小波包分解下的多窗谱估计语音增强算法

合集下载

基于多窗谱估计的维纳滤波语音增强算法

基于多窗谱估计的维纳滤波语音增强算法张正文;周航麒【摘要】针对维纳滤波在复杂背景噪声情况下,语音信号成分衰减过大的问题,提出了一种基于多窗口谱估计和维纳滤波相结合的语音增强方法.该方法先将带噪语音进行多窗口谱估计,再通过小波阈值去除噪声项得到近似纯净的语音谱;然后与维纳滤波处理后的语音谱相比较,根据不同的失真类型选择相应的谱作为最终增强的语音谱.仿真结果表明,在不同类型的噪声和信噪比条件下,该方法在抑制噪声和降低语音信号衰减上优于均方预测误差(MSCEP)和预白化子空间(PSS)方法.【期刊名称】《河南理工大学学报（自然科学版）》【年(卷),期】2015(034)005【总页数】5页(P686-690)【关键词】信噪比;维纳滤波;小波阈值;多窗口谱估计【作者】张正文;周航麒【作者单位】湖北工业大学电气与电子工程学院,武汉430068;湖北工业大学电气与电子工程学院,武汉430068【正文语种】中文【中图分类】TN912.350 引言语音增强是语音编码(Speech Code)的关键步骤。

在实际中，语音很容易受到噪声的污染，致使语音质量下降。

因此，当语音信号被不同的噪声干扰时，能在较低的信噪比环境下抑制背景噪声，尽量不影响原始语音信号的可懂性是语音编码的重要问题。

为了抑制语音的噪声，学者已经提出了一些语音增强方法［1－2］。

现比较常用的谱减法［3］，从带噪语音功率谱中减去噪声功率谱得到增强语音的功率谱;然而噪声谱是通过对带噪语音估计获得，而真实噪声谱和估计噪声谱存在误差，其残留音乐噪声使人不舒服。

维纳滤波［4］(Wiener Filter)语音增强算法是一种基于统计模型，采用“直接判别”最小均方误差(Minimizing the Mean－Squared Error，MMSE)短时谱估计方法，估计当前帧的先验信噪比，增强后的语音残留噪声类似于白噪声且噪声大大减少;然而维纳滤波要求待处理信号是平稳信号，当语音信号中噪声较多时会导致语音信号成分衰减过大，得不到理想纯净语音信号。

基于正交小波包分解的语音去噪增强

ａｃｒｉｇｔ盯ｒｌ．Ｆｎｌｃｏｄｎｏ３ｕｅｉａｌｙ．ｔｅｄ — ｏｓｎｎａｃｄｓｅｃｅｒｂａｎｄｖａｔｅｉｖｒｅｗｖｌｔｐｃｅｈｅｎｉａｄｅｈｎｅｐｅｈｓｗｅｅｏｔｉｅｉｈｎｅａｅｅａｋｔｅｓｔｎｆｒｒｓｍ．ＢｓｄＯｌａｏａｅｉＭＡＡＢ，ｆｒｔｅｓｅｃｉｎｔｏｓｓｄｎｉｄａｄｅａｃｄＴＬｏｈｐｅｈｓａｗｉｎｉｅｗａｅｏｓｎｎｎｅ．Ｔｅｅｐｒｎｓｓｏｇｌｈｅｈｈｘｅｍｅｔｈｗ
３８・— ８－・ —
用动态阈值对小波系数进行噪声抑制，而可以有效地去除从
噪声，强语音。增
系数主要由语音信号控制。因此设置一个合适的阈值，仅利用超过阈值的那些显著的小波系数来重构语音信号，可较就
好地去除噪声。
一
２小波包阈值增强新算法
ｌ引言
噪声不仅影响语音可懂度和清晰度，且造成人耳听觉而
取阈值是小波包增强算法的关键。早期的文献通常局限于
不变阈值，Ｄｎｂ和Ｊｈｓｎ如ｏｏｏｏｎｔｅ提出的非线性小波变换阈ｏ
疲劳。语音增强的目的就是为了抑制背景噪声，改善语音质量，同时提高语音的可懂度和清晰度 … 。一般来说，语音增
强方法分为２大类：时域方法（子空间法）频域方法（如和如

