Speech Enhancement by Short-Time Spectrum Estimation with Multivariate Laplace Speech Model

The paper presents a new short-time spectrum estimation algorithm for speech enhancement. A novel multivariate Laplace speech model is utilized to characterize the dependencies between adjacent DFT coefficients of speech, based on which a minimum mean-square error (MMSE) estimator of speech spectral components is derived. Moreover, the speech presence uncertainty is incorporated to modify the MMSE estimator. Experimental results show that the developed algorithm achieves better noise suppression and lower speech distortion compared to the existing speech enhancement methods. Streszczenie. W artykule przedstawiono nowy algorytm estymacji krótkookresowego spektrum głosu do poprawy dźwięku mowy. Wykorzystano wieloczynnikowy model Laplace’a w celu scharakteryzowania zależności pomiędzy składnikami DFT dźwięku mowy. Na tej podstawie obliczane jest minimum błędu średnio-kwadratowego dla estymatora. Wyniki eksperymentalne potwierdzają ulepszoną skuteczność eliminacji zakłóceń mowy, w porównaniu ze stosowanymi metodami. (Wieloczynnikowy model mowy Laplace’a w estymatorze spektrum krótkookresowego, na potrzeby polepszenia dźwięku)