基于小波分析的語音信號去噪處理的研究

1、 單位代碼： 005 分 類 號： TN 延安大學西安創(chuàng)新學院 本科畢業(yè)論文（設計）題 目： 基于小波分析的語音信號去噪 技術研究 專 業(yè)： 電子信息工程 姓 名： 王 明 學 號： 1043132034 指導教師： 黃 同 職 稱： 講 師 畢業(yè)時間： 二一四年六月 基于小波分析的語音信號去噪技術研究摘要：本論文利用小波在語音信號去噪方面的良好應用，首先對小波信號進行分析，并用傅立葉變換與小波變換進行比較，發(fā)現(xiàn)他們的相同點與不同點，對小波基分析，發(fā)現(xiàn)小波基的選取對去噪效果沒有太大的影響；后對閾值法分析，發(fā)現(xiàn)閾值法具有計算量小、去噪效果好的特點，并且在閾值法中，閾值的選取直接關系到去噪效果的優(yōu)

2、劣。本論文重點使用小波閾值法，針對不同的閾值函數(shù)、閾值處理方法及小波函數(shù)做出了選??；針對閾值法中高頻信號失真的缺點，我們對小尺度上的小波系數(shù)做譜減法預處理；之后以一個小閾值去除剩余噪聲，大尺度上仍然利用閾值法處理。經過仿真實驗表明，這種處理方法較傳統(tǒng)的小波閾值法，保留了更多有用信號，減小了去噪后語音信號的失真。關鍵詞：小波分析；閾值去噪；譜減法。Research on speech signal de-noise based on the wavelet analysisAbstract：This thesis takes advantage of the wavelet in speech

3、signal denoising of good application. For one thing, we analyze the wavelet signal ,comparing the Fu Liye transform with wavelet transform to find their same and different points.On wavelet basis analysis,we found that the selection of wavelet base has not enough influence on denoising effect. After

4、 we make an analysis on the threshold value method, founding the threshold method has small computation and good de-noising effect characteristics. And in the threshold method, the selection of threshold value is directly related to the denoising effect;This thesis focuses on the use of wavelet thre

5、sholding method, according to the different threshold function and threshold processing method and wavelet function to make a choice; Aiming at the shortcoming of the high frequency signal distortion in threshold method, we do to small scale wavelet coefficients of spectral subtraction pretreatment

6、and then to a small threshold to remove residual noise, large scale still using the method of threshold processing. After the simulation experiment indicated that, this method compare to the traditional wavelet threshold method retaining more of the useful signal and reducing the noise after the spe

7、ech signal distortion.Keywords: Wavelet analysis;Threshold de-noising; Spectral subtraction.目 錄1引言12小波分析22.1傅立葉變換22.2小波變換32.3 傅立葉變換與小波變換的比較53小波去噪基本理論63.1 信號和噪聲在小波域的傳播特性63.2 小波基的選取63.3 小波閾值去噪及通用閾值法(sqtwolog 原理)83.4小波閾值處理方法94基于小波分析的語音信號去噪104.1 語音信號特性與噪聲特性104.1.1 語音信號特性104.1.2 語譜圖114.1.3 噪聲特性124.2 語音去噪

8、效果評價134.3 小波閾值法語音去噪仿真實驗144.3.1 不同小波基的比較144.3.2 不同閾值處理方法的比較154.3.3 不同閾值選取方法的比較164.3.4 小波閾值法總結174.4 小波閾值法與譜減法相結合的語音去噪174.4.1 小波閾值法的缺點和譜減法的介紹174.4.2 利用譜減法進行預處理后的小波閾值去噪205結論23參考文獻24致 謝25附 錄26延安大學西安創(chuàng)新學院本科畢業(yè)論文（設計）1引言語音信號處理是信息高速公路、多媒體技術、辦公自動化、現(xiàn)代通信及智能系統(tǒng)等新興領域應用的核心技術之一，它主要包括語音通信、合成、識別和增強(去噪)等方面。在各種語音處理系統(tǒng)的實際應用

9、中，由于噪聲的存在會使語音處理系統(tǒng)的性能惡化,語音增強是解決噪聲污染的一種有效方法，它的一個主要目標是從帶有噪聲的語音信號中提取盡可能純凈的原始語音信號。然而，由于干擾通常都是隨機的，因而從帶有噪聲的語音中提取完全純凈的語音信號幾乎是不可能的，這樣，語音增強的主要目的是改進語音質量，消除環(huán)境噪聲，也就是從帶噪語音信號中濾除噪聲，提高語音信號的信噪比1。在許多情況下，我們所關心的語音信號常常會被其它信號所污染，即在我們所關心的語音信號中摻雜著噪音，干擾了我們的聽辨。這對我們聽出語音信號中夾帶的有效信息帶來了很大困難，在不少領域里影響人們的工作效果2，例如：公安領域：公安干警往往會竊聽犯罪嫌疑人的