基于小波变换的语音增强算法研究

基于小波变换的语音增强算法研究随着科技的不断发展，语音识别与语音合成技术的应用越来越广泛。

然而在实际的应用过程中，由于受外界环境噪声等因素的干扰，语音信号的质量往往会受到很大的影响，从而导致系统的性能下降。

因此，如何降低语音信号的噪声干扰，提高语音信号的清晰度和可识别性就成为了当前的研究热点。

其中，基于小波变换的语音增强算法是一种比较有效的方法。

一、小波变换原理及其在语音处理中的应用小波变换是一种对信号进行分析和处理的数学工具，它可以将信号分解成多个频带，并对每个频带进行独立的处理。

小波变换的优点在于它既能提取信号的短时信息，又能保留信号的长时信息，因此它在语音处理中的应用非常广泛。

在语音增强中，小波变换可以用来将语音信号分解成多个频带，然后对每个频带进行独立的处理。

由于语音信号中的噪声频率通常较高，因此我们可以利用小波变换将主要的语音信息和噪声分离出来，并对噪声进行滤波处理，以达到降噪的目的。

二、小波变换语音增强算法的实现步骤1.语音信号的预处理在进行小波变换前，通常需要对原始语音信号进行预处理。

预处理主要包括对语音信号进行分帧和加窗处理。

分帧是将语音信号分成若干个短时段，加窗是为了减小信号末端振荡的影响，同时防止窗口边缘出现断点。

2.小波分解将预处理后的语音信号进行小波分解，得到其各个频带的系数。

小波变换的选择可以根据实际需要进行调整，目前常用的小波有哈尔小波、Daubechies小波、Symlets小波等。

3.频带滤波在小波分解后，得到多个频带的系数，其中高频部分包含了噪声信息，而低频部分则包含了主要的语音信息。

因此可以采用不同的滤波方法对不同频带的系数进行处理。

常用的方法有阈值处理、软阈值处理、硬阈值处理等。

4.小波重构对滤波后的系数进行小波重构，得到增强后的语音信号。

需要注意的是，在小波重构时，为避免出现信号失真，需要采用对称性重构的方法，即保留反卷积所需的系数。

三、小波变换语音增强算法的优缺点1.优点：（1）小波变换能够充分利用语音信号的时频特性，提取出时域和频域信息。

用小波包改进子空间的语音增强方法

更加细致地分析和重构的方法，但对低频部分进不
行分解，而且对高频部分也做了二次分解，对信号的
图ｌ子空Ｉ司语晋增强方法原理图
分析能力更强，别适于处理非平稳信号ｌ］特＿。该算３
法采用小波包变换的方法对子空间域中带噪语音特征值进行处理，即采用改进的小波软判决阈值函数，得到更新的带噪语音的特征值，计出纯净语音特估
法，觉感受上增强语音也具有更好的清晰度和可懂度。听
关键词：音增强；空间；渡包；阈值函数语子小
中图分类号：ＴＮ９２音增强是解决噪声污染的一种有效的预处理
技术，随着数字通信系统的快速发展和广泛使用，人们越来越重视语音增强在语音处理方面的作用。近年来，子空间方法在语音增强研究中已有了较大发
假设带噪语音信号可以表示为：
Ｓ — Ｘ＋Ｎ．（）１
式中，ｓ是带噪语音；是纯净语音；是方差为ＸＮ的高斯白噪声，ｘ，为Ｋ维矢量。ｓ，Ｎ
征值，并采用基于统计信息算法更新噪声特征值，从
而实现了对噪声特征值更加准确的估计ｒ。８］
用小波包改进子空间的语音增强方法
贾海蓉，雪英，晓薇张牛
（原理工大学信息工程学院，原００２）太太３０４

