[发明专利]基于新阈值函数的小波语音去噪方法

说明书

本发明公开了基于新阈值函数的小波语音去噪方法，该方法主要步骤包括：1)带噪语音产生；2)对带噪语音进行小波分解；3)对带噪语音进行小波阈值处理；4)对处理后的语音进行小波重构；5)得到去噪后语音信号；其中主要是对步骤3)进行处理，步骤3)直接决定去噪效果。步骤3)是对带噪语音进行小波分解后的小波系数进行阈值处理，主要涉及到阈值的确定以及阈值函数的选取。本发明采用的新阈值函数缓解了传统硬阈值函数不连续导致处理后信号产生振荡、软阈值函数处理信号后失真较大的问题。新的阈值函数能更好的抑制噪声，提高语音信号信噪比，减少语音失真，得到更好的去噪效果。

技术领域

本发明涉及语音信号增强技术领域，尤其涉及到基于新阈值函数小波阈值处理的语音去噪方法。

背景技术

目前，信息技术高速发展，语音信号处理作为信息技术的一门关键技术，逐渐成为国际热门研究课题。语音信号处理主要包括语音编码，语音合成，语音识别以及语音增强。语音增强作为语音信号处理的重要组成部分，经过几十年的发展，出现了许多经典算法，得到许多科研人员的重视和研究。

语音增强主要目的是去除带噪语音中噪声信号的同时保留有用的语音信号，提高语音信号的可懂度和整体质量。传统的去噪方法有减谱法、维纳滤波、子空间方法等。这些方法的不足在于信号变换的熵增高、无法刻画信号的非平稳特性且无法得到信号的相关性，为克服上述缺点，人们开始使用小波变换解决信号去噪问题。小波变换可以对语音信号进行多尺度的分析，特别适合分析像语音这种非平稳信号。目前小波去噪主要有三种方法：模极大值去噪法、空域相关去噪法和小波阈值去噪法，其中，小波阈值去噪法由于计算量小，去噪效果好而被广泛研究和使用。

小波变换是一种信号的时频分析，小波变换具有多辨率的特点，可以很方便的从带噪语音中提取出原始语音成分。小波阈值去噪的关键是选取适当的小波基和分解层数，确定合适的小波阈值和阈值函数，其中，阈值函数的选取是关键的一步。

Donoho和Johnston提出了硬阈值去噪法和软阈值去噪法。但这两种方法都有其自身的缺陷：硬阈值法连续性差，重构可能会产生振荡；软阈值法虽然连续性好，但会给重构信号带来一定的偏差，带来信号的失真。近年来，人们对于小波阈值函数的选取一直做着深入研究，许多学者在软硬阈值函数的基础上做了一些改进，如多项式差值法、软硬函数折衷法以及模平方处理法。这些阈值函数虽然比传统软硬函数有所改善，但是它们并没有考虑小波变换模值的衰减符合指数这一规律。同时，在小波系数小于阈值时如果做置零处理，这样会损失部分清音信息。

发明内容

本发明目的在于解决了传统小波阈值去噪法中硬阈值函数不连续导致处理后信号产生振荡、软阈值函数处理信号后失真较大的问题，提出了一种基于新阈值函数的小波语音去噪方法，该方法的新阈值函数去噪法能对语音信号进行平滑处理，加强对语音分量的保护，从而减少失真。该方法的新阈值函数处理后的语音信号更加平滑，可以获得更加清晰的语音信号，减少语音信号失真。

本发明解决其技术问题所采取的技术方案是：一种基于新阈值函数的小波语音去噪方法，该方法包括如下步骤：

步骤1、带噪语音产生；

步骤2、对带噪语音进行小波分解；

步骤3、对带噪语音进行小波阈值处理；

步骤4、对处理后的语音进行小波重构；

步骤5、得到降噪后语音信号。

进一步地，本发明上述步骤1所用原始语音数据是在实验室环境下采集，音频格式为PCM编码，采样频率为8000Hz，采样精度为16bit，音频格式以wav格式保存，添加的噪声为加性高斯白噪声，将原始语音数据与不同强度的白噪声混合产生带噪语音信号。

进一步地，本发明上述步骤2对信号进行离散小波变换，离散小波定义为：