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：利用小波的多分辨分析，以及其良好的空间域和频率域局部化特点，针对语音信号特征，选取适当的小波算法进行去噪和增强语音，压缩编码，提取语音信号特征等处理。通过MATLAB仿真分析，得到增强后的信号图和压缩后的压缩比参数、能量保留参数、零系数比例，提取语音信号的特征。结果表明，基于小波变换的与语音信号处理表现出良好的特性。

关键词：语音信号处理;小波变换;去噪;增强;压缩编码;特征提取

中图分类号:TB115文献标识码:A

WaveletTransformationApplicationinSpeedSignalProcessing

XXX

(JiangsuUniversityofscienceandtechnology,Zhenjiang212003,Jiangsu,China)

Abstract:Bythetime-frequencyanalyticfeatureofwavelettransformation,theappropriatewaveletfunctionsareselectedtostrengthen,tocode,tocompressandtoextractsignalfeaturesofspeechaccordingtothecharacteristicsofthespeechsignals.SimulatedbyMATLAB,thestrengthenedsignals,thecompressionratioparameter,theenergyreservationparameter,thezerocoefficientparameterandthespeechsignalfeatureswereobtained.Theresultsshowthatthespeechsignalprocessingbasedonwavelettransformationexhibitsgoodcharacteristics.

Keywords:SpeechSignalProcessing;WaveletTransformation;Strengthening;De-noising;Featureextraction;Condensationencode

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（continuewavelettransform，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)

小波分析在信号特征的提取上有很多应用，以语音基频的提取为例说明它的应用。语音的能量来源于正常呼吸时肺部呼出的稳定气流，而通过声带的开启和闭合使气流形成基音周期，其倒谱成为基音频率，简称基频（F0）。考虑到基音频率多分布在50-500Hz之间，而多分辨率分析有把频率逐级对分的特点，可用Mallet算法直