基于维纳后滤波算法的单声道语音增强程序

function wiener_as（filenameoutfile）

%
%  Implements the Wiener filtering algorithm based on a priori SNR estimation [1].
% 
%  Usage:  wiener_as（noisyFile outputFile）
%           
%         infile - noisy speech file in .wav format
%         outputFile - enhanced output file in .wav format

%         
%  Example call:  wiener_as（‘sp04_babble_sn10.wav‘‘out_wien_as.wav‘）;
%
%  References:
%   [1] Scalart P. and Filho J. （1996）. Speech enhancement based on a priori 
%       signal to noise estimation. Proc. IEEE Int. Conf. Acoust.  Speech Signal 
%       Processing 629-632.
%   
% Authors: Yi Hu and Philipos C. Loizou
%
% Copyright （c） 2006 by Philipos C. Loizou
% $Revision: 0.0 $  $Date: 10/09/2006 $
%-------------------------------------------------------------------------

if nargin<2
   fprintf（‘Usage: wiener_as（noisyfile.wavoutFile.wav） \n\n‘）;
   return;
end



[noisy_speech fs nbits]= wavread（ filename）;
noisy_speech= noisy_speech; 
% column vector noisy_speech

% set parameter values
mu= 0.98; % smoothing factor in noise spectrum update
a_dd= 0.98; % smoothing factor in priori update
eta= 0.15; % VAD threshold
frame_dur= 20; % frame duration 
L= frame_dur* fs/ 1000; % L is frame length （160 for 8k sampling rate）
hamming_win= hamming（ L）; % hamming window
U= （ hamming_win‘* hamming_win）/ L; % normalization factor

% first 120 ms is noise only
len_120ms= fs/ 1000* 120;                                                  %%%120ms时间长度内的样点值
% first_120ms= noisy_speech（ 1: len_120ms）.* ...
%     （hann（ len_120ms ‘periodic‘））‘;
first_120ms= noisy_speech（ 1: len_120ms）;

% =============now use Welch‘s method to estimate power spectrum with
% Hamming window and 50% overlap
nsubframes= floor（ len_120ms/ （L/ 2））- 1;  % 50% overlap
noise_ps= zeros（ L 1）;
n_start= 1; 
for j= 1: nsubframes
    noise= first_120ms（ n_start: n_start+ L- 1）;
    noise= noise.* hamming_