小波分析在語音信號(hào)處理中的應(yīng)用

1、    小波分析在語音信號(hào)處理中的應(yīng)用    趙長(zhǎng)昊摘  要：對(duì)于信息處理過程來說，信號(hào)分析是非常關(guān)鍵的一項(xiàng)技術(shù)，早期處理主要依托于傅里葉變換，可是其也只能是針對(duì)頻域?qū)嵤┓治觯@就使信號(hào)分析不夠全面，想要改變這一狀況，就需要將時(shí)域窗融入到小波變換當(dāng)中，從而有效提升信號(hào)分析處理效果。和普通的信號(hào)相比較而言，語言信號(hào)的復(fù)雜性更高，存在更加明顯的局部稀疏性特征，而這點(diǎn)剛好和小波處理特點(diǎn)相吻合，所以在語言信號(hào)處理過程中合理運(yùn)用小波分析技術(shù)體現(xiàn)出非常明顯的積極作用。關(guān)鍵詞：小波分析;語音信號(hào);處理;應(yīng)用引  言小波分析作為一種新的時(shí)頻分析方法，

2、實(shí)現(xiàn)了泛函數(shù)、傅里葉分析調(diào)和分析以及數(shù)值分析之間的完美結(jié)構(gòu)，成為繼傅里葉變換分析方法后，另一個(gè)重要的信號(hào)分析方法，受到很多研究人員的研究，在理論和應(yīng)用上得到了極大地?cái)U(kuò)充。語音信號(hào)作為一種典型的非平穩(wěn)信號(hào)類型，應(yīng)用小波分析對(duì)應(yīng)的效果要相比傳統(tǒng)的方法具有更顯著優(yōu)勢(shì)，目前已取得了顯著的成果?；诖?，本文重點(diǎn)分析小波分析在語音信號(hào)處理中的應(yīng)用。1 基本原理小波分析是一種強(qiáng)有力的信號(hào)分析工具，它是時(shí)間和頻率的局部變換，能有效地從信號(hào)中提取信息。例如，在信號(hào)的高頻域部分，運(yùn)用小波分析可以取得較好的時(shí)間分辨率;在信號(hào)的低頻域部分，則取得較好的頻率分辨率;在提取識(shí)別特征前，用小波進(jìn)行預(yù)處理，能夠選取語音信號(hào)的

3、有用信息，并且有效抑制無關(guān)信息對(duì)信號(hào)識(shí)別所產(chǎn)生的干擾。2 當(dāng)前語音識(shí)別技術(shù)的難點(diǎn)目前，國(guó)內(nèi)已有科大訊飛、云之聲等為代表的高新技術(shù)企業(yè)以及高校、科研院所等單位，在語音識(shí)別技術(shù)研究領(lǐng)域取得了不少成果，但是依然面臨著產(chǎn)業(yè)化發(fā)展的技術(shù)瓶頸，主要表現(xiàn)在以下幾個(gè)方面：（1）語音識(shí)別系統(tǒng)的適應(yīng)性差;（2）高噪聲環(huán)境下語音識(shí)別進(jìn)展困難;（3）如何把語言學(xué)、生理學(xué)、心理學(xué)方面的研究成果量化、建模并用于語音識(shí)別，還需深入研究1;（4）我們對(duì)人類的聽覺理解、知識(shí)積累和學(xué)習(xí)機(jī)制以及大腦神經(jīng)系統(tǒng)地控制機(jī)理等分面的認(rèn)識(shí)還很不清楚;（5）若將語音識(shí)別系統(tǒng)商品化，還有識(shí)別速度、拒識(shí)問題以及關(guān)鍵詞/句檢測(cè)技術(shù)等細(xì)節(jié)問題需要解決

