基于小波变换的语音信号降噪研究

摘要

本课题是研究基于小波的语音信号降噪算法。小波变换作为能随频率的变化自动调整分析窗大小的分析工具，自上世纪八十年代中期以来得到了迅猛的发展，并在信号处理、计算机视觉、图像处理、语音降噪与压缩等众多的领域得到应用。 小波变换其实就是一组滤波器组，一个低通滤波器和一系列带通滤波器(高通滤波器)。通过这组滤波器，小波变换对输入信号进行分频，将信号分解成高频的细节部分和低频的概貌部分，但是输入信号在时域内的主要特性没有改变。 经过小波变换后，语音信号的信息主要集中在低频部分，且小波系数幅值大，白噪音主要集中在高频部分，小波系数幅值小。由此，可以对通过小波变换后得到的各个子波作适当的阈值处理，将小于阈值的小波系数(由噪声产生)置零，而保留大于阈值的小波系数(由信号产生)，从而使含噪信号中的噪声得到有效的抑制，最后进行小波逆变换，得到滤波后的重构信号。这就是小波滤波的基本思想。 小波降噪主要包括以下几个环节： 1.原始信号的小波变换，主要涉及小波基选取问题。本文比较了几种小波基的不同特点：Haar小波只有一阶消失矩，但它具有最短的支撑，并且是正交和(反)对称的；DB小波具有高阶消失矩，是正交的，但它没有(反)对称性；双正交小波虽不具有正交性，但是对称的，而且分析小波与综合小波均有高阶消失矩。在确定消失矩参数情况下，正交小波系列中，DB小波具有最短的支撑，在这一意义上它是最优小波。并且DB小波能很好表征信号的突变和细节特征，所以应用最为广泛。 2.阈值估计。本文比较了几种常用的阈值估计算法：通用阈值法，包括Donoho提出的f=σ平方根2lnN通用阈值，基于正态分布“3σ准则”的t=Cσ，c∈[3.0,4.0]阈值；几种无偏风险估计阈值；GCV(广义交叉验证)阈值；最终得出通用阈值效果最好的结论，并以“3σ准则”最为简单、灵活，效果也很好。 3.阈值函数。比较了三种阈值函数：硬阈值函数，算法简单，但容易损失弱细节信号；软阈值函数，处理后的信号有较好的连续性，但大量系数的收缩容易造成偏差；半软阈值函数，结合了上两种算法的优点，但需确定两个阈值，增加了算法复杂度；最终确定了用改进的半软阈值函数作为本文降噪阈值函数，其只需确定一个阈值，但与上述的几种阈值函数方法得到的滤波结果是渐进相等的。 4.阈值选取策略分为统一阈值法和独立阈值法，通过实验证明独立阈值法失真较大，全局统一阂值法效果较好。 5.评价标准除了注重客观评价标准，更提出了注重主观评价满意度思想，注重语音高频细节信号的保留。 本文通过对小波降噪算法的深入研究和实践，结合语音信号的特点，在客观评价和主观评价并重的原则下，提出了改进的基于小波变换的语音信号降噪算法：采用小波包分解语音信号，通过对阈值估计算法作适当调整，在原阈值估计基础上，动态加权，从而增强了阈值估计算法的自适应性，最大限度的保留语音高频细节信号，并增加小波域的野点处理过程，从而改善了小波降噪效果。通过实践证明，该算法确实从主观评价满意度方面较以往算法有明显提高。

目录

文摘

英文文摘

声明

第1章绪论

1.1概述

1.2语音降噪的意义

1.3语音降噪的概况

1.3.1语音降噪的现状

1.3.2几种常用的语音降噪方法

1.4本论文主要内容

第2章小波分析理论

2.1概述

2.2小波变换及其基本性质

2.2.1连续小波变换

2.2.2连续小波变换的离散化

2.3多分辨分析与Mallat算法

2.3.1多分辨分析

2.3.2正交小波变换

2.3.3双正交小波变换

2.3.4一维Mallat算法

2.4本章小结

第3章基于小波变换的降噪方法

3.1概述

3.2基于小波变换的降噪原理

3.2.1李氏指数β

3.2.2小波变换模极大值与李氏指数的关系

3.3小波域阈值滤波法

3.4阈值法滤波

3.4.1小波滤波特点

3.4.2阈值法滤波的前提条件

3.4.3确定小波基

3.4.4阈值估计算法

3.4.5 matlab中的阈值估计算法

3.4.6阈值函数的选取

3.5阈值滤波步骤

3.6实验仿真

3.7本章小结

第4章小波包降噪

4.1概述

4.2小波包定义

4.3小波包降噪

4.4本章小结

结 论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢

个人简历

附录