基于小波变换的语音信号增强方法研究(免费阅读).ppt

基于小波变换的语音信号增强方法研究 作者：黄苏雨 专 业：计算机应用技术 内容提纲 课题简介 小波阈值去噪法 基于能量元和新阈值规则的小波语音去噪方法 结论和展望 1.1论文背景 人们在语音通信过程中不可避免的会受到来自周围环境、传输媒介引入的噪声、通信设备内部电噪声、乃至其它讲话者的干扰。而语音增强就是从带噪语音信号中提取尽可能纯净的原始语音,改善语音质量，提高语音的清晰度和可懂度。 在实际应用中的信号都是非稳定的，特别对某些“严格非平稳”的语音段，传统方法模糊了语音的细节特征。而小波变换由于具有时-频局部化的特点及多分辨率分析的性质，为解决这一问题提供了有力的工具。小波变换能将语音信号在多个尺度上进行小波分解，利用语音信号和随机噪声在不同尺度的特性关系，对语音信号的进行去噪处理。 1.2课题来源和性质 课题来源 “基于小波变换和神经网络的语音处理系统”子项目 课题性质 理论研究型 1.3研究内容 对语音增强方法的分析、研究和总结。 对小波去噪的原理和小波去噪的方法进行了分析、研究和总结。 对小波阈值去噪法中的阈值函数进行了研究。 对小波阈值去噪法中的阈值选取规则进行研究与探讨。 1.4本人所做工作 综述主要的语音增强方法，分析各种方法的优缺点，展望了小波理论在去噪方面的应用。 对三种小波去噪方法进行了分析、研究和总结。 对阈值函数进行改进。针对软、硬阈值函数的不足，提出一种新阈值函数，对新阈值函数进行分析，并进行仿真实验。 对阈值选取规则进行改进。根据能量元和Neyman-Pearson准则，针对语音信号的特点，本文给出一种基于能量元和新阈值规则的小波语音去噪法，并进行仿真实验。 2.1小波阈值去噪法原理 小波去噪法主要有小波模极大值去噪法、基于小波系数尺度间相关性的去噪法、小波阈值去噪法。 2.2小波阈值去噪的相关问题 基小波的选择 根据小波基的性质和具体信号的特征选择合适的基小波。 小波分解层数的选择 对一般的信号而言，若信噪比20，则最大分解尺度取3 ，否则，最大分解尺度取4好。 阈值函数 阈值选择规则 2.3阈值函数 常用的硬阈值函数和软阈值函数. 硬阈值函数: 软阈值函数: 2.4新阈值函数 在实际应用中，为了克服软、硬阈值函数的不足，这里提出一种改进的阈值函数。 其中 图是在λ = 1， γ=λ/3情况下的新阈值函数。 2.5新阈值函数的分析 当 时,新阈值函数可以看成是硬阈值函数和软阈值函数的折中表示。 当 时,通过对软阈值函数图形的分析，利用指数函数的特点，可以得到新的阈值函数如下： 结合以上两种情况，并增加另一个阈值变量 得到改进后的新阈值函数。 2.6仿真实验环境和参数 以WindowsXP操作系统作为平台； 使用Matlab6.5作为工具软件； 经典测试信号：Blocks信号、Bumps 信号、HeaviSine信号、Doppler信号。原始信号长度为1024； 噪声为高斯白噪声，采用国际通用的NOISEX-92的噪声数据包； 信噪比SNR=8dB，采用的小波基为sym8，最大分解尺度为4 ； 新阈值函数取a=0.5， 方法：新阈值函数法和传统软、硬阈值法。 2.7仿真实验结果(一) 2.7仿真实验结果(二) 输出信噪比（SNR） 最小均方误差（MSE） 3.1小波语音去噪法的引入 在小波阈值去噪的过程中，将信号部分增强，得到更好的去噪效果。 Teager能量算子法：它在转化为Teager能量算子后小波系数不能还原，因此重构后信号的失真度较大。 在大部分情况下，信号去噪不仅要求去除信号中地噪声，而且必须尽可能的恢复原始信号，以达到最佳地去噪效果。 在去噪的过程中必须综合考虑去噪和避免失真这两方面的因素。 3.2小波语音去噪法的原理(一) 语音信号的5层小波分解 3.2小波语音去噪法的原理(二) 将同一分辨率上小波变换后得到的小波系数从小到大排列,较小的噪声小波系数和较大的信号小波系数之间有一个临界区,信号和噪声的小波系数有可能混在一起,将小波系数序列转化为能量元可以将临界区内信号和噪声对应的小波系数之间的差异放大,更有利于Neyman-Pearson准则中虚警概率的确定。再利用该准则来确定各尺度上的小波阈值,进行信号去噪处理。 临界区附近小波系数差异放大满足的前提条件: 当 时，进行能量元转化； 当 时，进行幅度拉伸处理，每一层的小波系数乘上拉伸系数 。 3.3阈值选取规则 小波阈值的选取在小波阈值去噪法中是一个关键的问题。 Stein无偏风险阈值 通用阈值 启发式阈值 极大极小准则阈值 Neyman-