10、對話。由于周圍環(huán)境的影響、所用設備的限制和犯罪嫌疑人講話的清晰程度，使得入錄的語音信號或多或少會受到噪音的干擾。這對聽清楚犯罪嫌疑人話中的意思，知道他們的意圖帶來了很大的困難。如果我們能去除語音信號中的背景噪音，提高語音信號的信噪比，就能使公安干警聽出犯罪嫌疑人講話的意思。這將對防止刑事案件的發(fā)生或加快破案進程起到積極的作用。新聞領域：對記者來講，野外采訪是常有的事，然而由于采訪地點周圍環(huán)境的影響，如風聲、汽車喇叭聲、建筑工地的打樁聲等等，他所采訪到的錄音往往會被周圍的噪音所污染，影響了采訪效果。這時也需要對采訪錄音進行降噪處理，以便讓聽眾能夠更清楚地聽到記者和被采訪者之間的對話。語音識別領域

11、：當今語音識別是一個非常熱門的話題，有許多人在研究，市場上己經出現(xiàn)了不少產品，例如IBM的語音識別系統(tǒng)Viavoices但是它們有一個共同的弱點，就是識別率并不是很高，其中一個主要原因是噪音對提取語音信號中特征值的影響。所以先對輸入的語音信號進行適當?shù)慕翟胩幚硎欠浅Ｓ斜匾模幚硇Ч暮脡闹苯佑绊懙秸Z音識別系統(tǒng)的識別率。在現(xiàn)實生活中，語音信號降噪處理的意義很大，它能幫助我們解決很多問題。找到有效的語音降噪方法將對不少領域里的工作產生積極的影響。小波分析在語音信號去噪方面的應用：對于語音信號去噪的研究是語音信號處理中一個永恒的話題。小波分析是一種多尺度的信號分析方法，是分析非平穩(wěn)信號的有力分析工

12、具，它克服了短時傅立葉變換固定分辨率的弱點，即可以分析信號的概貌，也可以分析信號的細節(jié)，已經在語音處理、圖象處理、地震信號分析、數(shù)據(jù)壓縮等方面獲得了廣泛地應用?，F(xiàn)今，人們已經開始將小波變換理論應用到語音去噪上來，有不少人正在對此進行研究，也提出了一些新的算法，并取得了一些成果。小波分析在信號濾波中的應用：在傳統(tǒng)的基于傅立葉變換的信號處理方法中，要是信號和噪聲的頻帶重疊部分盡可能小，這樣就可以在頻域通過時不變方法將信號同噪聲區(qū)分開。而當他們的頻譜重疊時，這種方法就無能為力了，基于小波變換的非線性濾波方法是完全不同的，在小波變換域，可通過對小波系數(shù)進行削切、縮小幅度等非線性處理，以達到濾除噪聲的目

13、的。采用這種方法濾波可以在一定程度上避免一般低通濾波器濾波時造成的信號突變部分變模糊，然而與傳統(tǒng)的低通濾波器相似，小波濾波也會造成一定的信號細節(jié)丟失。基于此，針對小波閾值法對語音信號高頻部分造成損傷較大的缺點，采用小波閾值法與譜減法相結合的方法，保留了高頻信號，使得去噪效果得到改善3。2小波分析2.1傅立葉變換傅立葉變換(Fourier transform，F(xiàn)T)由下式定義：正變換： (2.1)逆變換： (2.2)對于確定信號和平穩(wěn)隨機信號，傅立葉變換是信號分析和信號處理技術的理論基礎，有著非凡的意義，起到巨大的作用。傅立葉變換把時間域與頻率域聯(lián)系起來，具有明確的物理含義，通過來研究，許多在時

14、域內難以看清的問題，在頻域中往往表現(xiàn)的非常清楚。但正是由于傅立葉變換的域變換特性，與彼此之間是整體刻畫，不能夠反映各自在局部區(qū)域上的特征，因此不能用于局部分析。 簡言之，傅立葉變換能提取出函數(shù)在整個頻率軸上的頻率信息，卻不能反映信號在局部時間范圍內的特征。對于變頻信號，如音樂、地震、回波信號燈，此時所關心的恰恰是信號在局部時間范圍內的信號特征對非平穩(wěn)信號用傅立葉變換進行分析，不能提供完全的信息，也即通過傅立葉變換，可以知道信號所含有的頻率信息，但無法知道這些頻率信息究竟出現(xiàn)在哪些時間段上。可見，若要提取局部時間短的頻率信息，傅立葉變換已經不再實用。2.2小波變換小波變換的概念是1984年法國地

15、球物理學家J.Morlet在分析地球物理勘探資料時提出來的。小波變換的數(shù)學基礎是傅立葉變換，其后理論物理學家A.Gr ossman采用平移和伸縮不變性建立了小波變換理論體系。1985年，法國數(shù)學家Y.Meyer第一個構造出具有一定衰減性的光滑小波。1988年，比利時數(shù)學家，I.Daubechies證明緊支撐正交標準小波基的存在性并成功造出了它，使得離散小波分析成為可能4。1989年，S.Mallat提出了多分辨分析概念，統(tǒng)一了在此之前各種小波構造方法，特別提出了二進離散小波快速算法，使得小波走向實用性。小波分析是一種窗口面積固定但其形狀可以改變，時間窗和頻率窗都可改變的時頻局域化分析方法，即在

