Bayesian Enhancement of Speech and Audio Signals which can be Modelled as ARMA Processes

In application areas which involve digitised speech and audio signals, such as coding, digital remastering of old recordings and recognition of speech, it is often desirable to reduce the effects of noise with the aim of enhancing intelligibility and perceived sound quality. We consider the case where noise sources contain non‐Gaussian, impulsive elements superimposed upon a continuous Gaussian background. Such a situation arises in areas such as communications channels, telephony and gramophone recordings where impulsive effects might be caused by electromagnetic interference (lightning strikes), electrical switching noise or defects in recording media, while electrical circuit noise or the combined effect of many distant atmospheric events lead to a continuous Gaussian component. In this paper we discuss the background to this type of noise degradation and describe briefly some existing statistical techniques for noise reduction. We propose new methods for enhancement based upon Markov chain Monte Carlo (MCMC) simulation. Signals are modelled as autoregressive moving‐average (ARMA); while noise sources are treated as discrete and continuous mixtures of Gaussian distributions. Results are presented for both real and artificially corrupted data sequences, illustrating the potential of the new methods. Dans les applications de digitalisation de la parole et des signaux audios, tels que le codage, la restauration degitale de vieux enregistrements sonores et la reconnaissance de la parole, il cst souvent é de é les effets dus a la presence de bruit pour améliorer la clartá et la qualiteé du son. Nous consid´rons le cas où la source de burit contient des él´ments impulsifs non‐gaussien, superposé au bruite gaussien de fond. Ce genre de situation se manifeste notamment en téléphonie mobile, en communication par cable et sur des vieux enregistrements gramophoniques. le bruit de nature impulsive peut etre du aux interférences électromagnétiques, sux commutations électriques environoantes, ou à des défauts au support sonore. Par contre, le bruit provenant de circuits électriques ou de l'effet cmbiné de plusieurs évenements atmosphériques lointains se trabuit traduit par du bruit de nature gausienne. Nous présentons dans cet article les principes de ce genre de dégradation et faisons une description sommaire de quelques méthodes déjgravea; existantes pour la réduction du bruit. nous proposons des aprochhes nouvelles pour I'amélioration des signaux, baseacute;es sur la méthode Monte carlo‐carlo‐chaines de Markov(MCMC). les signaux sont considéliseacute;s comme des procédeacute;s autoreéaires, discrétes et continues, de distributions Gaussiennes. Nuus présentons des reéukats sur des séquences synthétiques et réelles entachées de bruit pour illustrer les capacit´s de ces méthodes.