[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

说明书

本发明请求保护一种基于Teager能量算子的改进小波阈值函数去噪方法，涉及语音信号去噪领域，该方法通过对小波分解后的小波系数进行Teager能量算子的计算，加大了噪声与信号小波系数之间的差距，有利于阈值的自适应选择；通过对软硬阈值去噪函数进行改进，提出了一种新的阈值函数，该函数不仅能克服硬阈值函数的不连续导致的伪吉布斯效应，也克服了软阈值函数去噪后所出现的恒定偏差问题。本发明对信噪比和和均方误差均有较大的改善。

技术领域

本发明属于语音信号去噪领域，特别是一种基于Teager能量算子的改进小波阈值函数去噪方法。

背景技术

语音信号在获取或传播的过程中，通常含有噪声，其中的噪声严重影响了信号的处理和分析的后续工作。因此，语音信号的去噪成为信号处理领域中最基础和重要的工作。

传统的去噪方法主要包括线性滤波与非线性滤波，如中值滤波、Wiener滤波和卡尔曼滤波等。这几种方法的不足之处在于去除噪声的同时，难以体现信号的非平稳特性和相关性。近几年，小波变换以其多分辨率的特点广泛地应用于信号的去噪处理，它在时域与频域都能表现出良好的信号局部特征，能有效地提取信号中的瞬态信息，适合对非平稳信号进行细致分析，取得了较好的去噪效果。其中，小波阈值去噪因其实现简单，计算量小成为小波分析在去噪应用中使用最多的一种，小波阈值去噪可以有效地去除噪声而保留原始语音信号，从而更好地改善了信号的信噪比和均方误差。

小波阈值去噪过程中最重要的就是关于阈值和阈值函数的选择。如果阈值过小，则会出现去噪不足，保留部分噪声；阈值选择过大，则会出现过度去噪，将信号中的弱特征成分误认为噪声而消除。由Donoho和Johnstone提出的硬阈值和软阈值去噪方法在实际中得到了广泛地应用，也取得了较好的效果，但硬阈值函数的不连续导致重构信号容易出现伪吉布斯效应；软阈值函数虽然连续性较好，但估计值与实际值之间总是存在恒定的偏差。如果阈值过小，则会出现去噪不足，保留部分噪声；阈值选择过大，则会出现过度去噪，信号中的弱特征成分误认为噪声而消除，导致信号损失掉部分有用信息。因此，为了得到更好地去噪效果，选择合适的阈值以及阈值函数尤为重要。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种可以提高带噪信号的信噪比，减小均方误差的基于Teager能量算子的改进小波阈值函数去噪方法。本发明的技术方案如下：

一种基于Teager能量算子的改进小波阈值函数去噪方法，其包括以下步骤：

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；

S6、对小波分解系数进行重构，得到去噪后的语音信号。

进一步的，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ψa,b(t)：

a＞0,b∈R，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：