基于小波变换的阈值语音信号去噪.pdfVIP

维普资讯 第7卷 第4期 重庆科技学院学报 自然科学版 2005年 12月 基于小波变换的阈值语音信号去噪 赵 未 莲 江西财经大学电子学院，南昌330013 摘 要：介绍了小波变换在语音去噪方面的应用概况。详细阐述了阈值法中的软阈值和硬阈值方法及它们的不足 之处，并针对其缺点提出了软硬阈值折衷法去噪算法。最后，通过实验证明了该算法的优越性。 关键词：b／波变换；语音去噪；软阈值法；硬闯值法；软硬阈值折衷法 中图分类号 ：TN912 文献标识码 ：A 文章编号：1673—1980 2005 04一I 073—03 语音去噪技术是语音信号处理的一个重要分 法是寻找一个合适的数 作为阈值，把低于 的小 支，它在解决噪声污染、改进语音质量、提高语音可 波系数 主要 由噪声 17, k 引起 设为零，而对高 懂度等方面发挥着越来越重要的作用。当噪声与 于 的 主要由信号 s k 引起 ，则予以保留或 语音的频谱相似时，传统的单纯时域或频域处理往 进行收缩，从而得到估计小波系数 彩 ，它可理解为 往无法达到很好的效果。小波变换是一种多尺度 基本上是由信号 s k 引起的。然后对 进行重 的信号分析方法，是分析非平稳信号的有力工具。 构，就可重构原始信号。 它克服了短时傅里叶变换固定分辨率的弱点，既可 小波阈值增强的基本思路是n]： 以分析信号的概貌，又可以分析信号的细节。利用 1 先对含噪信号 厂 k 作小波变换，得到一组 小波变换实现信号去噪，具有很好的效果。 小波系数 ； 小波阈值去噪方法是实现最简单、计算量最小 2 通过对 从进行阈值处理，得出估计小波 的一种方法，因而得到了最广泛的应用。 系数 ； 1 原理与方法 3 利用 谚m进行小波重构，得到估计信号 k ，即为增强之后的信号。 设有如下观测信号 若噪声 17, t 为方差为 的Gaussian白噪声，服 厂 t s t +n t 1 其中S t 为原始真实信号，n t 为噪声。 从 N o，盯 。则取 ： ,／21gN N为离散信号的采 对于一维信号来说，我们首先对其进行离散采 样点数 。 样，得到N点离散信号f ，n 0，1，…，N一1，其 硬阈值估计方法定义为： 小波变换为： w—i ： ，， 1 0 ≥ 3 ，v一1 Wj,kl 3‘ Wf j，k 2 f n 2-in—K 2 软阈值估计方法定义为： ref j，k 即为小波系数，为方便起见，简记为 。 fsign Wi， · Wi． 一 fWi，l≥ Wi 对厂 k 连续作几次小波分解之后，空间分布不 , k 10 均匀信号S k 所对应的各尺度上，小波系数W 在 4 某些特定的偏置有较大的值。这些点对应于原始信 通常，硬阈值估计方法较好地保留原始信号的 号S 的奇变位置和重要信息，而其他大部分位置 一 些尖锐特性，但它的平滑性要差一些，而软阈值 的 值较小。对于噪声 n k ，它所对应的小波系 则在视觉上有较好的平滑性。图1即说明了这两种 数 W 在每一尺度上的分布是均匀的，并且随着尺 方法的区别。 度的增加， 系数的幅值有所减小。通常的增强办 收稿 日期：2005—09—05 作者简介：赵未莲 1972一 ，女，江西吉水人 ，讲师，硕士，现从事电子与信息技术的研究。 · 73 · 维普资讯 赵未莲：基于小波变换 的阂值语音信号去噪 l 分能被有效去除，但语音中的大量高频部分 如清 音 也被去掉，产生失真。软阈值方法处理后得到 的小波系数值 EWC 虽然连续性好，易于处理，但 由于当小波系数较大时，EWC与原来的小波系数有 一 一 固定的偏差 ，势必也会给重构信号带来不可避免的 误差。而软、硬阈值折衷法同时克服了软阈值和硬 …／r：： 阈值方法的缺点。 n 硬阂值方法 l ： Ⅲ 图3 信噪 比为 2的信号去噪 ： 一 ／～ 仔细分析可以发现，由软阈值方法估计出来的 … ： t iI 国 ，其绝对值总比Wj．要小 IWj，I≥ ，因此要 设法减小此偏差。但若把这种偏差减小为零 硬阈 值情况 也未必是最好的，因为 本身就是由原 始信号对应的小波系数u 和噪声对应的小波系数 b 软 阈值方法 u 组成的，它可能由于Uj．的影响而使IWj，I 图1 估计小波系数的软、硬阈值方法 fu¨I 对于大多数的wj，来讲 ，而我们的目的是 这两种方法在实际中得到了广泛应用，也取得 使 ll ll—JJUj，ll最小。因此，令JWj，J的取值 了较好的效果，但该方法本身还有潜在的缺点。比 介于 IWj．I— 与lW l之间可能会使估计出来 如硬阈值方法中， 在 处是不连续的，利用 访 的小波系数 更加接近于u 。基于这一思想，我