16、低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率，所以稱為數(shù)學顯微鏡。正是這種特性，小波變換具有對信號的自適應性。小波變換具有以下的特點和作用：（1）具有多分辨率的特點，可以由粗到細逐步觀察信號；（2）我們可以把小波變換看成用基本頻率特性為的帶通濾波在不同尺度a下對信號做濾波。由于傅立葉變換的尺度特性,如果的傅立葉變換是，則的傅立葉變換是，因此這組濾波器具有品質因數(shù)恒定即相對帶寬(帶寬與中心頻率之比)恒定的特點。（3）適當?shù)倪x擇基本小波，使在時域上為有限支撐,在頻上也比較集中，便可以是小波變換在時頻兩域都具有表征信號局部特征的能力，這樣就有利于檢

17、測信號的瞬態(tài)或奇異點。小波分析基本理論：小波(Wavelet)，即小區(qū)域的波，是一種特殊的長度有限(緊支集)或快速衰減，且均值為零的波5，如圖2.1所示。圖2.1 DB4小波函數(shù)小波函數(shù)的確切定義為：設為一平方可積函數(shù)，即，若其傅立葉變換滿足條件： (2.3)則稱為一個基本小波或小波母函數(shù)。稱式 (2.4)為小波函數(shù)的可容性條件。 由小波定義，我們可以知其兩個特點：（1）一是小，即在時域都具有緊支集或近似緊支集；（2）二是正負交替的波動性，也即直流分量為零。將小波母函數(shù)進行伸縮和平移，就可以得到函數(shù) (2.5)我們稱為依賴于參數(shù)，的小波基函數(shù)。它們是由同一母函數(shù)經伸縮和平移后得到的一組函數(shù)序列

18、。小波變換的含義：把一組稱為基本小波的函數(shù)做位移后，在不同尺度下與待分析信號做內積： (2.6)若滿足容許條件，則存在逆變換： (2.7)2.3 傅立葉變換與小波變換的比較（1）傅立葉變換的實質是把能量有限的信號分解到以為正交基德空間上去；小波變換的實質是把能量有限的信號分解到有小波基函數(shù)所構成的空間上去。（2）傅立葉變換用到的基函數(shù)只有，具有唯一性；小波分析所用到的小波函數(shù)則不是唯一的。小波函數(shù)的選用是小波分析中一個難點問題也是分析研究的一個熱點問題，目前往往是通過不斷的實驗將不同的分析結果進行對照來分析選取小波函數(shù)。一個重要的經驗是根據(jù)待分析信號和小波函數(shù)的相似性選取，而且要考慮小波的小時

19、矩、正則性、支撐長度等參數(shù)。（3）在頻域中，傅立葉變換具有較好的局部化能力，特別是對于那些頻率成分比較簡單的確定信號，傅立葉變換很容易把信號表示成各頻率成為疊加的形式，但在時域，傅立葉變換沒有局部化能力，無法從信號的傅立葉變換中看出在任一點附近的形態(tài)。因此，小波變換在對瞬態(tài)信號分析中擁有更大的優(yōu)勢。（4）在小波變換中，尺度a越大相當于傅立葉變換中的值越大。（5）在短時傅立葉變換中，變換系數(shù)主要依賴于信號在時間窗內的情況，一旦時間窗函數(shù)確定，則分辨率也就固定了。而在小波變換中，變換系數(shù)雖然也是依賴于信號在時間場窗的情況，但是時間寬度是隨尺度的變化而變化的，所以小波變化具有時間局部化分析能力。因此

20、，小波變換也可以看成是信號局部奇異性分析的有效工具。（6）若用信號通過濾波器來解釋，小波變換與短時傅立葉變換不同之處在于：對短時傅立葉變換來說，帶通濾波器的帶寬與中心頻率無關；相反，小波變換帶通濾波器的帶寬則正比于中心頻率，即：，C為常數(shù)。亦即濾波器有一個恒定的相對帶寬，稱之為等Q結構。我們希望在對低頻信號分析時，頻率分辨率高，在對高頻信號分析時，頻率分辨率低，等Q結構恰適應了這種要求。（7）從框架結構角度來說傅立葉變換是一種非冗余的正交緊框架，而小波變換卻可以實現(xiàn)冗余的正交非緊框架。這種特點，對于某些場合是很有用的6。3 小波去噪基本理論3.1 信號和噪聲在小波域的傳播特性信號的奇異性或非正