4、。3 小波分析在語音基音周期檢測(cè)中的應(yīng)用語音基音周期是語音信號(hào)識(shí)別中的重要參數(shù)，對(duì)后期信號(hào)識(shí)別處理意義重大。聲門在閉合時(shí)引發(fā)了語音信號(hào)銳變，使得周期檢測(cè)效果不佳。而小波分析具有較好的頻率分辨率，尤其是在時(shí)域上。據(jù)此，對(duì)語音信號(hào)進(jìn)行小波分析，在多尺度下對(duì)應(yīng)系數(shù)模值的極大值就會(huì)出現(xiàn)在銳變位置，因此能夠很容易檢測(cè)出聲門閉合時(shí)間，然后結(jié)合聲門開啟時(shí)間的統(tǒng)計(jì)就能便捷地計(jì)算出語音基音周期。在小波分析的多分辨分析中，基音頻率在50-500赫茲時(shí)，可通過逐級(jí)逼近方式對(duì)頻率精確聚焦，由此得到對(duì)應(yīng)音頻特征的提取。對(duì)于提取基音周期而言，一般采用小波變換中的奇異點(diǎn)檢算法?；糁芷跈z測(cè)的具體步驟為：選取光滑函數(shù)的一階導(dǎo)

5、數(shù)作為母小波;進(jìn)行峰值點(diǎn)檢測(cè)來估計(jì)語音基音周期。在實(shí)際中，小波分析方法檢測(cè)范圍較大，應(yīng)對(duì)場(chǎng)景多，應(yīng)用也越來越普及2。4 小波分析在語音信號(hào)去燥和增強(qiáng)中的應(yīng)用當(dāng)前，語音信號(hào)壓縮編碼主要采用離散小波變換，其步驟為：以重構(gòu)誤差以及信噪比最大化為選擇標(biāo)準(zhǔn)來確定對(duì)應(yīng)的小波類型;進(jìn)行小波分解，盡可能將信號(hào)分解到較少子系數(shù)空間以提升壓縮效率;分解后，可設(shè)定閾值選擇小波系數(shù)以實(shí)現(xiàn)裁剪;小波系數(shù)編碼。在編碼過程中，將部分含有較少信息的信號(hào)分量去除，實(shí)現(xiàn)最小化小波系數(shù)。雖然存在一定程度的信號(hào)損失，但由于人們對(duì)缺失部分不敏感，因此依舊能夠獲得很好的效果。其主要依據(jù)是：小波變換特別是正交小波變換具有很強(qiáng)的去數(shù)據(jù)相關(guān)性

6、的能力，它能使信號(hào)的能量在小波域集中于一些大的小波系數(shù);而噪聲的能量卻分布于整個(gè)小波域內(nèi)，因此經(jīng)小波分解后，信號(hào)的小波系數(shù)幅值要大于噪聲的小波系數(shù)幅值，幅值較大的小波系數(shù)一般以信號(hào)為主，而幅值較小的在很大程度上是噪聲。于是，采用閾值去噪的方法可以把信號(hào)系數(shù)保留，而使大部分噪聲系數(shù)減少為零。4.1 語音信號(hào)的小波增強(qiáng)的閾值選擇無論是使用小波變換對(duì)語音信號(hào)增強(qiáng)或者是壓縮的，閾值的選擇都是關(guān)鍵。壓縮時(shí)：閾值過大，信號(hào)會(huì)有較大的失真;閾值過小，則壓縮的意義不大。去噪時(shí)：閾值過大，雖然可以減少信號(hào)中的噪聲，會(huì)除去信號(hào)的一部分能量，重構(gòu)信號(hào)也會(huì)有較大的失真;閾值過小，則重構(gòu)信號(hào)中將包含過多的噪聲分量，達(dá)不

