一个声道负责采集噪声信号，而另一个声道则负责采集带噪声的语音信号。 带噪声的语音信号 Sn和噪声信号 dn这两个信号经过傅里叶变化得出频谱分 量 Sk 和 Dk ，噪声信号分量 Dk 经过滤波器的滤波之后与带噪声的语音 信号相减，再此基础上加上带噪声的语音信号的相位，然后对其进行傅里叶反

变换还原成时域信号。 这种方法不是基于噪声的本质上进行语音增强的，所有它既可以用于平稳

状态下的噪声去除，也可以应用于近似平稳状态下的噪声去除。 当然也有注意事项，当我们使用噪声对消法的时候，两个声道不能相隔太

近，不然可能两个声道都可以采集到带噪声的语音信号。当然当两个声道相隔 一定的距离后，两声道采集到的语音信号会存在一定的时间差，两个信号中的 噪声信号是不同时的，信号的其他衰变特性也会发生一定的改变。为了对应这 种情况，我们要对负责采集噪声信号的声道进行滤波，这样可以近似地替代带 噪声的语音信号中的噪声信号。对应这种滤波，我们可以使用自适应滤波器来 进行这种滤波。文献综述

自适应滤波器的结构采用的是 FIR 结构，系数采用的是最小均方法进行评

估，评估标准是让误差信号 en的能量最小：

在这个公式中，n是滤波器的输出，rn表示的是滤波器输入端的采集噪声的 信号,k 表示的是滤波器系数，N 表示的是滤波器器抽头数。LMS 要求的是噪声 信号与语音信号相互之间独立。在这种情况下的误差信号能量最小，因而采集

信号之间不独立，那么只能在无话期间来更新滤波器的系数。滤波器的抽头数 N 是受采集器间的距离影响的，假如他们之间的距离有数米远，那么 N 的取值可 以达到 1000 以上。

在实际情况中，多个声道采集语音信号是不怎么现实的，我们在用单声道 采集的时候，利用无话期间采集到的噪声信号进行评估，这种方法必须在平稳 的噪声的情况下使用，不然语音增强的效果将会收到影响。

经过大量的试验表明，这种噪声对消法，在强噪声的环境下的效果很好， 采集到的噪声越多，我们就可以直接与原始语音信号相减。

噪声对消法的不足之处也很明显，在处理完成之后呢，得到的语音信号会 带有其他的噪声，这种噪声就是所谓的“音乐噪声”。

3。4 其他语音增强算法

在语音增强算法的众多种类中，我们介绍了三种，其实还有许多种语音增 强算法。语音增强在语音系统中一半都在系统的预处理和前置模块中，因为噪 声的种类也有很多，所以对于各种的噪声都有相对应的针对的语音增强算法。 我们通常都是在加性噪声的模型上来进行各种语音增强算法的研究。应对不同 的语音系统，在不同的噪声环境下，适用的语音增强算法也会有所不同。应对 不同的噪声群体，利用不同的算法对语音信号进行处理，来快捷，有效地满足 不同语音系统的要求。随着语音信号处理技术的不断发展，更多创新的方法涌 现了出来，比如隐马尔科夫模型法，听觉掩蔽法等，这些创新的方法都能很好 的进行语音增强，并且取得了不错的效果。

3。5 语音增强算法性能评价方法

语音增强算法性能评价是对语音信号的可懂度和清晰度的评价，事实上， 语音增强算法性能评价是很复杂的一个问题，与多种学科挂钩。

3。5。1 主观评价方法

主观评价方法是语音性能评价方法之一，能够根据人耳感知到的语音质量 进行评估，是如今人们选用的主流方法之一。它主要的测试方法有 DRT 得分与 平 MOS 得分。