21、則性結構往往包含了它的本質信息。例如，圖像亮度的不連續(xù)性表示其中含有邊緣；在心電圖或雷達信號中，令人感興趣的信息包含在信號的峰變處?？梢宰C明，信號的局部正則性可由其小波變換幅值隨尺度參數(shù)的衰減特性來刻畫，奇異性和邊緣可以通過確定小波變換在細尺度下的局部模極大值來刻畫。原始信號在尖銳變化點的每個尺度上都產生極大值點，也就是說，局部模極大值點描述了信號和圖像的邊緣，而噪聲能量卻集中在小尺度上，其小波系數(shù)的幅度值隨著尺度的增加迅速衰減。即信號和噪聲在多尺度空間上具有不同的特性，數(shù)學上稱它們有不同的Lipschitz指數(shù)。設 n 是一非負整數(shù)，如果存在兩個常數(shù)A和此多項式，使得對任意的，均有，則稱在點

22、為 Lipschitz 指數(shù)a。Lipschitz指數(shù)越大，函數(shù)越光滑。對于白噪聲，可以證明它是一個處處奇異的隨機分布，具有負的Lipschitz指數(shù)，其小波變換系數(shù)隨著尺度的增大而減小；信號的Lipschitz通常為正，其小波變換系數(shù)隨著尺度的增大而增大。3.2 小波基的選取與標準的傅立葉變換相比，小波分析中所用到的小波函數(shù)不具有唯一性，即小波函數(shù)具有多樣性。小波分析在工程應用中，一個十分重要的問題就是小波基的選取問題，雖然根據(jù)不同的標準，小波函數(shù)具有不同的類型，這些標準通常是以下幾點：(1) 支撐長度：,的支撐區(qū)間，是當時間或頻率趨于無窮大時，從,一個有限值收斂到0的長度。支撐長度越長，一

23、般需要耗費更多的計算時間，而且產生更多高幅值的小波系數(shù)。(2) 對稱性：具有對稱性的小波，在圖像處理中可以很有效的避免相位畸變，因為該小波對應的濾波器具有線性相位特性。(3) 消失矩：和的消失矩階數(shù)，對于數(shù)據(jù)壓縮和特征提取是非常有用的，消失矩越大，就有更多的小波系數(shù)為零。但在一般情況下，消失矩越高，支撐長度越長，必須做折中處理。(4) 正則性：正則性好的小波，能在信號或圖像的重構中獲得較好的平滑效果，減小量化或涉入誤差的影響。但在一般情況下，正則性越好，支撐長度越長，計算時間也就越大，也必須有所權衡。(5) 相似性：選擇和信號波形相似的小波，這對于壓縮和消噪是有參考價值的。不同的小波基對信號的

24、描述是不同的，希望所選取的小波基能同時具有下列性質：(1)對稱性或反對稱性；(2)較短的支撐；(3)正交性；(4)較高的消失矩。然而，Daubichies已經證明，Haar小波是緊支正交小波基中唯一具有對稱性(反對稱性)的小波基，并且較短的支撐和較高的消失矩是一對矛盾。所以，為了得到小波基的對稱性，就要放棄小波基的一些其他性質，或保持小波基的緊支性、正交性就只能得到近似的對稱性。DBN小波和symN小波是工程實踐中應用最為廣泛的、最具價值的小波，仿真也表明這兩種小波具有很好的去噪性能。N是小波的階數(shù)，即消失矩為N，支撐區(qū)間為2N-1，symN是一種近似對稱的小波，是對DBN的一種改進。在本文中

25、，使用sym4小波。(a) DB4 (b) sym4圖3.1 小波函數(shù)3.3 小波閾值去噪及通用閾值法(sqtwolog 原理)假設觀測數(shù)據(jù) (3.1)是由語音信號和加性噪聲組成，在理想情況下，為與信號不相關的正態(tài)白噪聲，對上式所觀測的數(shù)據(jù)去噪，Donoho提出了兩個前提條件：（1）光滑性：在大概率上，至少和有同樣的光滑度；（2）適應性：最小方差估計。由(3.1)式可推出，當 N無窮時，下式幾乎以接近于1的概率成立： (3.2)其中C1 為一常數(shù)。這在小波域中意味著： (3.3)成立，式中i為位置，j為尺度，表示真是信號在尺度j上的第i個小波系數(shù)。對于條件(2)，可以理解為對求最小值，這等于求

26、的最小值。Donoho證明，此時、 必須滿足： (3.4)當小波變換為正交小波變換時，r=1。由(3.4)可知 (3.5)由式(3-5)可知，對于任何取，將滿足式(3-4)，這相當于認為當時由噪聲所產生，因此，可取閥值。為噪聲標準差，通常不可能精確得到，Donoho提出用下式來估計： (3.6)估計標準差時使用第一層分解得到的高頻系數(shù)CD1，是因為它是最精細的分解系數(shù)，主要是噪聲系數(shù)。3.4小波閾值處理方法小波閾值處理方法有硬閾值法和軟閾值法。硬閾值法11： (3.7)圖3.2 硬閾值法軟閾值法： (3.8)圖3.3 軟閾值法以上介紹的硬閾值法和軟閾值法其本質區(qū)別在于選取的閾值函數(shù)不同，體現(xiàn)了

