作者：许春冬; 张震; 战鸽; 应冬文; 李军锋; 颜...高斯混合模型噪声功率谱功率谱估计语音增强序贯最小描述长度准则极大似然准则语音信号
摘要：提出了一种基于极大似然的噪声对数功率谱估计方法，采用高斯混合模型对每一个频带上的功率谱包络构建统计模型，将时序包络划分为语音和非语音类，它们分别对应于高斯混合模型的两个高斯分量，描述语音和非语音的统计分布，其中非语音高斯分量的均值即为噪声功率谱的最优估计。采用序贯学习的方法，在极大似然准则下逐帧更新模型参数，并逐帧给出噪声功率谱的最优估计值。此外，由于序贯更新过程中语音信号长时缺失，容易导致模型失稳，提出了一种在线的最小描述长度准则（MDL）来判断语音信号是否长时缺失，从而保证了模型的稳定性。实验表明，算法性能整体优于经典的MS和IMCRA算法。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
