[发明专利]一种基于Teager能量算子的改进小波阈值函数去噪方法

权利要求书

1.一种基于Teager能量算子的改进小波阈值函数去噪方法，其特征在于，包括以下步骤：

S1、采集一段语音信号，并对采集到的语音信号添加不同信噪比的噪声，得到带噪语音信号；

S2、对步骤S1的得到的带噪语音信号进行五层离散小波分解，得到各层的小波分解系数；

S3、对步骤S2得到的各层小波分解系数进行Teager能量算子的计算，得到小波系数的Teager能量算子值；

S4、将步骤S3中的Teager能量算子通过一个32位的汉明窗，然后对其值进行归一化处理，计算去噪过程中的阈值；

S5、根据步骤S4中的阈值，采用改进的阈值函数对带噪语音信号进行去噪处理；改进体现在：通过对常用阈值函数的连续性、渐进性和恒定偏差问题进行改进；所述步骤S5中，改进的阈值函数为：

式中，λ为阈值，n为正整数，其中，相当于一个可自动进行调节的阈值，当|w_j,k|≥λ时，随着|w_j,k|不断增加，不断减小，且当|w_j,k|＜λ时，不是置0，而是在噪声与信号之间形成了一个平滑的过渡区；

S6、对经过S5去噪处理的信号进行小波重构，得到去噪后的语音信号。

2.根据权利要求1所述的基于Teager能量算子的改进小波阈值函数去噪方法，其特征在于，所述步骤S2对带噪语音信号进行离散小波分解，得到各层的小波系数，离散小波分解的步骤为：

首先定义小波函数ψ(t)，并对它作平移和伸缩运算可得到一簇小波函数ψ_a,b(t)：

a表示尺度因子b表示平移因子，a₀和b₀均表示扩展步长，j表示小波分解的尺度；

将a,b分别作离散化处理为：

a＝a₀^j,b＝ka₀^jb₀ j,k∈Z,a₀≠1

经过离散化处理后，我们可得到的一簇离散小波函数ψ_j,k(t)：

则信号f(t)经离散小波变换后的小波系数可以表示为：

W_ψ表示正交小波变换，f表示语音信号，t表示时间，k表示节点数。

3.根据权利要求2所述的基于Teager能量算子的改进小波阈值函数去噪方法，其特征在于，所述步骤S3求取Teager能量算子的计算步骤为：

首先，定义非线性能量算子的连续形式为：

式中，是连续Teager能量算子TEO，x(t)表示一个连续语音信号，当x(n)是一个离散语音信号时：

n表示离散化的时间点；

则对小波分解系数计算TEO值：w_j,m(k)表示经小波分解后的小波系数T_j,m(k)表示各层Teager能量算子的值；

4.根据权利要求3所述的基于Teager能量算子的改进小波阈值函数去噪方法，其特征在于，所述步骤S4中阈值的计算方法为：

对所求得的TEO值进行平滑处理，让其通过一个长度为32点的汉明窗，得到M＝T*H,*代表卷积，H为汉明窗，T表示T_j,m(k)的简写，表示各层Teager能量算子的值；并对M进行归一化处理得到M’：

从而其自适应阈值可用如下表达式进行表示：

TH_j,m(k)＝λ_j,m(1-α_jM'_j,m(k))

式中，λ_j,m表示阈值，j,m分别表示第j层的第m个子带，α_j为基于各层的调节参数。

5.根据权利要求4所述的基于Teager能量算子的改进小波阈值函数去噪方法，其特征在于，所述

其中，N_j,m为第j层第m个子带的长度，σj,m代表高斯噪声的标准差：

median表示中值估计。

6.根据权利要求1所述的基于Teager能量算子的改进小波阈值函数去噪方法，其步骤S6中，对信号进行小波重构得到去噪后的信号的计算方法为：

这里，c是一个和原始信号无关的常数，其中表示ψ_j,k(t)的复共轭。