27、對小波系數(shù)的不同處理策略。硬閾值法直接將高于閾值的小波系數(shù)保留不做任何變化，而軟閾值法將高于閾值的小波系數(shù)減去閾值做收縮處理。Bruce和Gao證明了硬閾值法往往有較大的方差而軟閾值法往往有較大的偏差，基于此，Gao HongYe提出了一種半軟閾值(semisoft shrinkage)法，即： (3.9)其中，,分別為上閾值和下閾值。可以看出。當時，可以轉化為硬閾值，時可以轉化為軟閾值，它是硬閾值和軟閾值的一種折中形式，不但保留了較大的系數(shù)，而且具有連續(xù)性。然而在該方法中，需要確定兩個閾值，增加了算法的復雜度。隨后，Gao HongYe又提出了用Garrote函數(shù)作為閾值函數(shù)，并證明了各種閾

28、值方法得到的去噪結果是漸進相等的。其形式如下： (3.10)在實際應用中，應根據(jù)需要選擇合適的處理方式。4基于小波分析的語音信號去噪4.1 語音信號特性與噪聲特性4.1.1 語音信號特性由于語音的生成過程與發(fā)音器宮的運動過程密切相關，而且人類發(fā)音系統(tǒng)在產生不同語音時的生理結構并不相同，因此使得產生的語音信號是一種非平穩(wěn)的隨機過程(信號)。但由于人類發(fā)生器官變化速度具有一定的限度而且遠小于語音信號的變化速度，可以認為人的聲帶、聲道等特征在一定的時間內(10-30ms)基本不變，因此假定語音信號是短時平穩(wěn)的，即語音信號的某些物理特性和頻譜特性在10-30ms的時間段內近似是不變的，具有相對的穩(wěn)定性

29、，這樣可以運用分析平穩(wěn)隨機過程的方法來分析和處理語音信號。在語音增強中就是利用了語音信號短時譜的平穩(wěn)性。語音信號基本上可以分為清音和濁音兩大類。清音和濁音在特性上有明顯的區(qū)別，清音沒有明顯的時域和頻域特性，看上去類似于白噪聲，并具有較弱的振幅；而濁音在時域上有明顯的周期性和較強的振幅，其能量大部分集中在低頻段內，而且在頻譜上表現(xiàn)出共振峰結構。在語音增強中可以利用濁音所具有的明顯的周期性來區(qū)別和抑制非語音噪聲，而清音由于類似于白噪聲的特性，使其與寬帶平穩(wěn)噪聲很難區(qū)分。由于語音信號是一種非平穩(wěn)、非遍歷的隨機過程，因此長時間時域統(tǒng)計特性對語音信號沒有多大的意義，而短時譜的統(tǒng)計特性對語音信號和語音增強

30、有著十分重要的作用。語音信號短時譜幅度統(tǒng)計特性的時變性，使得語音信號的分析幀在趨于無窮大時，根據(jù)中心極限定理，其短時譜的統(tǒng)計特性服從高斯(Gauss)分布，而在實際應用時只能在有限幀長下進行處理，因此，在有限幀時這種高斯分布的統(tǒng)計特性是一種近似的描述，這樣就可以作為分析寬帶噪聲污染的帶噪語音信號增強應用時的前提和假設7。4.1.2 語譜圖語音的時域分析和頻域分析是語音信號分析的兩種重要方法。顯然這兩種單獨的分析方法均有局限性：時域分析對語音信號的特性沒有直觀的了解；而頻域分析出的特性中又沒有語音信號隨時間變化的關系。因此，人們致力于研究語音的視頻分析特性，把和時序相關的傅立葉分析的顯示圖形稱為

31、語譜圖(Spectrogram)。語譜圖是一種三維圖形，它是表示語音頻譜隨時間變化的圖形，縱軸為頻率橫軸為時間，任一給定頻率成分在給定的時刻的強弱用相應點的灰度或色調濃淡來表示。圖4.1 純凈語音信號從圖4.2中我們可以清晰的看到語音信號每一時刻的頻率成分及其大小。圖4.2 純凈語音信號語譜圖4.1.3 噪聲特性根據(jù)與輸入語音信號的關系，噪聲可以分為加性噪聲和非加性噪聲兩類。加性噪聲通常分為周期性噪聲，脈沖噪聲，寬帶噪聲和同聲道其他語音的干擾等；非加性噪聲主要是殘響及傳送網(wǎng)絡的電路噪聲等。非加性噪聲往往可以通過某種變換，如同態(tài)變換轉換為加性噪聲，因此，在這里主要分析加性噪聲的干擾8。（1）周期

