基于小波变换的语音信号去噪学科专业 - 天津大学研究生e-Learning平台.PPT

基于小波变换的语音信号去噪 学科专业：精仪学院 研 究 生：雷海 1013202043 天津大学 contents Part 4 结论 4 Part 1 语音去噪简介 1 Part 2 算法原理 2 Part 3 实验仿真 3 1.语音去噪简介 应用：现代数字音频设备 噪声来源：环境噪声，设备本身的线路噪声 小波变换特点： （1）可变的时域、频域分辨率，能够对信号进行精细的时频域分析 （2）在对信号滤波的过程中，不仅对可以对信号进行平滑过滤，还能保留反映信号特征的突变信息，在信号降噪中有着优良的性能 小波变换对信号降噪的方法： （1）基于Mallat算法的模极大值法 （2）Donoho提出的阈值算法  语音信号的特点： （1）分布在20~20KHz的频率范围内 （2）由低频的基波及高频的各次谐波组成 （3）反映语音特征，提升人耳理解力的，不是语音信号的基波，而是高频的谐波 （4）语音信号的清音和浊音有着不同的特征。浊音信号能量相对较大，易于提取，清音信号类似于噪声，难于提取 使用的小波变换去噪方法： （1）硬阈值滤波、软阈值滤波 （2）结合两种方法的新阈值函数算法 2.算法原理 带噪信号的一维模型： 信号和噪声在尺度分解中表现出不同特性：信号具有正的Lipschitz指数，其小波系数的模值随着变换尺度的增加而增加。噪声具有负的Lipschitz指数，其小波系数的模值随着变换尺度的增加而减少。 通过在每一尺度上设置一个适当的阈值，来区分噪声和信号，将小于阈值的系数置零，通过估计的小波系数将信号重构回去，就得到降噪后的信号 硬阈值滤波： 阈值函数在阈值选取点处不连续，用该方法得到的小波系数对语音信号重构时会引起信号的震荡，产生额外的噪音 软阈值滤波： 小波系数虽然连续，但是它与原始信号的系数存在一个恒定的偏差，由它重构回去的信号必然与原语音信号存在偏差，即产生语音失真 构建新的阈值函数： 解决不连续以及失真的问题 ，对清音信号与浊音信号需要采取不同的滤波阈值 。 硬阈值函数的表达式： 软阈值函数的表达式： 构建的新阈值函数表达式： 3.实验仿真 首先构建了一个语音信号，并在此语音信号上叠加了一白噪声信号，作为测试信号 采用三种不同的阈值函数对此测试信号进行小波阈值降噪。用db3小波对带噪信号按4层分解 分解完成后再按阈值函数对各个尺度上的小波系数进行估计。然后再用估计后的小波系数重构成语音信号 清音、浊音信号分别降噪： （1）通过信号的能量阈值加以区分开来 （2）设定一个能量阈值，当前帧的语音信号的能量大于能量阈值时，为清音信号；当当前帧的语音信号的能量阈值小于能量阈值而又大于噪声的能量时，为浊音信号。 （3）对清音帧，应适当加强降噪阈值，对浊音帧，应适当降低噪声阈值，对噪声帧，应大幅度加强降噪阈值。