基于小波變換的語音信號增強方法研究

基于小波變換的語音信號增強方法研究作者：黃蘇雨專業(yè)：計算機應用技術內容提綱課題簡介小波閾值去噪法基于能量元和新閾值規(guī)則的小波語音去噪方法結論和展望1.1論文背景人們在語音通信過程中不可避免的會受到來自周圍環(huán)境、傳輸媒介引入的噪聲、通信設備內部電噪聲、乃至其它講話者的干擾。而語音增強就是從帶噪語音信號中提取盡可能純凈的原始語音,改善語音質量，提高語音的清晰度和可懂度。在實際應用中的信號都是非穩(wěn)定的，特別對某些“嚴格非平穩(wěn)”的語音段，傳統(tǒng)方法模糊了語音的細節(jié)特征。而小波變換由于具有時-頻局部化的特點及多分辨率分析的性質，為解決這一問題提供了有力的工具。小波變換能將語音信號在多個尺度上進行小波分解，利用語音信號和隨機噪聲在不同尺度的特性關系，對語音信號的進行去噪處理。1.2課題來源和性質課題來源

“基于小波變換和神經(jīng)網(wǎng)絡的語音處理系統(tǒng)”子項目課題性質理論研究型1.3研究內容對語音增強方法的分析、研究和總結。對小波去噪的原理和小波去噪的方法進行了分析、研究和總結。對小波閾值去噪法中的閾值函數(shù)進行了研究。對小波閾值去噪法中的閾值選取規(guī)則進行研究與探討。1.4本人所做工作綜述主要的語音增強方法，分析各種方法的優(yōu)缺點，展望了小波理論在去噪方面的應用。對三種小波去噪方法進行了分析、研究和總結。對閾值函數(shù)進行改進。針對軟、硬閾值函數(shù)的不足，提出一種新閾值函數(shù)，對新閾值函數(shù)進行分析，并進行仿真實驗。對閾值選取規(guī)則進行改進。根據(jù)能量元和Neyman-Pearson準則，針對語音信號的特點，本文給出一種基于能量元和新閾值規(guī)則的小波語音去噪法，并進行仿真實驗。2.1小波閾值去噪法原理小波去噪法主要有小波模極大值去噪法、基于小波系數(shù)尺度間相關性的去噪法、小波閾值去噪法。小波閾值去噪法的主要原理:帶噪信號進行小波變換；在不同尺度上選取合適的閾值；最后進行小波逆變換，得到去噪后的重構信號。

2.2小波閾值去噪的相關問題基小波的選擇根據(jù)小波基的性質和具體信號的特征選擇合適的基小波。

小波分解層數(shù)的選擇

對一般的信號而言，若信噪比>20，則最大分解尺度取3，否則，最大分解尺度取4好。閾值函數(shù)閾值選擇規(guī)則2.3閾值函數(shù)常用的硬閾值函數(shù)和軟閾值函數(shù).硬閾值函數(shù):軟閾值函數(shù):2.4新閾值函數(shù)在實際應用中，為了克服軟、硬閾值函數(shù)的不足，這里提出一種改進的閾值函數(shù)。其中圖是在λ=1，γ=λ/3情況下的新閾值函數(shù)。2.5新閾值函數(shù)的分析當時,新閾值函數(shù)可以看成是硬閾值函數(shù)和軟閾值函數(shù)的折中表示。當

時,通過對軟閾值函數(shù)圖形的分析，利用指數(shù)函數(shù)的特點，可以得到新的閾值函數(shù)如下：結合以上兩種情況，并增加另一個閾值變量

得到改進后的新閾值函數(shù)。

2.6仿真實驗環(huán)境和參數(shù)以WindowsXP操作系統(tǒng)作為平臺；

使用Matlab6.5作為工具軟件；

經(jīng)典測試信號：Blocks信號、Bumps信號、HeaviSine信號、Doppler信號。原始信號長度為1024；噪聲為高斯白噪聲，采用國際通用的NOISEX-92的噪聲數(shù)據(jù)包；信噪比SNR=8dB，采用的小波基為sym8，最大分解尺度為4

；新閾值函數(shù)取a=0.5，方法：新閾值函數(shù)法和傳統(tǒng)軟、硬閾值法。2.7仿真實驗結果(一)圖1四個被測試的原始信號圖2四個被測試的帶噪信號圖3硬閾值方法去噪后的結果圖圖4軟閾值方法去噪后的結果圖2.7仿真實驗結果(二)輸出信噪比（SNR）最小均方誤差（MSE）圖5新閾值方法去噪后的結果圖表1信噪比實驗數(shù)據(jù)比較性能指標SNR硬閾值方法軟閾值方法新閾值方法Blocks15.23716.41317.635Bumps16.15917.05418.267HeaviSine15.64917.34218.521Doppler16.34917.64819.064表2最小均方誤差實驗數(shù)據(jù)比較性能指標MSE硬閾值方法軟閾值方法新閾值方法Blocks0.21560.18920.1635Bumps0.20460.17650.1483HeaviSine0.19670.17240.1531Doppler0.19750.17610.1491結論：相對傳統(tǒng)軟、硬閾值方法，運用新閾值函數(shù)的方法不僅能較好地反映原始信號的概貌，而且有良好的去噪效果。

