Awaveletbasedaudiodenoiser基于小波变换的音频降噪.docVIP

基于小波变换的音频降噪 摘要 本文讨论了实时去噪算法基于小波变换的数字音频信号的白噪声。坐落在所有的频率，因此是特别难检测。我们利用当地的小波函数单从频率域的信号本身，从而能够降噪。完美的去噪是不可能的：较高的阈值系数的设置，更发现噪声，但更原始信号的影响以及。我们已经实施了灵活的框架，去噪包括硬阈值和软阈值的小波，变换，和不同的治疗的填充系数。提出的降噪是实时应用，允许直接主观判断的参数设置。评价总结将会包含在文章中。 简介 信号处理应用所有斗争的一个主要问题，噪音。一个纯粹的和不受干扰信号叠加的另一个不想要的信号。如何分开另一个没有恶化的信号本身？这个问题伴随着寻找一个好的信号代表的整个编码过程。通过傅立叶变换（英尺）和窗口傅里叶变换的新方法的成功应用，重点对小波变换（小波变换）为克服金融时报的缺点。其结构通过多分辨分析证明反映频率分辨率的人类耳朵：低频率的解决，而高频率只有松散的解决。此外，实施小波变换是不够快，允许实时应用。 本文讨论的去除白噪声在数字音频。方法中主要存在的检测和清除白噪声，每个与有害的副作用。对于一个给定的噪音水平，一个最佳的去噪水平可以计算，造成最低限度的文物的信号去噪。我们使用实时实现音频工具的想法，噪声和噪声去除。此外，我们评估的主观参数设置在去噪过程中的自动设置为最小的文物。 本文的结构如下：在讨论一些相关工作在2节，我们目前的基本概念，数字音频，噪声，小波滤波器组，并在3节。在4部分，我们提出一个框架的数字音频实时处理。5部分详细的评价和比较自动和主观的参数设置。6部分总结文章。 相关的工作 许多研究减少噪音录音带进行了杜比[ 1]。噪声降低的基础上减少了知觉，磁带噪声，是从磁带上的磁粒子。这个想法是，音乐编码前记录。在这里，一级软，高频通道提高到使他们胜于磁带的噪声，而大通道是不能改变的。 一个不寻常的项目在耶鲁大学音乐学院[2]进行了。小波降噪已使用恢复一个破旧的记录的勃拉姆斯在1889的自身的工作中进行的。原蜡记录是一个罕见的机会分析主要在作曲家的解释，是他独立完成的。就算小波存储的声音尚未有音乐一样的完美，足够的记录重建已经证明勃拉姆斯有了相当大的相信自己说取得成绩的自由。 一种形式化方法去噪的小波分析介绍了系统[3]，制定了主要基于小波算法。线性假设噪声去噪包括高频成分。相应的（合适的）尺度的小波变换设置为零。非线性去噪、小波收缩假设噪声还包括低能量，从而在粗尺度以及。本文提出的算法是基于部分系统的工作。 噪声在数字音频处理 人耳可以感知很小的刺激耳膜的物理的空气压力变化，并且去分析这些变化。数字系统却只能处理离散信号。模拟-离散信号的转换是可以通过抽样来进行的。从目前的水平来衡量是在短的时间内，是由一个离散值序列说表现出来。 小波变换和滤波器 由于一个小波不仅是一个紧凑的功能，消失一定间隔的重量，特别是当适应性分析当地的变化在音频中的作用：小波变换提供了高时间定位为高频率而祭频率分辨率低频率[4]。高—频率事件（如钹的撞击）会分析短，和高振幅小波。低色调（如低音鼓）会分析长，振幅小波。一个重要步骤，应用小波理论信号处理，过渡到数学理论，提出了研究[5]通过多分辨率。多分辨率分析通过高通滤波器，带通滤波器（即，小波）和低通滤波器（即，尺度函数）。让所有频率通过低通滤波器，低截止频率，而其余的频率成分是删除从信号。高通滤波器的工作，反之亦然。在这方面，小波变换的信号可以实现与滤波器通过连续应用2声道滤波器组成的高通和低通滤波器：细节系数每个递归步骤是分开的，和递归再次启动其余近似变换系数。作为人类感知证明集中在低频刺激，这个递归的重量完全反射细分根据人体感知信号。 合成滤波器组仅仅是另外一种工作方式。细节和每一个近似系数分解级过滤通过合成滤波器，每个滤波器应用给出了一个近似系数为下一个等级。这个过程重复直到原始信号被重建。 实现的离散小波中的使用O（n）的复杂算法。尽管如此，目前实现需要更多的过程或资源比，依靠不同波长的滤波器。然而，现代计算机是系在实时分析和合成音频数据。 噪声和小波 噪声信号处理是指一个扰动信号的一些或所有频段，通常是不受欢迎的。不定期的噪音，更先进的方法已经被应用去噪信号。一个区分噪声根据其性能在时间和频率域。 符号的白噪声是指分布噪声在频率域。高斯噪声：这一特点指的是概率密度在时间域。均匀噪声具有恒定的概率密度在有限区间。高斯噪声是正常的分布，可以定义在无穷区间2参数，平均和传播。几乎所有的自然现象产生高斯噪声，因为“大数法则”。 白噪声是特别困难的检测和消除它坐落在所有频率。一个（二进离散），然而，利用了这一事实，变换后的信号的系数的“活”的尺度，这些尺度和比例，同样对人类声音的看法。喜欢的音乐是密切相关的谐波含量，从而产生更大的噪声系数比，这是高度相关。去