基于matlab譜減法音頻降噪處理..

1、題目 基于matlab譜減法音頻降噪處理 班級 學號 姓名 指導 時間 景德鎮(zhèn)陶瓷學院數(shù)字信號處理課程設計任務書姓名 _ 班級 _ _ _ 指導老師 設計課題： 基于matlab譜減法音頻降噪處理設計任務與要求1、題目選擇：根據(jù)自己掌握的情況選擇合適的題目，要求IIR濾波器的設計中，模擬濾波器的設計選擇一個，數(shù)字濾波器的設計選擇一個，F(xiàn)IR濾波器的設計中，窗函數(shù)選擇一個（可參考選題另有附件）；2、掌握Matlab軟件的基本應用；設計步驟1、選擇適當?shù)念}目，查閱相關資料；2、技術參數(shù)設定，選定所要設計的某種類型的濾波器后，設定相應的技術參數(shù)；3、Matlab程序設計；4、得出結果和仿真波形；5、

2、總結，對以上各步驟寫出詳細的設計報告，存在什么問題，如何解決。正文字數(shù)不得少于3000字。參考文獻（1） 程佩青 數(shù)字信號處理教程 清華大學出版社（2） 吳鎮(zhèn)揚 數(shù)字信號處理 高等教育出版社（3） 胡廣書 數(shù)字信號處理導論 清華大學出版社（4） （5） （6）目 錄1、 設計要求. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .12、 設計原理. . . . . . . . . . . . . . . . . . .23、 源程序清單. . . . . . . . . . . . . . . . . . . . .

3、 . . . . . . . . . . . . . . . . . . .74、 設計結果和仿真波形 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .115、 參考文獻. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.6、 設計心得體會. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4、. . 161、設計要求語言是人類最重要、直接、有效和便捷的交換信息的方式。隨著近些年科學技術的飛速發(fā)展，人們也不滿足于和計算機的信息交換方式，希望能夠甩掉鍵盤和鼠標而實現(xiàn)用語言來對計算機進行控制。因此，語音信號處理技術便應運而生。語音信號處理是一門新興的學科，同時也是綜合多種學科和涉及面非常廣泛的交叉學科?，F(xiàn)在在一些職能系統(tǒng)中嵌入有語音處理系統(tǒng)，但它們只能在安靜的環(huán)境中才能使用。然而，在語音信息的采集過程中難免會有各種噪聲的干擾。噪聲不僅降低了語音的可懂度和語音質量，還嚴重的影響語音處理的準確性，甚至使系統(tǒng)不能正常工作。本文將就對語音增強技術的原理和方法進行討論，重點介紹語音增強的一種方法譜

5、減法及其改進算法。該方法能夠有效消除平穩(wěn)的加性噪聲，其改進算法能夠有效消除普通方法產(chǎn)生的“音樂噪聲”，在很大程度上提高語音信號的信噪比。目前，語言識別技術已經(jīng)取得了重大進展，并開始進入實用階段。但語音識別系統(tǒng)必須在相對比較安靜的環(huán)境下運行，然而，在語言信息的采集中難免會有各種噪聲的干擾，在較強的噪聲背景下，語音識別系統(tǒng)的準確性會受到較大影響，甚至沒法正常工作。所以在語音識別系統(tǒng)對語音信息處理前，應該對語音信息進行預處理，即背景噪聲消除。語音背景噪聲消除技術的出現(xiàn)使得語音識別技術更加穩(wěn)定和精確，也使得語音信息的可懂度大大提高，使人們能夠從較復雜的語音信息中提取到更多的有用信息。2、設計原理噪聲的

6、生成原理及分類噪聲的來源取決于實際應用，不同情形下產(chǎn)生的噪聲其特性也是千變?nèi)f化，所以沒有一種通用的語音增強算法能對每一種噪聲起到有效的消除。下面我們來簡單分析噪聲的生成原理及分類情況。噪聲可以分為兩大類：加性噪聲和非加性噪聲，加性噪聲一般是指熱噪聲、散彈噪聲等，其特點是噪聲信號與語音信號是加性的，噪聲不隨信號而改變，即使信號不存在噪聲也會存在。非加性噪聲如乘性噪聲，他們與信號成乘性關系，信號存在噪聲就存在，信號改變噪聲也隨之改變。一般通信中我們把加性隨機性看成背景噪聲，而乘性隨機性則是由系統(tǒng)時變性和非線性造成的。這里我們僅介紹加性噪聲，加性噪聲一般分為一下幾類：人為噪聲，自然噪聲和內(nèi)部噪聲。人

