基于小波变换的语音信号去噪问题分析

基于小波变换的语音信号去噪问题分析

作者：徐庆高

来源：《中国新通信》 2017年第24期

前言：

生活环境中随处存在噪声信号，其会干扰语音信号的传播，为保证其传播质量，必须要妥善的处理语音信号中的噪音，小波变换作为处理方法中较为有效的一种，越来越受到人们的关注。

一、去噪步骤

利用小波变换方法去除语音信号中的噪音时，步骤如下[1]：

（1）分帧处理含有噪音的语音信号；

（2）J 尺度小波变换每帧语言信号fi(n)，通常，去噪结果满意情况下，J 取值5，每一尺度上的平均能量获得，判断清音或浊音；

（3）结果为清音时，仅处理最小尺度上的小波系数；

（4）结果为浊音时，去噪方法选择为能量元小波阈值法；

（5）浊音为判断结果后，J 个尺度上，与其对应的小波系数Dj,k 获得，其中，j=1,…，k=1,…n；

（6）幅度拉伸预处理小波系数，前提条件为能量元转换可以满足，新小波系数dj,k 得到，那么

公式（1）中，第1 层高频小波系数标准差为σ1，则0.5/σ1 值为β；

（7）处理每个系数，进行能量元转化，且保证不改变每个系数的正负符号，新能量元系数获得；

（8）将阈值T 确定，选择时按照启发式的规则，根据由大到小，排列小波系数能量元平方值，使新的向量W 组成，则W=[ω1,ω2，...，ωn ]，所用层中所有的小波系数个数即为n，另假设风险向量R，风险值为其元素中的最小值rb，那么根据b，即可将对应的ωb 找出，获得阈值T 的选取公式；

（9）利用双变量阈值处理方法，阈值处理小波系数能量元；

（10）还原系数；

（11）重构信号，逆变换小波，原始信号估计值得出。

二、仿真实验

仿真实验过程中，主要研究两方面的内容，一方面，以相同语音样本为研究对象，信噪比不同情况下，观察其去噪效果；

另一方面，参照传统算法（首先判断清浊音，清音仅处理第1 层高频小波系数，浊音阈值处理方法为传统软阈值法），比较本文提出的方法改善信噪比效果及均方误差的最小值。

实验时，选取女声语言作为原始样本，一个是“经济”，一个是“一百期了”，前者数据长度6500 点，后者数据长度13000 点，以加性白噪声作为实验噪声。

分帧处理含噪声语音样本，240 点帧长，80 点帧移，利用sym8 小波，5 层分解。

以“经济”作为语音样本，信噪比分别设置为5dB、10dB、15dB、20dB，分别利用传统算法与本文算法进行去噪处理，结果显示，当具有比较高的信噪比时，本文算法具有明显的去噪效果，而具有比较低的信噪比时，传统算法处理后，语音样本中大量有用信息会丢失。以“一百期了”作为语音样本，信噪比分别设置为5dB、10dB、15dB、20dB，分别利用传统算法与本文算法进行去噪处理，其结果一致于上述处理结果。

这说明，较大程度提高信噪比情况下，本文算法可将语音失真情况减轻，而且经主观试听后，语音清晰程度提高，与原始语音基本接近。

另外，“经济”原始语音信噪比为5dB、10dB、15dB、20dB 时，利用本文算法去噪后，信噪比分别为10.35dB、12.61dB、23.84dB、23.91dB， 最小均方误差分别为0.05、0.06、0.04、0.04；而利用传统方法去噪后，信噪比分别为7.61dB、8.19dB、20.13dB、21.14dB，最小均方误差分别为0.15、0.14、0.09、0.08。

“一百期了”原始语音信噪比为5dB、10dB、15dB、20dB 时，利用本文算法去噪后，信噪比分别为13.18dB、16.02dB、21.59dB、25.81dB， 最小均方误差分别为0.09、0.07、0.02、0.01；而利用传统方法去噪后，信噪比分别为5.62dB、7.54dB、10.99dB、215.47dB，最小均方误差分别为0.22、0.18、0.08、0.06。由以上数据可以看出，与传统算法相比，本文算法可更为明显的改善信噪比效果，并减小最小均方误差值。

三、结论

本文仿真结果显示，小波变换方法可明显的去除语音信号中的噪音，并有效的保留语音信号中的重要信息。