪比条件下仍能保持稳定性能。

2. 核心算法原理与技术路线

2.1 非负矩阵分解(NMF)基础

NMF是一种将非负矩阵分解为两个低秩非负矩阵乘积的技术。在语音增强应用中，我们通常将语音信号的幅度谱|X|∈R^(F×T)分解为：

|X| ≈ W×H

其中W∈R^(F×K)是基矩阵，表示频谱模式；H∈R^(K×T)是系数矩阵，表示基的时变激活程度；K是分解的秩，通常远小于F和T。

实际应用中，K值的选择很关键：太小会导致欠拟合，太大会引入噪声成分。根据我的经验，对于采样率16kHz的语音，K=40-60是个不错的起点。

2.2 相敏感掩膜(PSM)设计

传统语音增强使用理想二值掩膜(Ideal Binary Mask)或比率掩膜(Ratio Mask)，它们只考虑幅度信息。相敏感掩膜则定义为：

PSM = |S|./|Y| .* cos(θ_S - θ_Y)

其中|S|和|Y|分别是纯净语音和带噪语音的幅度谱，θ_S和θ_Y是相应的相位谱。这个设计使得掩膜不仅考虑幅度比，还纳入了相位一致性信息。

2.3 基底补偿算法实现

基底补偿的核心思想是在NMF分解过程中动态调整基矩阵W，以补偿噪声对语音成分的掩盖效应。具体步骤包括：

1. 初始化语音基矩阵W_speech和噪声基矩阵W_noise
2. 计算补偿因子：C = f(SNR, W_speech, W_noise)
3. 更新规则：W_speech' = W_speech .* (1 + αC)

其中α是补偿强度系数，通常设置为0.3-0.