7、為噪聲是指信號之外人為的噪聲，如外臺信號、開關接觸噪聲、工業(yè)的點火輻射等；自然噪聲則是由于自然界的各種電磁波源如閃電、大氣中電暴和宇宙輻射等造成的噪聲；內(nèi)部噪聲是信號采集時系統(tǒng)設備自身產(chǎn)生的各種噪聲，如熱噪聲和散彈噪聲等8。以上噪聲中確定類型的噪聲因為知道其產(chǎn)生機制，所以理論上是能夠消除或者基本消除。但是有一類隨機噪聲因為不能預測其波形而比較難以消除，這種不能預測的噪聲系統(tǒng)成為隨機噪聲。隨機噪聲可分為三類：（1）周期性噪聲是由于發(fā)動機等機械、電氣干擾特別是交流電等造成的周期性的干擾噪聲。（2）脈沖噪聲是突發(fā)的幅度高且持續(xù)時間短的離散脈沖。它的來源是由于爆炸、點擊和撞擊等，其特點就是脈沖幅度大，

8、持續(xù)時間短，兩個脈沖之間時間長等。這類噪聲通常在時域情況下消除，根據(jù)信號的幅度平均值來確定信號幅度的閉值。當信號超過這一閉值時，系統(tǒng)則認為是脈沖噪聲，再對脈沖噪聲進行衰減。（3）寬帶噪聲的來源很多，熱噪聲、氣流（如風、呼吸）噪聲及各種隨機噪聲源，量化噪聲也可視為寬帶噪聲。由于寬帶噪聲與語音信號在時域和頻域上完全重疊，因而消除它最為困難。這種噪聲只有在語音間歇期才單獨存在。對于平穩(wěn)的寬帶噪聲通?？梢哉J為是白色高斯噪聲。不具有白色頻譜的噪聲，可以先進行白化處理。對于非平穩(wěn)的寬帶噪聲，情況就更為復雜一些。噪聲破壞了語音信號原有的聲學特征和模型參數(shù)，使語音質量下降，也使人產(chǎn)生聽覺疲勞。不僅如此，強噪聲

9、環(huán)境還會對說話的人產(chǎn)生影響，使人改變在安靜環(huán)境或者低噪聲環(huán)境中的發(fā)音，從而改變了說話人的語音特征參數(shù)，它對語音識別系統(tǒng)有很大影響?；咀V減法消除噪聲的原理在諸多語音增強方法中，譜減法因其計算量小，容易實現(xiàn)和增強效果好等特點而備受關注，是諸多方法中比較有效的語音增強算法。譜相減方法是居于人的感覺特性，即語音信號的短時幅度比短時相位更容易對人的聽覺系統(tǒng)產(chǎn)生影響，從而估計語音的短時幅度譜，比較適用于消除帶加性噪聲的語音。譜減法在20世紀八十年代后用來與其它方法相結合來獲得更為有效的語音增強算法。并且成為其它語音增強算法的比較標準。下面我們來詳細了解譜減法的原理。在基本譜減法中，假定語音為平穩(wěn)信號，且

10、噪聲為加性噪聲，與語音信號彼此不相關。此時帶噪語音信號可表示為： (1)式(1)中，y(t)為含噪語音信號，s(t)為純凈語音信號，n(t)為噪聲信號。用Y(w)，S(w)和N(w)來分別表示y(t)，s(t)和n(t)的傅里葉變換，則有下列關系： (2)由公式（2）可得： (3)根據(jù)（3）可得： (4)由于基本假定是噪聲信號與語音信號是加性的，s(t) 和n(t)獨立，所以S(w)和N(w)也獨立。故=0。所以對一個分析幀內(nèi)得短時平穩(wěn)過程，有： (5)因為噪聲是局部平穩(wěn)的，故可以認為沒有語音信息是的噪聲與有語音信息時的噪聲功率譜是相同的，因而可以利用發(fā)語音前的“寂靜幀”來估計噪聲。由式（5）

