小波变换在语音信号处理中的应用..docVIP

小波变换在语音信号处理中的应用 XXX (江苏科技大学　江苏 镇江 212003) 摘 要：关键词：中图分类号:T　　文献标识码:Jiangsu University of science and technology, Zhenjiang 212003, Jiangsu, China) Abstract: By the time-frequency analytic feature of wavelet transformation, the appropriate wavelet functions are selected to strengthen, to code, to compress and to extract signal features of speech according to the characteristics of the speech signals. Simulated by MATLAB, the strengthened signals, the compression ratio parameter, the energy reservation parameter, the zero coefficient parameter and the speech signal features were obtained. The results show that the speech signal processing based on wavelet transformation exhibits good characteristics. Keywords: Speech Signal Processing; Wavelet Transformation; Strengthening; De-noising; Feature extraction; Condensation encode 1 引言 小波分析是近十几年发展起来的一种新的时频分析方法，它是泛函数、Fourier分析、调和分析、数字分析的最完美的结晶；在应用领域，特别是在信号处理、图像处理、语音处理以及众多的非线性可续领域，它被认为是继Fourier分析之后的又一有效的时频分析方法。小波变换是传统傅里叶变换的集成和发展。由于小波的多分辨分析具有良好的空间域和频率域局部化特性，针对聚焦到分析对象的任意细节，因此，特别适合于信号非平稳信源的处理，并已成为一种信息处理的新手段。目前，小波分析已成功应用于语音信号处理。 2 小波理论 2.1 连续小波变换 设为一平方可积函数，即，若其傅里叶变换满足条件： 则称为一基本小波或小波母函数，称上式为小波函数的容许条件。将任意空间中的函数在小波基下展开，函数连续小波变换（continue wavelet transform，简称CWT）表达式为： (1) 其重构公式（逆变换）为： (2) 2.2 离散小波变换 为了减小小波变换系数冗余度，将小波基函数的限定在一些离散点上的取值。在离散小波变换中，待分析信号和分析小波中的时间变换t并没有被离散化，只是离散栅格下的小波变换。 2.2．1 尺度离散化 对尺度进行幂数级离散化即取，此时对应的小波函数是： j=0,1,2,··· （3） 2.2．2 位移离散化 对进行均匀离散取值，以覆盖整个时间轴。在尺度下由于的宽度是的倍，采样间隔可以扩大，但信息也不会丢失。这样，就改为 (4) 记为。 离散小波变换定义为： j=0,1,2,···， (5) 其重构公式为： (6) 其中，c是一个与信号无关的常数。 2.3 多分辨分析 定义函数： (7) 则函数系为规范正交。三层多分辨率分析树结构如图1所示。设代表图中的低频部分；代表分解中的高频部分，则是和中的正交补，即： (8) 则多分辨率的子空间可以用有限子空间来逼近。即有 (8) 图1三层多分辨率分析树结构图 分解的最总目的是构造一个在频率上高度逼近空间的正交小波基，频率分辨率不同正交小波基相当于带宽各异的带通滤波器。从图1可以看出，多分辨率只对低频弓箭进行进一步分解。频率分辨率变得越来越高。 2 小波变换在语音增强中的应用 在语音的产生、处理和传输过程中，不可避免地会受到环境噪声的干扰，使得语音信号处理系统，如语音编码和语音识别系统的性能大大降低。为了改善语音质量，提高语音的可信度，人们根据语音和噪声的特点，采取各种语音增强方法抑制背景噪声。小波去噪的