一种新阈值函数的小波包语音增强算法

p p d2 j + 1 （ k ） = ∑ d j （ m ） h0 （ m － 2 k ） m= －∞ ∞ p +1 p d2 j + 1 （ k ） = ∑ d j （ m ） h1 （ m － 2 k ） m= 1
新阈值函数和新的 Bark 尺度小波包分解结构
传统阈值函数小波阈值去噪算法中传统的阈值函数
［10 ］
（ 2）（ 3）
主要有：
a）硬阈值函数。与硬阈值函数不同的是，当小波包系数的绝对值大于给定的阈值时，则令其保持不变，即
^
p p）即第 j 层第 p 个节点处的小波包系其中： d j （ k）表示节点（ j，
数； h0 （ k）是通带在 0 ～
π 之间的低通滤波器； h1 （ k ）为通带在 2
第 30 卷第 1 期 2013 年 1 月
计算机应用研究 Application Research of Computers
Vol. 30 No. 1 Jan． 2013
一种新阈值函数的小波包语音增强算法
任永梅，张雪英，贾海蓉
*
（太原理工大学信息工程学院，太原 030024 ）摘要：针对传统软、硬阈值函数去噪方法增强的语音存在失真的问题，提出一种新阈值函数的小波包语音增
w j， k =
π ～ π 之间的高通滤波器。 2 p）处的小波包系数 d p 在节点（ j， j （ k ）可由式（ 4 ）重建：
dp j （ k） =
p ^2 d j +1（
{
w j， k 0
w j， k ≥λ w j， k ＜λ
（ 7）
b）软阈值函数。与硬阈值函数不同的是，当小波包系数的绝对值大于给定的阈值时，令其减去阈值，即

一种基于小波变换和谱减法的改进的语音增强算法

一种基于小波变换和谱减法的改进的语音增强算法卢景;赵风海【摘要】谱减法是目前受到广泛研究的语音增强算法之一,但谱减法分辨率固定及存在音乐噪声残留的问题,限制了谱减法的应用推广.本文针对以上问题,利用小波变换的多分辨率特性及谱减法运算量小、处理速度快的特点,提出了一种基于小波变换和改进的Berouti谱减法的改进语音增强算法.实验结果表明,该算法在抑制噪声,增强语音信号的可懂度及鲁棒性方面优于传统的谱减法.【期刊名称】《电声技术》【年(卷),期】2018(042)012【总页数】6页(P8-12,69)【关键词】谱减法;小波变换;语音增强【作者】卢景;赵风海【作者单位】南开大学电子信息与光学工程学院,天津市光电传感器与传感网络技术重点实验室,天津300350;南开大学电子信息与光学工程学院,天津市光电传感器与传感网络技术重点实验室,天津300350【正文语种】中文【中图分类】TN912.3语音增强是语音信号处理领域的一个重要研究课题，语音增强对含噪语音的去噪结效果，直接关系着语音样本的可用性。

语音去噪的目的即获取纯净的语音信号。

近年来，语音信号处理在现实生活中得到了极大的应用，如语音识别、说话人识别及性别识别等技术用于帮助听力障碍者[1]。

无噪声的语音信号可有效的提高语音信号处理系统的性能。

语音增强技术主要分为单通道、双通道和多通道三类，其中谱减法是单通道语音增强技术中发展最早，应用最为广泛的一种算法[2]。

谱减法由于算法简单、运算量小等优点获得了广泛的研究及关注。

该算法的主要缺点即处理语音信号后，信号频谱内残留音乐噪声。

针对这一问题，人们从听觉掩蔽特性、噪声分类处理及多分辨率等多方面提出了改进方法[3]，这些改进算法在一定程度上减小了音乐噪声的残留率。

20世纪80年代后期新兴的小波分析理论，克服了谱减法分辨率固定的缺点，在多分辨率下观测信号。

在含噪语音信号中，信号能量大部分分布在低频段，但噪声信号能量大部分分布在高频段，利用小波分析的多分辨率及与人耳听觉特性相似的特点[4]，将多频率组成的语音信号分解成不同频段的子信号，分析高频信号的时间窗口小，时域分辨率高；低频信号的时间窗口大，频域分辨率高[5]。

