基于奇异谱分析和维纳滤波的语音去噪算法.docVIP

基于奇异谱分析和维纳滤波的语音去噪算法 　　摘要：针对维纳滤波算法对非平稳语音信号去噪存在的信号失真、信噪比（SNR）不高的问题，提出了一种奇异谱分析（SSA）和维纳滤波（WF）相结合的语音去噪算法SSAWF。通过奇异谱分析将非线性、非平稳的语音信号初步去噪，提高含噪语音的信噪比以获取尽可能平稳的语音，并将其作为维纳滤波的输入，以剔除其中仍存在的高频噪声，最终获取纯净的去噪语音。在不同强度的背景噪声下进行仿真实验，结果表明SSAWF算法在SNR和均方根误差（RMSE）等方面都要优于传统的语音去噪算法，能够有效去除背景噪声，降低有用信号的失真，适用于非线性、非平稳语音信号的去噪。 　　关键词：奇异谱分析；维纳滤波；语音信号；去噪；强噪声 　　中图分类号： TN912.3 　　文献标志码：A 　　Speech denoising algorithm based on singular spectrum analysis and Wiener filtering 　　JIN Liyan1， CHEN Li1*， FAN Taiting2， GAO Jing1 　　1.School of Information Science and Technology， Northwest University， Xian Shaanxi 710127， China 　　； 　　2.Xian Productivity Promotion Center， Xian Shaanxi 710048， China 　　Abstract： 　　Concerning that the Wiener filtering algorithm leads signal distortion with low SignaltoNoise Ratio （SNR） when dealing with the noise of nonstationary speech signal， a new speech denoising algorithm named SSAWF was proposed combining with Singular Spectrum Analysis （SSA） and Wiener Filtering （WF）. To obtain the speech signal as smooth as possible， SSA was used to denoise the nonlinear and nonstationary speech signal to improve the SNR of the noisy speech. Then the processed signal was put into WF to further eliminate the high frequency noise that still existed in the speech signal. The simulation results from different intensity of background noise show that the proposed algorithm is superior to the traditional methods in SNR and RootMeanSquare Error （RMSE）. The results also demonstrate that the new algorithm can not only remove the background noise efficiently， but also reserve the details of the original signal， it is suitable for the denoising of nonlinear and nonstationary speech signal. 　　英文关键词Key words： 　　Singular Spectrum Analysis （SSA）； Wiener Filtering （WF）； speech signal； denoising； strong noise 　　0引言 　　在实际的信号采集和处理过程中，语音信号不可避免地被噪声所污染，获得比较纯净的有用信号是进行信号后续处理的基础和关键[1]。语音去噪技术是信号处理领域的一个重要研究分支，该技术在提高语音质量和可懂度等方面发挥着重要的作用。同时，去噪效果的优劣还会影响到语音识别系统的识别率。 　　由于语音信号的非线性和非平稳性，一些传统的语音去噪算法需要知道噪声的一些统计特征，以