基于听觉特性的小波包语音增强算法Matlab实现程序.docVIP

本文基于听觉特性的小波包语音增强算法Matlab实现程序如下： 说明：1.“D:\EXPERI\”为实验中纯净语音素材和生成的带噪语音以及增强后的 语音在PC中的存放路径。 2.可以通过改变SNR的具体值根据需要将生成的带噪语音信号的信噪比 设为任意合理值。 3.实验中我们将Matlab的wthresh.m文件中的库函数wthresh(x,sorh,t) 就行了修改，sorh增加了一种类型n，该类型代表论文中提出的新的 阈值函数类型。 a)生成混杂白噪声的带噪语音部分 %读入纯净语音并显示 x=wavread(D:\EXPERI\clean.wav); subplot(3,1,1); plot(x); axis([0 55521-0.5 0.5]); x1=length(x); %给定信噪比 SNR=5; %利用信噪比和语音能量求得要添加的白噪声 clean_energy=sum(x.*x); addnoise_energy=clean_energy*(10^-(SNR/10)); noise=normrnd(0,1,x1,1); noise_energy=sum(noise.*noise); q=addnoise_energy/noise_energy;noise_new=sqrt(q)*noise; %在纯净语音中加入白噪声 y=x+noise_new; %将数据写入语音文件并显示 wavwrite(y,8000,D:\EXPERI\WN_clean.wav); subplot(3,1,2); plot(y); axis([0 55521-0.5 0.5]); b)基于听觉特性的小波包语音增强算法实现部分 %Bark小波包分解 x=wavread(D:\EXPERI\WN_clean.wav); wptree=wpdec(x,7,db5); %把Bark小波分解包中的第五层的叶结点合并 for k=47:62 wptree=wpjoin(wptree,k); end %把Bark小波分解包中的第六层的叶结点合并 for k=79:86 wptree=wpjoin(wptree,k); end for k=91:94 wptree=wpjoin(wptree,k); end %plot(wptree); %将各节点按相应阈值进行处理 sorh=n;%所选阈值函数 %----------- %处理7层节点 %----------- for i=0:31c70(:,i+1)=wpcoef(wptree,[7 i]); q70=median(abs(c70(:,i+1))); arr70(i+1)=(q70/0.6745).*sqrt(2*log(442)); if(i0) c70(:,i+1)=wthresh(c70(:,i+1),sorh,arr70(i+1)); wptree=write(wptree,data,[7 i],c70(:,i+1));%修改节点系数值 end end for i=48:55 c71(:,i-47)=wpcoef(wptree,[7 i]); q71=median(abs(c71(:,i-47))); arr71(i-47)=(q71/0.6745).*sqrt(2*log(442)); c71(:,i-47)=wthresh(c71(:,i-47),sorh,arr71(i-47)); wptree=write(wptree,data,[7 i],c71(:,i-47)); %修改节点系数值 end %----------- %处理6层节点 %----------- for j=16:23 c60(:,j-15)=wpcoef(wptree,[6 j]); q60=median(abs(c60(:,j-15))); arr60(j-15)=(q60/0.6745).*sqrt(2*log(876)); c60(:,j-15)=wthresh(c60(:,j-15),sorh,arr60(j-15)); wptree=write(wptree,data,[6 j],c60(:,j-15)); %修改节点系数值 end for j=28:31 c61(:,j-27)=wpcoef(wptree,[6 j]); q61=median(abs(c61(:,j-27))); arr61(j-27)=(q61/0.6745).*sqrt(2*log(876)); c61(:,j-27)=wthresh(c61(:,j-27),sorh,arr61(j-27)); wptree=write(wptree,data,[6 j],c61(:,j-27)); %修改节点系数值end %----------- %处理