32、性噪聲周期性噪聲主要來源于發(fā)動機等周期性運轉的機械，如常見的電動機、風扇之類周期運轉的機械所發(fā)出的噪聲即為周期性噪聲；電氣干擾也會引起周期性噪聲，如50Hz交流電源哼哼聲也是周期性噪聲。在頻譜圖上它們表現(xiàn)為離散的窄譜，實際中受到多種因素的影響，通常這些窄譜都是時變的，位置也不固定。因此必須采用自適應濾波的方法才能有效地區(qū)分這些噪聲分量。（2）脈沖噪聲脈沖噪聲來源于爆炸、撞擊、打火、放電及突發(fā)性干擾等。其特性是時間上的寬度很窄，它的時域波形是類似于脈沖函數(shù)的窄脈沖，因此將這種噪聲稱為脈沖噪聲。消除脈沖噪聲通?？梢栽跁r域內進行，通常有兩種方法:對帶噪語音信號的幅度求均值，將該均值作為判斷閾值，凡是

33、超過該閾值的信號均判別為脈沖噪聲，然后在時域內對該信號進行適當?shù)乃p，就可完全消除噪聲分量；當沖擊脈沖不太密集時，可以通過某些點內插的方法避開或者平滑掉沖擊點，通過這種在時域上對脈沖噪聲平滑后，從而能在重建語音信號中去掉脈沖噪聲。（3）寬帶噪聲寬帶噪聲來源很多，熱噪聲、說話時同時伴隨著呼吸氣流引起的噪聲以及各種隨機噪聲源、量化噪聲都可以視為寬帶噪聲。對于平穩(wěn)的寬帶噪聲，在應用中常近似為Gauss噪聲或白噪聲。其顯著特點是在時域上或頻域上寬帶噪聲與語音信號基本上重疊，噪聲頻譜遍布于語音信號頻譜之中，導致消除這種噪聲比較困難，譜減法是處理寬帶噪聲最通用和有效的方法。（4）同聲道語音干擾在實際生活中

34、經常會有多個人同時說話的情況，此時不需要的干擾語音和待傳語音信號同時在一個信道中傳輸所造成的語音干擾稱為同聲道語音干擾。由于一般情況下兩種語音的基音不同，也不成整數(shù)倍，因此區(qū)分有用語音和干擾語音的基本方法是利用它們的基語差別。人的雙耳效應和人類語音中包含的每個人都獨有的“聲紋”特征，這種人體內部語音理解機理的感知能力，使得人耳可以根據(jù)需要分辨出其中某人的聲音，這種能力稱為“雞尾酒會效應”。在實際環(huán)境中，背景噪聲可以看作加性噪聲，如風扇的聲音、汽車引擎、周圍人說話聲等等。加性噪聲是對背景噪聲一種比較貼切的表述。麥克風等聲音采集設備在正常工作的范圍內可以近似看成是一個線性系統(tǒng)，即產生信號的幅度和聲

35、強成正比。從能量角度看背景噪聲和語音的聲強是相加關系。因此兩者對麥克風共同作用所形成的含噪語音的信號等于各自形成的信號之和。當然嚴格說來，背景噪聲和語音不可避免存在非線性作用，但其不是含噪語音的主要成分。由于背景噪聲的廣泛存在性，因此針對這類噪聲的研究成為語音去噪的重點。4.2 語音去噪效果評價語音去噪效果不是僅僅是信號處理的問題，而且涉及到了語音學、語言學等諸多領域，簡單的說，從評價主體來區(qū)分，我們可以從主客觀兩方面來評價語音去噪后的效果。從客觀來講，我們可以用通用的去噪評價標準信噪比(SNR)，均方根誤差(RSME)來衡量。信噪比定義為： (4.1)其中為信號，為噪聲。均方根誤差定義為：

36、(4.2)其中是去噪后信號。主觀評價方法以人為主體在某種預設原則的基礎上對語音的質量作出主觀的等級意見或者作出某種比較結果，它反映聽評者對語音質量好壞的主觀印象。不同的主觀評價方法對語音質量考察的側重點不同，常見的主觀評價方法有平均意見分數(shù)(Mean Opinion Score, MOS)方法、判斷韻字測試(Diagnostic Rhyme Test, DRT)方法、失真平均意見分(Degradation Mean Opion Score,DMOS)、判斷滿意度測試(Diagnostic Acceptability Measure, DAM)方法和漢語清晰度測試。主觀評價的優(yōu)點在于直接、易于理

37、解，真實反映語音質量的實際情況。然而，主觀評價不但對聽評條件、聽評流程有嚴格要求，為了避免個別聽評者的感知偏差，還需要對大量的聽評者的評價結果做統(tǒng)計，因此主觀評價費時費力，成本高，靈活性差，重復性不好，難以應用于實時性場合。語音去噪應該從主客觀兩方面來評價，本文為了避免單方面評價標準的片面性，亦用客觀指標和主觀試聽來衡量去噪結果。4.3 小波閾值法語音去噪仿真實驗介紹了各種經典的小波閾值去噪算法，現(xiàn)對錄制的語音信號“德州學院，你好”進行算法的仿真分析，了解各種算法的優(yōu)缺點,仿真程序見附錄中1小波閾值法去噪。對于8k采樣的語音信號來說，進行5層分解，最大尺度下無混疊的信號頻帶為0-125Hz，語