基于小波分析的语音信号增强的研究-兰州交通大学自动化与电气工程学院

基于小波分析的语音信号增强的研究------兰州交通大学自动化与电气工程学院姚瑶摘要：语音增强目的是从带噪语音中尽可能纯净的原始语音，即消除含噪语音信号中的噪声成份，提高输入信号的信噪比。

在实际应用环境中，语音都会不同程度受到噪声的干扰，噪声会影响语音质量，严重的情况下将语音完全淹没到噪声中，无法分辨。

本文将读入的语音信号加入正态随机噪声，然后对含噪声的语音信号进行小波分解，估计噪声的方差，然后获取去噪的阈值并对小波分解的高频系数进行阈值量化，得到去哚后的语音信号。

仿真证明此方法具有很好的增强效果。

关键词：小波分析，阈值．语音增强中图分类号：TN911文献标识码：A文章编号：1673-1131(2010)03-059-03引言语音在传输过程中不可避免地要受到来自周围环境和传输媒介引入的噪声、通讯设备内部噪声、乃至其它讲话者语音的干扰。

例如：车站、商场、娱乐场所的公用电话、车载电话、机载电话等都要受到强噪声的干扰。

在远距离通讯中传送的语音信号要受到信道噪声和通讯设备自身噪声的干扰。

在这些情况下则需要对带噪语音进行语音增强处理，以消除背景噪声，提高语音质量。

另外在语音识别系统、语音编码系统中，由于这些系统在设计时一般针对的是纯净语音，当这些系统对带噪进行处理的时候将导致系统性能的急剧恶化，甚至不能正常工作，这时也需要对带哚语音进行语音增强处理。

一、小波变换小波变换是80年代后期才发展起来的应用数学的分支。

法国数学家Y．Meyer.地质物理学家J．Morlet和理论物理学家A．Grossman等人对小波变换的理论的完善起到了积极的作用，并且把这一理论引入工程应用。

特别是信号处理领域．则主要是法国学者I．Daubechies和S．Mallat的功劳。

小波变换的定义为：把某一被称为基本小波叫母小波的函数W(t)位移t后再在不同尺度虾与待分析信号x(做内积。

给定一个基本函数先做位移再做伸缩得到一组三、小波去噪及小波阈值仿真(1)小波去噪实验小波变换不只在小波对信号的分解上，分解的方法有很多，也要综合考虑，但分解不是最终目的，在分解后我们需要对信号进行处理（比如是去噪）．在处理完后需要对处理后的信号进行提取，以便进行对信号的重构，重构的方法也有不同．比如小波重构和小波滤波器重构，但这两者从效果上看基本上差不多。