3.1小波語音去噪法的引入在小波閾值去噪的過程中，將信號部分增強，得到更好的去噪效果。Teager能量算子法：它在轉化為Teager能量算子后小波系數(shù)不能還原，因此重構后信號的失真度較大。在大部分情況下，信號去噪不僅要求去除信號中地噪聲，而且必須盡可能的恢復原始信號，以達到最佳地去噪效果。

在去噪的過程中必須綜合考慮去噪和避免失真這兩方面的因素。

3.2小波語音去噪法的原理(一)能量元定義:設某數(shù)據(jù)序列為則該序列的能量元為其中稱為能量元，N為序列中的數(shù)據(jù)長度。語音信號的5層小波分解3.2小波語音去噪法的原理(二)將同一分辨率上小波變換后得到的小波系數(shù)從小到大排列,較小的噪聲小波系數(shù)和較大的信號小波系數(shù)之間有一個臨界區(qū),信號和噪聲的小波系數(shù)有可能混在一起,將小波系數(shù)序列轉化為能量元可以將臨界區(qū)內信號和噪聲對應的小波系數(shù)之間的差異放大,更有利于Neyman-Pearson準則中虛警概率的確定。再利用該準則來確定各尺度上的小波閾值,進行信號去噪處理。臨界區(qū)附近小波系數(shù)差異放大滿足的前提條件:當時，進行能量元轉化；當時，進行幅度拉伸處理，每一層的小波系數(shù)乘上拉伸系數(shù)。3.3閾值選取規(guī)則

小波閾值的選取在小波閾值去噪法中是一個關鍵的問題。Stein無偏風險閾值通用閾值啟發(fā)式閾值極大極小準則閾值Neyman-Pearson準則閾值3.4Neyman-pearson準則該準則目的在給定虛警率的條件下，使檢測概率最大。由于本論文去除信號的噪聲，故盡量將噪聲去除，使得噪聲的檢測概率最大。根據(jù)Neyman-Pearson準則，可得閾值實際處理中，由于噪聲方差在各個尺度上不同，可以得到各尺度上的閾值，隨各尺度獨立。3.5小波語音去噪法的步驟對帶噪語音信號進行預處理;對每幀語音信號進行小波變換，得到各尺度上小波系數(shù);對第一層小波系數(shù)進行判斷;將每個系數(shù)進行處理，轉化為能量元；設定虛警概率，根據(jù)Neyman-Pearson準則，得到各尺度上的閾值;采用新閾值函數(shù)對小波系數(shù)能量元進行閾值處理;系數(shù)還原;小波逆變換.

3.6仿真實驗和分析實驗環(huán)境包括：1、以WindowsXP操作系統(tǒng)作為平臺；2、使用Matlab6.5作為工具軟件；3、實驗設備為一臺CPU為賽揚2.0，內存為256M的計算機；4、錄音軟件為CoolEditPro2.1；5、話筒一個。實驗參數(shù)包括：原始語音樣本：女聲語音“大家好”；數(shù)據(jù)長度22050點，采樣頻率16kHz，以12bit進行量化;

噪聲為高斯白噪聲，采用國際通用的NOISEX-92的噪聲數(shù)據(jù)包;

虛警率為3.7閾值選取對比的仿真實驗傳統(tǒng)小波軟閾值方法采用啟發(fā)式閾值選取規(guī)則采用小波基sym8，分解層次5，信噪比SNR=8db；

閾值選擇的仿真實驗圖結論:新算法優(yōu)于傳統(tǒng)的小波軟閾值去噪法，不僅較好的提高了信噪比，同時也保留了真實信號對應的小波系數(shù)，減少了有用信號的丟失。語音“大家好”在閾值選擇比較的實驗結果表原始語音SNR=8軟閾值算法新算法去噪后SNR13．25715．326MSE0．12910．08153.8不同信噪比下的仿真實驗(一)

圖1原始SNR=2時的實驗結果圖

圖2原始SNR=4時的實驗結果圖

圖3原始SNR=8時的實驗結果圖

圖4原始SNR=16時的實驗結果圖

3.8不同信噪比下的仿真實驗(二)實驗結果分析原始信噪比相對比較高時，新算法能較好地反映原始信號的概貌,而且有良好的去噪效果。原始信噪比比較低時，傳統(tǒng)方法處理后丟失大量有用信息，而新算法在保證信噪比有較大提高的同時，較好地保留了原始語音信號的信息，減少了語音失真。原始語音SNR傳統(tǒng)小波軟閾值法去噪后SNR新算法去噪后SNRSNR=25.32487.3245SNR=47.84279.2431SNR=810.273412.6354SNR=1620.369423.1583原始語音SNR傳統(tǒng)小波軟閾值法去噪后MSE新算法去噪后MSESNR=20．15750．0532SNR=40．13850．0467SNR=80．10960．0423SNR=160．08950．0397女聲語音“大家好”在不同信噪比下的SNR和MSE實驗結果表4.結論和展望

結論和創(chuàng)新之處：提出了