38、音信號主要頻率成分集中在大約60-3400Hz范圍內，125Hz以下有用信號已經很少，所以在所用的小波分解中，我們采用5層分解。4.3.1 不同小波基的比較 (a) sym4(b) DB4(c) coif4圖4.3 不同小波基去噪效果比較表4.1 不同小波基比較小波基DB4sym4coif2信噪比dB23.55423.36523.435有以上的分析仿真可知選取不同的小波基處理，去噪效果沒有明顯差別，其對信噪比都有很大程度的改善，而symN是DBN的改進，具有近似的對稱性，并且考慮到消失矩與支撐長度的折中選擇問題，選擇sym4小波，其支撐長度為7且具有四階消失矩，故后續(xù)的小波分析都是使用sym4

39、小波9。4.3.2 不同閾值處理方法的比較我們用sym4小波對語音信號進行5層分解，利用3.4節(jié)中提到的不同的閾值處理方法，即式(3.7)硬閾值法、(3.8)軟閾值法、(3.9)半軟閾值法，仿真結果如下：(a) 軟閾值法(b) 硬閾值法圖4.4 硬閾值法與軟閾值法在半軟閾值處理中，t1取 ，t2取0.8t1。圖4.5半軟閾值法表4.2 不同閾值處理方法比較閾值處理方式硬閾值軟閾值半軟閾值信噪比dB23.36520.14422.737由上的仿真結果可以清晰的看出，軟閾值法有較大偏差，半軟閾值法是一種折中選擇，然而就去噪效果而言，硬閾值法與軟閾值法相當，試聽發(fā)現(xiàn)帶噪信號經過軟閾值處理后聲音變小，能

40、量損失，硬閾值法存在的在閾值處不連續(xù)的問題并未在試聽中造成影響。因此，選擇硬閾值處理方式10。4.3.3 不同閾值選取方法的比較表4.3 四種閾值方法對比所用方法通用閾值法無偏風險閾值啟發(fā)式閾值極大極小閾值信噪比dB23.36512.84514.59321.108 從表4.3可以看出通用閾值法去噪效果最佳，原始帶噪信號信噪比為9.4204dB，可以看到信噪比得到了很大改善；無偏風險閾值去噪效果不理想，信噪比僅得到了幾dB的改善。對去噪后的信號試聽發(fā)現(xiàn)，通用閾值法失真最大，無偏風險閾值與啟發(fā)式閾值相似，極大極小閾值是一種折中的選擇。不論哪種閾值選取方法，去噪后的試聽效果都不是很理想，聲音發(fā)悶，高

41、頻信號明顯的丟失，尤以通用閾值法為最嚴重11。4.3.4 小波閾值法總結對于語音信號來說，硬閾值的不連續(xù)性并未對去噪結果產生影響，而軟閾值法能量損失較大，故選擇硬閾值處理；不同小波對語音信號去噪沒有本質的區(qū)別，其去噪效果普遍較好；通用閾值法去噪效果要強于其他方法，然而其對語音的損傷也最為嚴重。經過大量的仿真研究，發(fā)現(xiàn)小波閾值法，尤其是同有閾值法有著很好的去噪效果，然而對語音去噪效果的評價要從主客觀兩方面來進行，盡管通用閾值法去噪效果好，但是對語音本身損傷也很大，還不具有實用價值，因此，若能保留閾值法中被損傷的高頻信號而又能很好的去除噪聲，將大大提高小波在語音信號去噪中的應用價值12。4.4 小

42、波閾值法與譜減法相結合的語音去噪4.4.1 小波閾值法的缺點和譜減法的介紹我們從去噪后語音信號頻譜圖及小波重構系數(shù)來分析小波閾值法的缺點。圖4.6 小波閾值去噪后頻譜圖從圖4.6與圖4.2的對比中，我們可以清晰的看到，小波閾值去噪后，信號的頻率成分損失嚴重，尤其是高頻部分，這就是為什么小波閾值去噪后試聽效果發(fā)悶的原因。(a) CD1(b) CD2圖4.7原信號小尺度上高頻系數(shù)(a) CD1(b) CD2圖4.8 帶噪信號小尺度上高頻系數(shù)經過對帶噪信號小波分解后發(fā)現(xiàn)，噪聲主要集中于小尺度下，若在小尺度下用閾值法處理，淹沒在噪聲下的高頻信號完全丟失，不論采用什么閾值處理方法，在去噪和保留有用信號的

43、問題上，始終是一對矛盾?；诖?，我們希望在小尺度下，能夠想辦法盡量保留有用的高頻信號，以此來減小去噪后信號失真。譜減法：在語音去噪各種算法當中，譜減法具有非常重要的影響，該方法認為語音信號的短時譜幅度(STSA)對語音感知起主導作用，而相位對語音的感知并不重要，故可將估計的對象放在短時譜的幅度上。譜減法通過從帶噪語音的STSA中直接減去噪聲的平均譜幅度來得到純凈語音的STSA，實現(xiàn)起來簡單13。改進的譜減法：針對傳統(tǒng)譜減法的缺點，很多學者提出了各種各樣的改進形式，然而改進的譜減法也很難去除偶然的高噪音。因此，我們采用一種根據(jù)短時能量和短時平均過零率判斷是否有偶然的噪音過高的方法，由此設定合適的