小波变换在语音增强中的应用及效果评估

小波变换在语音增强中的应用及效果评估语音增强是一项重要的音频处理技术，它可以提高语音信号的质量和清晰度，使得语音更易于理解和识别。

而小波变换作为一种有效的信号处理方法，被广泛应用于语音增强领域。

本文将探讨小波变换在语音增强中的应用，并对其效果进行评估。

首先，我们来了解一下小波变换的基本原理。

小波变换是一种时频分析方法，它将信号分解为不同频率和时间分辨率的子信号。

与傅里叶变换相比，小波变换具有更好的局部性和时频分辨率，能够更准确地捕捉信号的瞬态特征。

在语音增强中，小波变换可以将语音信号分解为不同频率的子带，然后对每个子带进行增强处理，最后再将增强后的子带合成为增强后的语音信号。

在实际应用中，小波变换可以用于降噪、去混响和增强语音信号的清晰度。

首先，对于降噪来说，小波变换可以将语音信号分解为低频和高频成分，通过滤波的方式去除高频噪声，从而提高语音信号的信噪比。

其次，对于去混响来说，小波变换可以将语音信号分解为短时和长时成分，通过滤波的方式去除长时混响，从而使语音更加干净和清晰。

最后，对于增强语音信号的清晰度来说，小波变换可以对语音信号的高频成分进行增强，使得语音的高频部分更加突出，从而提高语音的清晰度和辨识度。

接下来，我们来评估小波变换在语音增强中的效果。

为了进行评估，我们选取了一段含有噪声和混响的语音信号作为测试样本，并使用小波变换进行增强处理。

经过增强后，我们对增强前后的语音信号进行了主观评估和客观评估。

主观评估是通过人工听觉感知来评估语音增强效果的一种方法。

我们请了一些志愿者，让他们分别听取增强前后的语音样本，并对其清晰度、可懂度和自然度进行打分。

结果显示，经过小波变换增强处理后的语音信号在清晰度、可懂度和自然度方面都有明显的提高，志愿者们普遍认为增强后的语音更加清晰、易于理解和自然。

客观评估是通过一些客观指标来评估语音增强效果的一种方法。

我们使用了信噪比（SNR）和语音质量评估算法（PESQ）来评估增强前后的语音信号。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

