收藏 分销(赏)

基于小波变换的语音信号增强方法研究.ppt

上传人:仙人****88 文档编号:14773193 上传时间:2026-11-19 格式:PPT 页数:26 大小:325.50KB 下载积分:10 金币
下载 相关
基于小波变换的语音信号增强方法研究.ppt_第1页
第1页 / 共26页
基于小波变换的语音信号增强方法研究.ppt_第2页
第2页 / 共26页


点击查看更多>>
资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,基于小波变换的语音信号增强方法研究,答辨人:黄苏雨,专 业:计算机应用技术,内容提纲,课题简介,小波阈值去噪法,基于能量元和新阈值规则的小波语音去噪方法,结论和展望,1.1,论文背景,人们在语音通信过程中不可避免的会受到来自周围环境、传输媒介引入的噪声、通信设备内部电噪声、乃至其它讲话者的干扰。而,语音增强就是从带噪语音信号中提取尽可能纯净的原始语音,改善语音质量,提高语音的清晰度和可懂度。,在实际应用中的信号都是非稳定的,特别对某些“严格非平稳”的语音段,传统方法模糊了语音的细节特征。而小波变换由于具有时,-,频局部化的特点及多分辨率分析的性质,为解决这一问题提供了有力的工具。,小波变换能将语音信号在多个尺度上进行小波分解,利用语音信号和随机噪声在不同尺度的特性关系,对语音信号的进行去噪处理。,1.2,课题来源和性质,课题来源,“,基于小波变换和神经网络的语音处理系统,”,子项目,课题性质,理论研究型,1.3,研究内容,对语音增强方法的分析、研究和总结。,对小波去噪的原理和小波去噪的方法进行了分析、研究和总结。,对小波阈值去噪法中的阈值函数进行了研究。,对小波阈值去噪法中的阈值选取规则进行研究与探讨,。,1.4,本人所做工作,综述主要的语音增强方法,分析各种方法的优缺点,展望了小波理论在去噪方面的应用。,对三种小波去噪方法进行了分析、研究和总结。,对阈值函数进行改进。针对软、硬阈值函数的不足,提出一种新阈值函数,对新阈值函数进行分析,并进行仿真实验。,对阈值选取规则进行改进。,根据能量元和,Neyman,-Pearson,准则,针对语音信号的特点,本文给出一种基于能量元和新阈值规则的小波语音去噪法,并进行仿真实验,。,2.1,小波阈值去噪法原理,小波去噪法主要有小波模极大值去噪法、基于小波系数尺度间相关性的去噪法、,小波阈值去噪法,。,小波阈值去噪法的主要原理,:,带噪信号进行小波变换;,在不同尺度上选取合适的阈值;,最后进行小波逆变换,得到去噪后的重构信号。,2.2,小波阈值去噪的相关问题,基小波的选择,根据小波基的性质和具体信号的特征选择合适的基小波。,小波分解层数的选择,对一般的信号而言,若信噪比,20,,则最大分解尺度取,3,,否则,最大分解尺度取,4,好。,阈值函数,阈值选择规则,2.3,阈值函数,常用的硬阈值函数和软阈值函数,.,硬阈值函数,:,软阈值函数,:,2.4,新阈值函数,在实际应用中,为了克服软、硬阈值函数的不足,,,这里提出一种改进的阈值函数。,其中,图是在,=1,,,=,/,3,情况下的新阈值函数,。,2.5,新阈值函数的分析,当 时,新阈值函数可以看成是硬阈值函数和软阈值函数的折中表示。,当,时,通过对软阈值函数图形的分析,利用指数函数的特点,可以得到新的阈值函数如下:,结合以上两种情况,并增加另一个阈值变量,得到改进后的新阈值函数,。,2.6,仿真实验环境和参数,以,WindowsXP,操作系统作为平台;,使用,Matlab6.5,作为工具软件;,经典测试信号:,Blocks,信号、,Bumps,信号、,HeaviSine,信号、,Doppler,信号。原始信号长度为,1024,;,噪声为高斯白噪声,采用国际通用的,NOISEX-92,的噪声数据包;,信噪比,SNR=8dB,,采用的小波基为,sym8,,最大分解尺度为,4,;,新阈值函数取,a=0.5,,,方法:新阈值函数法和传统软、硬阈值法。,2.7,仿真实验结果,(,一,),图,1,四个被测试的原始信号,图,2,四个被测试的带噪信号,图,3,硬阈值方法去噪后的结果图,图,4,软阈值方法去噪后的结果图,2.7,仿真实验结果,(,二,),输出信噪比(,SNR,),最小均方误差(,MSE,),图,5,新阈值方法去噪后的结果图,表,1,信噪比实验数据比较,性能指标,SNR,硬阈值方法,软阈值方法,新阈值方法,Blocks,15.237,16.413,17.635,Bumps,16.159,17.054,18.267,HeaviSine,15.649,17.342,18.521,Doppler,16.349,17.648,19.064,表,2,最小均方误差实验数据比较,性能指标,MSE,硬阈值方法,软阈值方法,新阈值方法,Blocks,0.2156,0.1892,0.1635,Bumps,0.2046,0.1765,0.1483,HeaviSine,0.1967,0.1724,0.1531,Doppler,0.1975,0.1761,0.1491,结论:相对传统软、硬阈值方法,运用新阈值函数的方法,不仅能较好地反映原始信号的概貌,而且有良好的去噪效果,。,3.1,小波语音去噪法的引入,在小波阈值去噪的过程中,将信号部分增强,得到更好的去噪效果。,Teager,能量算子法:它在转化为,Teager,能量算子后小波系数不能还原,因此重构后信号的失真度较大。,在大部分情况下,信号去噪不仅要求去除信号中地噪声,而且必须尽可能的恢复原始信号,以达到最佳地去噪效果。