44、參數(shù)來去除偶然的高噪音。短時能量和短時平均過零率是語音信號最基本的短時參數(shù)。短時能量定義為： (4.3)是第n幀加窗語音信號。短時平均過零率表示一幀語音信號波形穿越橫軸(零電平)的次數(shù)，對于離散語音信號，如果相鄰的取樣值符號改變則稱為過零，過零率就是樣本改變符號的次數(shù)。短時平均過零率定義為： (4.4)Sgn是符號函數(shù)，即： (4.5)清音類似于白噪聲，其短時能量比較小，但是短時平均過零率很高；濁音短時能量大但是短時平均過零率低；無聲短噪音的短時能量最低而過零率居中?；诖嗽O： (4.6) (4.7) (4.8)其中，為門限值。根據(jù)FF來判斷濁音和清音中是否含有剩余白噪聲，無聲段中是否含有剩余

45、白噪聲，然后設定合適的參數(shù)來降低噪聲。(a) 帶噪語音信號(b) 改進譜減法去噪后語音信號圖4.9 帶噪音信號與去噪信號比較由仿真可以看出利用短時能量和短時平均過零率的改進型譜減法能有效的去除噪聲，然而其在對無語音段做了過多的衰減來提高信噪比，經過試聽表明，在語音段，殘留噪聲依舊明顯14。4.4.2 利用譜減法進行預處理后的小波閾值去噪我們考慮結合譜減法，利用改進的譜減法對小尺度下的小波分解信號進行預處理，對于處理后的信號用一個較小的閾值去除剩余噪聲，大尺度下因為噪聲已經很小，所以直接用閾值法處理，最后利用處理后的小波系數(shù)恢復信號，得到去噪后結果。我們對最低的兩個尺度進行譜減法預處理得到的仿真

46、結果，仿真程序見附錄中2閾值法與譜減法相結合后的小波去噪。(a) CD1(b) CD2圖4.10 小波閾值處理后高頻系數(shù)(a) CD1(b) CD2圖4.11 譜減法預處理(a) 帶噪語音信號(b) 小波閾值去噪(c) 小波譜減閾值去噪圖4.12 去噪結果比較表4.4 去噪效果比較信號類型源信號小波閥值法去噪小波譜減法去噪信噪比dB9.410523.52123.564經過圖 4.10、圖 4.11 以及圖 4.6 圖 4.13對比可以看出，結合譜減法后，有用的高頻信號得到了更多保留，減小了信號失真，盡管信噪比變化很小，但是經過試聽后發(fā)現(xiàn)，去噪后的語音明顯要清晰，比小波閾值法具有更好的效果。圖4

47、.13 小波譜減法頻譜圖5結論小波分析由于在時頻域都具有較強的分析能力，小波去噪作為小波分析的一個重要組成部分，在近些年來也取得了很大進展。本論文針對小波變換的基本性質和去噪性能進行對比后選用閾值法。對小波閾值法在語音去噪中的小波母函數(shù)選取、閾值處理方法（軟閾值法、硬閾值法及半軟閾值法）的選取及閾值函數(shù)的選取這三個主要問題進行了研究，比較了他們各自的優(yōu)缺點，最后決定采用 sym4小波5層分解硬閾值法進行小波閾值去噪處理。驗證時，發(fā)現(xiàn)閾值的選取要么過小去除不了噪聲，要么過大連有用信號一并去除造成失真，尤其在小尺度下小波系數(shù)主要是噪聲，有用的高頻信號在小尺度下很大一部分淹沒在噪聲下，若用閾值處理，

48、則高頻信號損失嚴重，造成語音去噪后信號的失真，聲音聽起來發(fā)悶的缺點。針對此，我們將譜減法引入到小波閾值法當中，即并利用譜減法對小尺度下小波系數(shù)進行預處理，之后用一個較小的閾值去除剩余噪聲，保留更多的高頻信號，在大尺度下依然用傳統(tǒng)的閾值法進行處理，最后重構信號。仿真表明這種方法較傳統(tǒng)的小波閾值法而言，減小了信號的失真，提高了去噪后語音的清晰度。參考文獻1應和民基于小波變換的語音信號降噪研究J哈爾濱工程大學2007：232郝明遠基于小波變換的語音增強研究J吉林大學2005：253潘泉，張磊，孟晉麗，張洪才小波濾波方法及應用M清華大學出版社20054王芳小波分析在信號去噪中的應用研究D西華大學學位論文2009 5文莉，劉正士，葛運見小波去噪的幾種方法J合肥工業(yè)大學學報20026吳勇.基于小波的信號去噪方法研究D武漢理工學位論文，20077韓紀慶，張磊，鄭鐵然語音信號處理M清華大學出版社20048洪曉芬基于譜減法的改進語音增強方法J計算機工程與設計2007289韓紀慶，張磊，