［ｙｗｒｓｐｃｒｌｕｔｃｉｎｍｕｔｌｗｎｏｐｃｒｍ；ｖｌｔａｋｔｅｏｏｉｏ；ｏｓ；ｉｎｌｉａｏＳ）Ｋｅｏｄｓｅｔｂｒｔ；ｌｐｅｉｄｗｓｅｔＩａｓａｏｉｕｗａｅｅｃｅｃｍｐｓｉｎｎｉＳｇａＮｏｓＲｔ（ＮＲｐｄｔｅｅｉ
［ｓｒｃ］ＴａｉｏａｐｃｒｌｕｔｃｏａｅｎＳｏｔｉｏｒｒＴａｓｏｍ（ＴＴ）ｓａｋｎｔｏｆｉｇｅｒｓｌｔｎａｄｈｓｌｇＡｂｔａｔｒｄｔｎｌｅｔｂｒｔｎｂｓｄｏｈｒＴｍｅＦｕｅｒｎｆｒＳＦｉｉｄｍｅｈｄｏｎｌｅｏｕｉ，ｎａａｅｉｓａｓａｉｉｓｏｒ
ｓｏａｉａｇｒｈｃｎｉｒｖｅｓｅｃｉｎｌｉｔ（ＮＲ）ｔｏｓ，ｎｒｖｅｓｅｃｉｔｒｏｅｒｅｈｗｓｈｔｈｓｌｏｔｍａｏｅｔｅｈＳｇａｓＲａｏＳｔｔｉｍｐｈｐＮｏｅｉｗｉｎｉａｄｉｏｅｔｐｅｈｄｓｔｎｄｇｅ：ｈｅｍｐｈｏｉ
第３８卷第５期
Ｖ＿１８ｏ．３Ｎｏ．５
计
算
机
工
程
２１０２年３月
Ｍａｃ２２ｒｈ０１
ＣｏｐｅｇｎｅｉｇｍｕｔｒＥｎｉｅｒｎ
・开发研究与设ｏ９＿０文０－３８０２５一２１．３０－４２ｏ献标识Ａ码：
ＳｅｔｕｍｔｍａｉｎＵｎｅａｅｅｃｅｃｍｐｓｔｏｐｃｒＥｓｉｔｏｄｒＷｖｌｔＰａｋｔＤｅｏｏｉｎｉ
ＺＨＡｅｇＹＡＮＧｉｇＰＣｈｎ，Ｐｎ，ＡＮｉｇＰｎ（ｏｌｇｆｍｐｔｒｃｅｃｎｆｒｔｎＧｕｚｏｉｅｓｙＧｕｙｎ５０５ＣｉａＣｌｅｏｅＣｏｕｅｉｅａｄＩｏｍａｉ，ｉｕＳｎｎｏｈＵｎｖｒｉ，ｉａｇ５０２，ｈｎ）ｔ
中圈分类号：Ｔ９２Ｎ１
小波包分解下的多窗谱估计语音增强算法
查诚，杨平，潘平
（贵州大学计算机科学与信息学院，贵阳５０２）５０５
摘
要：传统谱减法是基于短时傅里叶变换的单一分辨率算法，具有较大方差。为此，提出一种基于小波包分解下的多窗谱估计语音增强
ｖａｉｎｅＩｒｅｏｖｓｐｏｅ，ｉｐｒｒｐｓｓａｓｅｃｎｎｃｍｅｔａｇｒｔｍｆｕｔｌｎｏｓｅｔｒａｃ．ｎｏｄｒｔｓｌｅｔｒｂｌｍｔｓｏｈｉｈｐａｅｏｏｅｐｅｈｅｈａｅｎｌｏｈｏｌｐｅｗｉｄｗｐｃｒｐｉｍｉｕｍｓｉｔｎｕｄｒｗａｅｅｅｔｍａｉｎｅｖｌｔｏｐｃｅｅｏｏｓｔｎ．ｔｄｃｍｐｏｅｈｏｓｐｅｈｓｇａｎｏｄｆｅｅｔｆｅｕｎｙｂｎｎｅｖｌｔｐｃｅ，ｏｓｔｋｈｐｃｒｌｓｂｒｃｉｎａｋｔｄｃｍｐｉｏＩｅｏｉｓｓｔｅｎｉｙｓｅｃｉｎｌｉｔｉｆｒｎｒｑｅｃａｄｕｄｒｗａｅｅａｋｔｄｅａｅｔｅｓｅｔａｕｔａｔｏｏｅａｉｎｏｌｉｌｎｏｕｄｒｄｆｅｅｅｕｎｃ，ｎｏｓｔｖｌｔｃｔｅｏｓｒｃｉｎｔｅｅｏｓｎｐｅｈｓｇａ．ｉｕａｉｎｒｓｌｐｒｔｏｆｍｕｔｐｅｗｉｄｗｎｅｉｆｒｎｔｒｑｅｙａｄｄｅｗａｅｅｋｅｃｎｔｕｔｏｇｔｎｉｉｇｓｅｃｉｎ１Ｓｍｌｔｏｅｕｔｆｈｅｐａｒｏｄ
卡尔曼滤波Ｊ、维纳滤波】波去噪ｆ、小。
较大方差的周期图功率谱估计，使得谱减法在去除背景噪声的同时，随之带来的令人厌恶的音乐噪声。拟采用多窗谱估计替代周期图进行功率谱估计，能降低功率谱估计的方差，最终达到能抑制音乐噪声的产生，提高谱估计质量。谱减法是基于ＳＦ的单一分辨率算法，且功率谱估计ＴＴ的方差较大，本文针对该问题，提出一种小波包分解下的多
算法。将含噪语音在小波包下分解成不同频段，不同频段下进行多窗谱谱减运算，并逐一进行小波包重构，以得到去噪后的语音信号。在
仿真结果表明，该算法能提高含噪语音的信噪比，降低语言失真度。
关健词：谱减法；多窗谱；小波包分解；噪声；信噪比
ＳｅｃｐｅｈＥｎｈｎｅｅｔｇｒｔｍｆｕｔｐｅＷｉｄｗａｃｍｎｏｉｈ０ｌｉｌｎｏＡｌＭ
ＤＯＩ１．９９．ｓ．００３２．０２０．９：０３６／ｉｎ１０ —４８２１．５００ｊｓ
１概述
近年来，移动电话激增和语音识别技术飞速发展，对数字语音信号去噪提出更高的要求。为使语音通信系统和自动语音处理系统能更好地应用于实际环境，人们一直在努力研究有效的语音增强算法。目前，基于单通道输入的语音增强算法正被广泛的应用在这些系统中。代表性算法有谱减法…、