一种改进的语音数据小波阈值的去噪算法.pdf

26，Nmll，2010 技术交流 微型电脑应用 2010年第26卷第1l期 Micmc哪puterAppKca60璐、u 文章编号：1007-757X(2010)ll·0060-02 一种改进的语音数据小波阈值的去噪算法 毛艳辉，杨根科 摘要：小波阈值去噪是一种简洁有效的信号去噪方法，在信号处理领域得到了广泛应用。结合语音信号特有的频率分布特 点，在软硬阈值函数的基础上，提出了一种改进的基于分解尺度的小渡阈值去噪函数。仿真实验表明，该函数能够较好的滤 除语音数据中的噪声，并且在更大程度上保留原始语音信息。 关键词：小波变换；语音去噪；阈值去噪； 中图分类号：TN911．7 文献标志码：A O引言 九作为闽值(门限)，当小波系数小于该阈值时，认为这时的 小波系数主要是由噪声引起的，予以舍弃置零处理。当小波 随着现代科技的发展，语音去噪技术正得到越来越多的 系数大于该阈值时，认为这时的小波系数主要是由信号引起 应用。传统的语音去噪方法多是基于傅里叶变换来实现的， 的，则把这一部分的小波系数直接保留下来或按某一固定量 但由于傅里叶变换的时频窗具有固定性，使其在处理非平稳 向0收缩，然后由新的小波系数进行小波重构得到去噪后的 的语音信号时有着无法克服的缺附“21。小波分析的时频窗 信号，具体步骤如下： 大小固定但形状可变，在时域和频域都具有良好的局部化性 (1)选择合适的小波函数和分解层数，，对含噪信号进 质，因此利用小波变换来进行语音信号去噪可以取得良好的 行正交小波变换，得到相应的各尺度分解系数∞储。 效果。目前常见的小波去噪方法主要有模极大值法，平移不 (2)选择合适的去噪阂值九及阈值函数，对各尺度小 变量法，和小波闽值去噪法12J。 波系数∞^七进行阈值处理，得到估计小波系数两，，使得幽- 模极大值法主要适用于信号中混有白噪声且奇异点较 尽可能接近纯净信号的小波变换系数。 多的情况，该方法能较好的保留反映信号特征的奇异点信 (3)对小波分解的，层低频系数和经过阈值函数处理 息，避免去噪后人为震荡噪声的产生。平移不变量法主要适 的多层高频系数西，进行小波逆变换，得到去噪后的信号。 用于信号中含有不连续点的情况，以上两种方法计算过程过 在这3个步骤中，第2步中去噪阂值九和闽值函数的选 于复杂，在实际应用中受到了极大限制12j。小波阂值去噪法 取是影响小波去噪质量的关键。目前常见的阈值估计方法主 是D，L．Donoho在1995年提出的一种简洁有效的去噪方 法[11。该方法计算速度快，噪声几乎能完全得到抑制，且反 应原始信号的特征尖峰点能得到很好的保留。但由于其闽值 偏风险闽值(砌g九鹏)，启发式阈值(Hel】rsure)和极大极 函数在结构上存在的某些缺陷，如硬阈值函数的，fi连续性和 软阂值函数中恒定偏差的存在，使得去噪后的信号与原始信 分布的情况下，可以取得不错的效果。stein可以认为是一 号仍有一定偏差，且可能引起伪吉布斯现象【2)J。 个软件阈值估计器，它对一个给定的阈值九，得到它的似然 本文在传统的软硬闽值去噪及其改进算法的基础上，结 估计，再将非似然九最小化，就得到所求闽值。H朗lr飘lre法 合语音信号特有的噪声分布特征，提出了一种改进的基于分 是以上两种方法的综合，是最有预测闽值变量选择。 解尺度的小波阈值去噪算法。实验仿真结果表明，与软硬阈 MiIlima妇方法则是在极值估计器的基础上产生一个最小均 值法和其他改进方法相比，该算法对语音信号的去噪效果有