1. 研究目的与意义
语音是人与人之间进行交流的重要工具之一，是一种有效、方便、自然的交流手段，对人类社会进步起到至关重要的作用。由于语音信号具有广阔的应用前景，人们迫切的需要利用语音信号进行人机交互，从而实现更为便捷的生活、工作方式。然而，在我们的实际生活中，语音信号不可避免的要受到外界环境的干扰，掺入了各种噪声，使得语音信号的质量下降，严重影响了语音信号的传输和应用。因此，噪声的消减对于语音信号的实用化是十分必要的。
语音降噪能够有效的解决噪声污染问题，提高语音系统的识别率和抗噪能力。在一些远距离的通信中，经常需要对带噪声的语音信号进行增强处理，从而消除一些背景噪声，提高语音的质量，使听者能够易于接受语音，具有更好的舒适度。
2. 课题关键问题和重难点
对语音增强技术，特别是卡尔曼滤波语音增强技术做深入讨论。首先概要掌握经典语音增强方法，如：谱减法、改进谱减法、维纳滤波器法，最小均方误差估计法等，推导单通道卡尔曼滤波公式，之后从滤波器组的角度研究卡尔曼滤波变换的基本原理及其算法实现，研究改进的卡尔曼滤波语音降噪方法，了解语音处理中语音增强性能的若干标准，并对现有语音增强方法做比较，研究掌握卡尔曼滤波降噪法的详细过程及其改进，并对仿真结果做简要分析。
难点就是语音增强的特征参数的选取，现有语音增强方法的各种参数的细节比较，实验测试中会有偏差出现，要将误差尽量降到最小，保持研究实验的严谨性和真实性。还有各种公式的推导一定要认真仔细，最后的总结要全面，严谨，客观。3. 国内外研究现状（文献综述）
在实际需求的推动下，早在20世纪60年代，语音增强这个课题就已经引起了人们的注意。到了20世纪70年代，随着数字信号处理理论的不断发展，人们对语音增强技术的研究形成了一个高潮，取得了一些基础性成果，这使语音增强发展成为语音信号数字处理的一个重要分支。经典的谱相减法和维纳滤波方法就是在这一时期提出来的。但由于各种算法计算量问题，导致它们的实用性受到影响。进入80年代后，VLSL技术的发展为语音增强的实时处理提供了可能，同时也涌现了大量新的算法，在语音识别中使用的概念和方法又被借鉴到语音增强算法中。90年代后，移动通信的飞速发展为语音增强研究提供了现实的动力，由于对之前的增强效果仍然不够满意，又进行了新的尝试。比如将小波变换用于语音增强中，利用神经网络(ANN-ArificialNeuralNetworks)进行语音增强，基于麦克风阵列的语音增强等。一直以来，针对不同的背景噪声或者某个特殊的应用要求，人们提出了各种新的语音增强算法。尽管这些算法在理论上还没有完全解决语音增强问题，但有些方法已经证明是有效的，并在实际的应用中被采用。
语音增强算法可从信号输入的通道数上分为单通道的语音增强算法与多通道的语音增强算法。单通道语音系统在实际应用中较为常见，如电话，手机等。这种情况下语音与噪声同时存在一个通道中，语音信息与噪声信息必须从同一个信号中得出。一般这种语音系统要求噪声比较平稳，以便在非语音段对噪声进行估计，再依据估计出来的噪声对带噪的语音段进行处理。如果系统是一个多通道的语音系统，各个通道之间存在着某些相关的特性，这些相关特性对语音增强的处理十分有利。
早在上个世纪60年代，匈牙利数学家Rudolf Emil Kalman就提出了卡尔曼滤波器，并用于控制领域[1]。而到1987年，首次由K.K.Paliwal将卡尔曼滤波应用到语音增强[2]，但是仅限于加性白噪声环境下语音增强。1989年，美国的J.D.Gibson等又将卡尔曼滤波的语音增强扩展到处理有色噪声环境[3]。1999年，新加坡ZentonGoh等人提出了改进的卡尔曼滤波语音增强算法[4]，利用了语音的清浊音模型。2001年加拿大的M.Gabrea提出了自适应的卡尔曼滤波语音增强算法[5]。2003年加拿大的N.Ma等人将人耳听觉特性的感知滤波器结合到卡尔曼滤波语音增强[6]。近年来，更是提出了很多有关卡尔曼滤波语音增强算法[7-10]。相比于维纳滤波方法[11]，卡尔曼滤波县有处理非平稳信号的能力，更符合语音的公性，并且结合了语音的生成模型，利用语音的线性预测系数构成状态转移矩阵，增强后语音中残留的音乐噪声较少，语音自然度更高。
4. 研究方案
基于卡尔曼滤波的语音增强算法
1、标量卡尔曼滤波－白噪声
纯净语音信号 可以看作是一个 阶的AR过程，
(1-1)
5. 工作计划
第一周：查找文献资料，对卡尔曼滤波语音增强技术有个大体的了解；
第二周：对课题中涉及的知识作深入掌握，掌握参数分析方法、卡尔曼滤波的语音增强技术方法等；
第三周：制定研究计划，写开题报告；
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
