基于NMF与相敏感掩膜的语音增强算法实现

1. 项目背景与核心价值

语音增强技术在现代通信系统中扮演着关键角色，特别是在噪声环境下的语音质量提升方面。相敏感掩膜(Phase-Sensitive Mask, PSM)作为频域语音增强的重要方法，相比传统幅度谱处理方法能更好地保留语音的相位信息。而基于非负矩阵分解(Non-negative Matrix Factorization, NMF)的基底补偿算法，则通过字典学习的方式为语音和噪声建立更精确的数学模型。

这个项目的独特之处在于将PSM与NMF基底补偿相结合，在Matlab平台上实现了以下创新：

• 利用NMF学习到的语音和噪声基底构建更精确的补偿模型
• 通过相敏感掩膜处理同时优化幅度和相位信息
• 在低信噪比条件下仍能保持较好的语音可懂度

2. 核心算法原理详解

2.1 非负矩阵分解(NMF)基础

NMF的核心思想是将一个非负矩阵V分解为两个非负矩阵W和H的乘积：

V ≈ W×H

其中：

• V ∈ R^(F×T)+ 是语谱图矩阵(F为频率点数，T为时间帧数)
• W ∈ R^(F×K)+ 是基底矩阵(K为基底数量)
• H ∈ R^(K×T)+ 是编码矩阵

在语音增强应用中，我们通常会分别训练语音字典W_speech和噪声字典W_noise。测试阶段通过固定这两个字典，仅更新对应的编码矩阵H来分解带噪语音。

2.2 相敏感掩膜(PSM)原理

传统幅度谱掩膜只考虑频谱幅度信息，而PSM同时考虑相位差异：

PSM(t,f) = |S(t,f)|/|Y(t,f)| × cos(θ_s(t,f)-θ_y(t,f))

其中：

• |S(t,f)|和|Y(t,f)|分别是纯净语音和带噪语音的幅度谱
• θ_s(t,f)和θ_y(t,f)是对应的相位角

这种掩膜能更准确地反映语音成分在带噪信号中的真实占比。

2.3 基底补偿算法设计

本项目的创新点在于将NMF与PSM结合，具体步骤：

1. 离线训练阶段：

   • 收集纯净语音和典型噪声样本
   • 分别训练W_speech和W_noise字典
   • 优化字典大小K和稀疏性约束参数

2. 在线增强阶段：

   • 对输入信号分帧、加窗、STFT变换
   • 用预训练字典分解带噪语音：Y ≈ W_speech×H_speech + W_n