7、到去噪的目的3。小波分析進(jìn)行消噪處理一般有3種方法：默認(rèn)閾值消噪處理、給定閾值（軟閾值或硬閾值）消噪處理、強(qiáng)制消噪處理。小波變換后傳統(tǒng)的閾值處理方法有硬閾值（hard shrinkage）和軟閾值（soft shrinkage）處理方法。采用硬閾值，就是把絕對(duì)值小于閾值的小波系數(shù)設(shè)為0，其他的系統(tǒng)不變;采用軟閾值就是用小波系數(shù)的絕對(duì)值減去小于的小波系統(tǒng)設(shè)為0。一般來說，硬閾值比軟閾值處理后的信號(hào)更加粗糙。4.2 小波對(duì)語音信號(hào)去噪的仿真結(jié)果和分析本列中對(duì)原始信號(hào)加入高斯白噪聲，去噪時(shí)用小波sym6執(zhí)行分解，使用啟發(fā)式閾值選擇（heursure），然后再通過軟閾值方法去噪。去噪效果如圖1所示。從

8、圖像中可以看出，增強(qiáng)后的語言信號(hào)很光滑，基本不含噪聲分量，顯示了原始信號(hào)的大量信息，但是也去掉了原信號(hào)的一些細(xì)節(jié)信息，而且想要提高去噪時(shí)的效果通過改變小波基或者提高層數(shù)，其改進(jìn)的效果不大，所以傳統(tǒng)的小波去噪的算法還存在很大的改進(jìn)空間，但是其前景不容小覷。5 小波分析在語音信號(hào)壓縮編碼中的應(yīng)用壓縮編碼是語音信號(hào)處理中的重要組成部分，其重點(diǎn)是降低語音信號(hào)編碼速率。目前，方法主要分為波形編碼、參數(shù)編碼以及混合編碼等。波形編碼設(shè)計(jì)簡(jiǎn)單，精度高，但數(shù)碼率較高，壓縮效率低。參數(shù)編碼雖然能顯著降低數(shù)碼率，但復(fù)雜度高，精度也難以保證?；旌暇幋a則結(jié)合了上述兩類方法的優(yōu)勢(shì)，有效改善了數(shù)碼率和精度?；谛〔ㄗ儞Q的編

9、碼方式本質(zhì)是一種變換域編碼方式，主要將輸入的信號(hào)離散化和正交化處理，然后量化編碼系數(shù)進(jìn)行壓縮。典型的小波變換編碼框圖如圖2所示。上述的符號(hào)2表述為小波系數(shù)分解。通過上述流程，小波分析編碼可實(shí)現(xiàn)平滑和細(xì)節(jié)的信號(hào)描述形式。然后對(duì)平滑信號(hào)進(jìn)一步分解，在整個(gè)變換域中獲得完全的重疊正交變換過程。從矢量的角度可知，K空間中，有限子集映射，因此經(jīng)過編碼處理后可得到矢量化映射碼，而復(fù)雜度降低可通過二叉樹來實(shí)現(xiàn)。當(dāng)前，語音信號(hào)壓縮編碼主要采用離散小波變換，其步驟為：以重構(gòu)誤差以及信噪比最大化為選擇標(biāo)準(zhǔn)來確定對(duì)應(yīng)的小波類型;進(jìn)行小波分解，盡可能將信號(hào)分解到較少子系數(shù)空間以提升壓縮效率4;分解后，可設(shè)定閾值選擇小波系數(shù)以實(shí)現(xiàn)裁剪;小波系數(shù)編碼。在編碼過程中，將部分含有較少信息的信號(hào)分量去除，實(shí)現(xiàn)最小化小波系數(shù)。雖然存在一定程度的信號(hào)損失，但由于人們對(duì)缺失部分不敏感，因此依舊能夠獲得很好的效果。結(jié)束語總而言之，小波變換作為一種新的信號(hào)處理手段，是繼傅里葉變換后的另一重要的信號(hào)變化方式。本文探討了小波變換基本理論，并綜述了小波變換在音頻信號(hào)處理中的具體應(yīng)用，如小波分析在語音基音周期檢測(cè)、語音信號(hào)去燥和增強(qiáng)、語音信號(hào)壓縮編碼的應(yīng)用等，以此為相關(guān)研究人員提供參考。參考文獻(xiàn)1楊建斌，陶薪竹.基于小波框架方法的信號(hào)重構(gòu)