11、可以得到原始語音的估計值： (6)式（6）中，下標表示加窗信號，表示估值，則表示無語音信號時的均值。如果式（6）中結果出現(xiàn)負值，則將其改為0或改變符號，因為功率譜不能為負數(shù)。由式（6）可得原始語音估值： (7)根據(jù)人耳對語音的相位變化不敏感這一特點，我們可以用原帶噪語音信號y(t)的相位來代替估計之后的語音信號的相位，將估計后的頻域信號進行逆傅里葉變換得到降噪后的語音時域信號?；咀V減法的原理圖如圖2.1所示：圖2.1 基本譜減法的原理示意圖改進譜減法消除噪聲的原理傳統(tǒng)的噪聲估計方法是基于最優(yōu)平滑和最小統(tǒng)計的噪聲估計，還有一種采用改進的算法基于語音活性檢測的噪聲估計算法。語音激活檢測指從一段包

12、含語音信號中確定出語音的起始點和終點，又稱端點檢測。語音端點檢測的目的就是從連續(xù)記錄的帶噪語音信號中分離出有用的語音信號。語音激活檢測是各種語音處理中必需的一個重要環(huán)節(jié)，精確地確定輸入語音的起點和終點將保證語音處理系統(tǒng)良好的性能。對于語音激活檢測在語音增強中的應用，為了得到更多的關于背景噪聲特性，語音端點檢測更注重于如何準確的檢測出無音段。一般的語音激活檢測是根據(jù)語音幀來進行的，語音幀的長度在1030ms不等。語音端點檢測的方法可以綜述為：從輸入信號中提取一個或一系列的對比特征參數(shù)，然后將其和一個或一系列的門限閾值進行比較，如圖4-7所示。如果超過門限則表示當前為有音段，否則就表示當前為無音段

13、。帶噪語音加窗分幀特征提取與閥值比較判斷有無語音圖4-7語音激活檢測框圖目前語音端點檢測所采取的方法大體可以分為兩類：第一類是噪聲環(huán)境下基于 HMM 模型的語音信號端點檢測的方法，該方法要求背景噪聲保持平穩(wěn)且信噪比較高。第二類方法是基于信號的短時能量進行檢測的算法，它通過對背景噪聲能量的統(tǒng)計，定出能量門限，利用能量門限來確定語音信號起始點。在這里運用語音端點檢測采用了第二類方法，即基于信號的短時能量進行檢測的算法?；谛盘柕亩虝r能量檢測具體算法如下：1) 計算每一幀的語音能量： (4-1)式中為幀長，為幀的編號，m為每一幀中的各點，為幀數(shù)；然而它有一個缺陷，即它對高電平非常敏感（信號的二次方計

14、算）。為此，定義短時平均幅度函數(shù)來表征一幀語音信號的能量大小，定義： (4-2)2) 計算前20幀平均噪聲能量；3) 求能量最大值和能量最小值，；4) 根據(jù)式(4-2)確定門限 (4-3)應用譜相減法實現(xiàn)語音增強基本原理是通過對帶噪語音譜減去噪聲譜得到語音譜，因此，語音激活檢測這一環(huán)節(jié)非常重要，準確地確定語音的起始點和終止點對噪聲譜估計有著重要的作用。改進型語音降噪處理運用端點檢測技術，用MATLAB仿真，可明顯顯示出其優(yōu)越性。用MATLAB仿真的流程如下：1)對輸入的語音信號進行預濾波；2)對濾波后的語音信號進行預加重；3)將語音信號按每幀128個信號點進行分幀,幀移為64；4)對信號幀加漢

15、明窗(Haming)；5)對加窗后的信號幀進行FFT變換；6)對各幀語音信號求功率譜；7)根據(jù)前20幀求取平均噪聲功率；8)利用VAD進行噪聲估計檢測寂靜段，進而組合遞歸平滑，更新噪聲譜；9)進行譜減運算，得到估計出的語音信號功率譜；10)插入相位譜，計算出語音譜；11)進行IFFT變換，得到還原的語音幀；12)根據(jù)各個語音幀組合為語音信號；13)對語音信號進行去加重處理，得到最終信號。3、源程序清單下面是一段無噪聲純凈的音頻1.wav，用matlab仿真的源程序代碼：x,fs,bits=wavread('D:1.wav');x1=x(1:end,1);%因錄音時是立體聲，故取