,在去噪的过程中必须综合考虑去噪和避免失真这两方面的因素。,3.2,小波语音去噪法的原理,(,一,),能量元定义,:,设某数据序列为 则该序列的能量元为,其中 称为能量元,,N,为序列中的数据长度。,语音信号的,5,层小波分解,3.2,小波语音去噪法的原理,(,二,),将同一分辨率上小波变换后得到的小波系数从小到大排列,较小的噪声小波系数和较大的信号小波系数之间有一个临界区,信号和噪声的小波系数有可能混在一起,将小波系数序列转化为能量元可以将临界区内信号和噪声对应的小波系数之间的差异放大,更有利于,Neyman,-Pearson,准则中虚警概率的确定。再利用该准则来确定各尺度上的小波阈值,进行信号去噪处理。,临界区附近小波系数差异放大满足的前提条件,:,当 时,进行能量元转化;,当 时,进行幅度拉伸处理,每一层的小波系数乘上拉伸系数 。,3.3,阈值选取规则,小波阈值的选取在小波阈值去噪法中是一个关键的问题。,Stein,无偏风险阈值,通用阈值,启发式阈值,极大极小准则阈值,Neyman,-Pearson,准则阈值,3.4Neyman-pearson,准则,该准则目的在给定虚警率 的条件下,使检测概率最大。,由于本论文去除信号的噪声,故尽量将噪声去除,使得噪声的检测概率最大。,根据,Neyman,-Pearson,准则,,可得阈值,实际处理中,由于噪声方差在各个尺度上不同,可以得到各尺度上的阈值,随各尺度独立。,3.5,小波语音去噪法的步骤,对带噪语音信号进行预处理,;,对每帧语音信号进行小波变换,得到各尺度上小波系数,;,对第一层小波系数进行判断,;,将每个系数进行处理,转化为能量元;,设定虚警概率,根据,Neyman,-Pearson,准则,得到各尺度上的阈值,;,采用新阈值函数对小波系数能量元进行阈值处理,;,系数还原,;,小波逆变换,.,3.6,仿真实验和分析,实验环境包括:,1,、以,WindowsXP,操作系统作为平台;,2,、使用,Matlab6.5,作为工具软件;,3,、实验设备为一台,CPU,为赛扬,2.0,,内存为,256M,的计算机;,4,、录音软件为,Cool Edit Pro 2.1,;,5,、话筒一个。,实验参数包括:,原始语音样本:女声语音“大家好”;,数据长度,22050,点,采样频率,16kHz,,以,12bit,进行量化,;,噪声为高斯白噪声,采用国际通用的,NOISEX-92,的噪声数据包,;,虚警率为,3.7,阈值选取对比的仿真实验,传统小波软阈值方法采用启发式阈值选取规则,采用小波基,sym8,,分解层次,5,,信噪比,SNR=8db,;,阈值选择的仿真实验图,结论,:,新算法优于传统的小波软阈值去噪法,不仅较好的提高了信噪比,同时也保留了真实信号对应的小波系数,减少了有用信号的丢失。,语音“大家好”在阈值选择比较的实验结果表,原始语音,SNR=8,软阈值算法,新算法,去噪后,SNR,13,257,15,326,MSE,0,1291,0,0815,3.8,不同信噪比下的仿真实验,(,一,),图,1,原始,SNR=2,时的实验结果图,图,2,原始,SNR=4,时的实验结果图,图,3,原始,SNR=8,时的实验结果图,图,4,原始,SNR=16,时的实验结果图,3.8,不同信噪比下的仿真实验,(,二,),实验结果分析,原始信噪比相对比较高时,新算法能较好地反映原始信号的概貌,而且有良好的去噪效果。,原始信噪比比较低时,传统方法处理后丢失大量有用信息,而新算法在保证信噪比有较大提高的同时,较好地保留了原始语音信号的信息,减少了语音失真,。,原始语音,SNR,传统小波软阈值法去噪后,SNR,新算法去噪后,SNR,SNR=2,5.3248,7.3245,SNR=4,7.8427,9.2431,SNR=8,10.2734,12.6354,SNR=16,20.3694,23.1583,原始语音,SNR,传统小波软阈值法去噪后,MSE,新算法去噪后,MSE,SNR=2,0,1575,0,0532,SNR=4,0,1385,0,0467,SNR=8,0,1096,0,0423,SNR=16,0,0895,0,0397,女声语音“大家好”在不同信噪比下的,SNR,和,MSE,实验结果表,4.,结论和展望,结论和创新之处:,提出了一种新阈值函数。仿真实验表明,相对于传统方法,新阈值函数法,不仅能较好地反映原始信号的概貌,而且有良好的去噪效果,。,根据能量元和,Neyman,-Pearson,准则,针对语音信号的特点,提出了一种基于能量元和新阈值规则的小波语音去噪方法。,仿真实验表明,相对于传统方法,不仅能够有效地去除噪声,而且保留了语音信号的一些重要特征。,4.,结论和展望,展望:,小波基和分解层数的选择;,部分参数需要人为设定;,仿真实验所用噪声;,
展开阅读全文

开通  VIP、SVIP  下载更划算
下载10份以上建议开通 VIP 会员
下载20份以上建议开通SVIP会员


开通VIP      成为共赢上传

当前位置:首页 > 学术论文 > 其他

移动网页_全站_页脚广告1

关于我们      便捷服务       自信AI       AI导航        关注我们

©2010-2026 宁波自信网络信息技术有限公司  版权所有

客服电话:0574-28810668  投诉电话:18658249818

gongan.png浙公网安备33021202000488号   

icp.png浙ICP备2021020529号-1  |  浙B2-20240490  

关注我们 :微信公众号    抖音    微博    LOFTER 

客服