阅读量：

305

作者：

盛英

展开

摘要：

本课题是研究基于小波的语音信号降噪算法。小波变换作为能随频率的变化自动调整分析窗大小的分析工具,自上世纪八十年代中期以来得到了迅猛的发展,并在信号处理、计算机视觉、图像处理、语音降噪与压缩等众多的领域得到应用。 小波变换其实就是一组滤波器组,一个低通滤波器和一系列带通滤波器(高通滤波器)。通过这组滤波器,小波变换对输入信号进行分频,将信号分解成高频的细节部分和低频的概貌部分,但是输入信号在时域内的主要特性没有改变。 经过小波变换后,语音信号的信息主要集中在低频部分,且小波系数幅值大,白噪音主要集中在高频部分,小波系数幅值小。由此,我们可以对通过小波变换后得到的各个子波作适当的阈值处理,将小于阈值的小波系数(由噪声产生)置零,而保留大于阈值的小波系数(由信号产生),从而使含噪信号中的噪声得到有效的抑制,最后进行小波逆变换,得到滤波后的重构信号。这就是小波滤波的基本思想。 小波降噪主要包括以下几个环节: 1.原始信号的小波变换,主要涉及小波基选取问题。本文比较了几种小波基的不同特点:Haar小波只有一阶消失矩,但它具有最短的支撑,并且是正交和(反)对称的;DB小波具有高阶消失矩,是正交的,但它没有(反)对称性;双正交小波虽不具有正交性,但是对称的,而且分析小波与综合小波均有高阶消失矩。在确定消失矩参数情况下,正交小波系列中,DB小波具有最短的支撑,在这一意义上它是最优小波。并且DB小波能很好表征信号的突变和细节特征,所以应用最为广泛。 2.阈值估计。本文比较了几种常用的阈值估计算法:通用阈值法,包括Donoho提出的t=σ(21nN)~(1/2)通用阈值,基于正态分布"3σ准σ"的t=cσ,c∈[3.0,4.0]阈值;几种无偏风险估计阈值;GCV(广义交叉验证)阈值;最终得出通用阈值效果最好的结论,并以"3σ准则"最为简单、灵活,效果也很好。 3.阈值函数。比较了三种阈值函数:硬阈值函数,算法简单,但容易损失弱细节信号;软阈值函数,处理后的信号有较好的连续性,但大量系数的收缩容易造成偏差;半软阈值函数,结合了上两种算法的优点,但需确定两个阈值,增加了算法复杂度;最终确定了用改进的半软阈值函数作为本文降噪阈值函数,其只需确定一个阈值,但与上述的几种阈值函数方法得到的滤波结果是渐进相等的 4.阈值选取策略分为统一阈值法和独立阈值法,通过实验证明独立阈值法失真较大,全局统一阈值法效果较好。 5.评价标准除了注重客观评价标准,更提出了注重主观评价满意度思想,注重语音高频细节信号的保留。 本文通过对小波降噪算法的深入研究和实践,结合语音信号的特点,在客观评价和主观评价并重的原则下,提出了改进的基于小波变换的语音信号降噪算法:采用小波包分解语音信号,通过对阈值估计算法作适当调整,在原阈值估计基础上,动态加权,从而增强了阈值估计算法的自适应性,最大限度的保留语音高频细节信号,并增加小波域的野点处理过程,从而改善了小波降噪效果。通过实践证明,该算法确实从主观评价满意度方面较以往算法有明显提高。

展开

关键词：

语音信号 小波 小波包 降噪 Speech Signal Wavelet Packet Denoise

DOI：

CNKI:CDMD:2.2007.119515