16、其中的第一通道的音頻數(shù)據(jù) sound(x1,fs,bits); X1=fft(x1,4096);%對x1進行4096點傅里葉變換magX1=abs(X1);angX1=angle(X1);subplot(221);plot(x1);title('原始信號波形');subplot(222);plot(X1); title('原始信號頻譜');subplot(223);plot(magX1);title('原始信號幅值');subplot(224);plot(angX1);title('原始信號相位');其仿真圖如圖一所示。前面MAT

17、LAB讀取的語音信號聲音比較清晰，信噪比較高，用這樣的信號實驗對比效果不太明顯。因此在進行消除噪聲實驗之前我們要人為的給原始信號添加隨機白高斯噪聲，降低語音信號的信噪比。下面是matlab加入噪聲的源代碼：clearx,fs,bits=wavread('D:1.wav');N=size(x,1);x1=x(1:N,1);%因錄音時是立體聲，故取其中的第一通道的音頻數(shù)據(jù)  fn=1000; %設定噪聲的頻率為1000Hzt=1:length(x1); %設置噪聲的長度跟原語音信一樣長,x2=0.5*sin(2*pi*fn/fs*t);%產(chǎn)生幅度為0.5頻率為fn的正弦波

18、作為噪聲.y=x1+x2' %將原語音信號跟噪聲相加,x為帶有噪聲的語音信號.wavwrite(y,fs,'D:2.wav');%將帶有噪聲的語音信號轉換為聲音,2.wav中將有噪聲下面是加噪后音頻的matlab仿真源代碼：x,fs,bits=wavread('D:1.wav');x1=x(1:end,1);%因錄音時是立體聲，故取其中的第一通道的音頻數(shù)據(jù) sound(x1,fs,bits); X1=fft(x1,4096);%對x1進行4096點傅里葉變換magX1=abs(X1);angX1=angle(X1);subplot(221);plot(x

19、1);title('加噪后信號波形');subplot(222);plot(X1); title('加噪后信號頻譜');subplot(223);plot(magX1);title('加噪后信號幅值');subplot(224);plot(angX1);title('加噪后信號相位');其仿真圖如圖二所示。下面是噪聲的matlab仿真的源代碼：clearx,fs,bits=wavread('D:2.wav');%讀取2.wav文件并返回fs和bits的值。y=x(1:4096,1);%截取語音信息前4096點作為噪

20、聲信號Y=fft(y);%對噪聲信號進行傅里葉變換magY=abs(Y);%取噪聲功率譜絕對值angY=angle(Y);%取噪聲相位subplot(221);plot(y);title('噪聲信號波形');subplot(222);plot(Y); title('噪聲信號頻譜');subplot(223);plot(magY);title('噪聲信號幅值');subplot(224);plot(angY);title('噪聲信號相位');其仿真的圖形如圖三所示。下面是利用基本譜減法降噪處理matlab源代碼：clear;x,fs

21、,bits=wavread('D:2.wav');y=x(1:4096,1);Y=fft(y);magY=abs(Y);b=;for i=0:126;n=4096;x1=x(1+n*i:n+n*i);X1=fft(x1);magX=abs(X1);S=(magX.2-magY.2);S1=abs(S).0.5;s1=ifft(S1);m=mean(s1)*300;for j=1:4096;if abs(s1(j)>m;s1(j)=s1(j)/4;endenda=s1'b=b a;endx2=b'plot(x2);sound(x2,fs,bits);下面是利

22、用改進的譜減法降噪處理的matlab源代碼：clear;x,fs,bits=wavread('D:2.wav');y=x(1:4096,1);Y=fft(y);magY=abs(Y);b1=;a=1.3;b=1.3;%設定和的值for i=0:126;n=4096;x1=x(1+n*i:n+n*i);X1=fft(x1);magX=abs(X1);S=(magX.a-magY.a);S1=abs(S).(1/b);s1=ifft(S1);m=mean(s1)*300;for j=1:4096;if abs(s1(j)>m;s1(j)=s1(j)/4;endenda1=s1'b1=b1 a1;endx2=b1'plot(x2);sound(x2,fs,bits);wavwrite(x2,fs,'D:4.wav')%增強后語音以4.wav為文件名保存其降噪后的matlab仿真圖形如圖四所示。4、設計結果和仿真波形圖一圖二圖三圖四5、參考文獻【1】程佩青 數(shù)字信號處理教程 清華大學出版社【2】吳鎮(zhèn)揚 數(shù)字信號處理 高等教育出版