[发明专利]一种消除毫米波生物雷达语音中噪声的方法

摘要

本发明公开了一种消除毫米波生物雷达语音中噪声的方法。本发明是通过对获取的毫米雷达语音信号经经验模态分解后，对本征模态函数中噪声含量进行分析的基础上，根据本征模态函数中噪声分布的特点，采用自适应阈值对高频、中频、低频部分进行去噪，从而能够根据噪声含量的多少有针对性的消除语音中的噪声含量，具有较强的适应性和有效性，特别的能够很好的保留语音的细节信息，有助于在雷达语音质量的显著提高。采用该方法的实例表明这种具有针对性的经验模态分解方法能够有效消除毫米波雷达语音中的噪声含量，与传统的语音增强方法相比，具有较强的适应性，且能够在消除雷达语音中噪声含量的基础上显著提高语音的可懂度。

主权项

1.一种消除毫米波生物雷达语音中噪声的方法，其特征在于，包括以下步骤：1)对生物雷达语音进行采样，得到原始带噪雷达语音信号；2)对采集的原始带噪雷达语音信号进行经验模态分解为本征模态函数IMF；3)对经验模态分解后的本征模态函数进行噪声含量分析；4)根据雷达语音噪声分布特点，利用互信息熵进行噪声分量个数的选择，以区分高频和中频分界点，利用设定阈值区分中频和低频分界点；5)将经自适应去噪后的本征模态函数进行重构得到增强后的雷达语音；步骤2)具体包括以下步骤：假设给定语音信号为x(t)，经验模态分解方法通过筛分过程自适应的将该原始信号分解为本征模态函数，并且每个本征模态函数IMF都是原始信号的一个子频率成分，其具体的筛分过程如下：2.1)找出信号x(t)所有的极大值和极小值点；2.2)通过三次样本插值分别拟合极大值和极小值点，分别得到极大值包络e_u(t)和极小值包络e_d(t)；2.3)计算极大值包络和极小值包络的均值m₁(t)＝(e_u(t)+e_d(t))/2，并且用原始信号减去该均值可得h₁(t)＝x(t)‑m₁(t)；2.4)判断h₁(t)是否满足本征模态函数IMF的两个筛选基本条件：(a)在所有的信号长度内，每个本征模态函数IMF的过零点数必须与极值点数目相同，或者两者数目相差不大于1；(b)在任意采样点处，极大值包络和极小值包络的均值为零，即满足IMF关于时间轴是几何对称的；此时，如果h₁(t)满足本征模态函数IMF的(a)和(b)两个基本条件，则IMF₁(t)＝h₁(t)；2.5)如果h₁(t)不满足IMF的两个基本条件，则使h₁(t)作为新的原始信号重复步骤2.1)、2.2)、2.3)得到h₂(t)＝h₁(t)‑m₂(t)；如果h₂(t)满足IMF基本筛分条件则IMF₁(t)＝h₂(t)，此时如果h₂(t)不满足IMF筛分条件则执行停止筛分阈值，该停止准则如下式：停止筛分阈值SD取值范围应满足在0.2和0.3之间；如果h₂(t)满足停止准则，则IMF₁(t)＝h₂(t)；如果h₂(t)不满足，那么将h₂(t)重复步骤2.1)–2.4)，继续下分得h_i(t)，直到h_i(t)满足两个基本条件或者满足停止准则，则IMF₁(t)＝h_i(t)；2.6)当获取到IMF₁(t)后，将其从原始信号中除去得到残差信号r₁(t):r₁(t)＝x(t)‑IMF₁(t)，将残差信号作为一个新的原始信号，重复步骤2.1)‑2.5)，直至得到下一个残差信号，那么分解到最后，则残差信号用下式表示：r_n(t)＝r_n‑1(t)‑IMF_n(t)；此时，r_n(t)是个单调序列，筛分完成后，原始信号被分解为多个本征模态函数IMF₁(t)、IMF₂(t)…IMF_n(t)和残差序列r_n(t)；n为正整数；因此，原始信号可表示为：