CN101477801B - 一种检测和消除数字音频信号中脉冲噪声的方法 - Google Patents

Abstract

本发明提供了一种检测和消除数字音频信号中脉冲噪声的方法，利用信号中一定邻域内相邻信号样本的加权差分向量，根据该段信号的幅度、频率变化程度估计值来检测脉冲数目，确定噪声脉冲检测阈值，再使用基于信号样本加权差分向量的包络来估计噪声脉冲的宽度，建立信号的自回归模型，根据音频信号的相关性，使用已修复或未被污染的相邻信号样本修复被脉冲噪声污染信号段，恢复原始信号。本发明的优点是能将变化突然的正常信号与噪声脉冲区分开来，并能计算出脉冲的宽度，同时，由于采用信号加权差分均值向量形成的包络来检测噪声脉冲位置和宽度，因而能够处理单个孤立的、多个连续的或多个重叠的噪声脉冲。

Description

一种检测和消除数字音频信号中脉冲噪声的方法

技术领域

本发明涉及一种检测和消除数字音频信号中脉冲噪声的方法，用于数字音频信号脉冲噪声的检测与降噪，属于数字音频信号脉冲噪声的检测与降噪方法技术领域。

背景技术

传统的音频资料多以模拟信号的形式保存在磁带、唱片等介质中。要长久保存这些资料，需要将其转换成数字信号。在数字化的过程中，由于存储介质的老化、损坏、缺陷、转换设备等原因，转换后的数字音频信号中存在大量影响听觉的噪声，降低或消除这些噪声，恢复原有音频信号的过程称为音频降噪。

脉冲噪声也称为Click噪声，是音频信号中影响人们听觉的主要噪声之一。单个噪声脉冲其持续时间一般小于100毫秒。由于脉冲噪声持续较长、幅度变化较大，难以用常用的降噪方法，如傅立叶变换、小波降噪、高通滤波器来降噪。传统的脉冲噪声检测主要采用翻转滤波器来进行，这种方法难以把正常信号中突然变化的信号，如尖锐的敲击声，与噪声脉冲区分开来，也不能很准确地估计噪声宽度；传统的脉冲噪声修复方法多采用中值滤波器，其缺点是难以得到高质量的音频信号修复效果。

发明内容

本发明的目的是提供一种能检测数字音频信号中的脉冲噪声，并恢复原始音频信号的方法。

为了达到上述目的，本发明的技术方案是提供了一种检测和消除数字音频信号中脉冲噪声的方法，

步骤1、对含脉冲噪声的音频信号进行采样；

步骤2、导入含脉冲噪声的音频信号采样数据，其特征在于：

步骤3、将信号数据样本按时间顺序分成长度为512的样本数据帧，对每个样本数据帧分别进行下列处理：

步骤3.1、在当前样本数据帧内对信号样本向量x中的每个样本x(n)进行测试计算，得到当前数据帧的幅度、频率变化程度估计值F及脉冲个数C；

步骤3.2、根据通过步骤3.1得到的当前数据帧的幅度、频率变化程度估计值F及脉冲个数C得到脉冲位置和宽度的检测阈值T₂，用阈值T₂计算得到脉冲标志向量p；

步骤3.3、对信号样本向量x建立P阶的自动回归模型，其中20≤P≤2000，得到长度为P的模型参量a；

步骤3.4、在当前样本数据帧内使用模型参量a和脉冲标志向量p对每个样本x(n)进行插值，得到修复样本值

步骤3.5、计算得到一个噪声脉冲段中所有样本插值的平均误差d_k，根据该值修正修复样本值

得到样本x(n)的最终修复样本值x′(n)；

步骤3.6、重复步骤3.1至步骤3.5直至将所有样本数据帧都处理一遍。

本发明利用信号中一定邻域内相邻信号样本的加权差分向量，根据该段信号的幅度、频率变化程度估计值来检测脉冲数目，确定噪声脉冲检测阈值，再使用基于信号样本加权差分向量的包络来估计噪声脉冲的宽度，建立信号的自回归模型，根据音频信号的相关性，使用已修复或未被污染的相邻信号样本修复被脉冲噪声污染信号段，恢复原始信号。这种方法的优点是能把音频信号中突变信号和噪声脉冲区分开来，估计噪声脉冲的宽度，并能对修复过程中产生的插值误差进行修正。

本发明的优点是能将变化突然的正常信号与噪声脉冲区分开来，并能计算出脉冲的宽度，同时，由于采用信号加权差分均值向量形成的包络来检测噪声脉冲位置和宽度，因而能够处理单个孤立的、多个连续的或多个重叠的噪声脉冲。

附图说明

图1为本发明对样本数据帧数据进行处理的流程图；

图2为信号幅频变化估值示意图；

图3为带噪声信号图；

图4为加权差分和加权差分均值信号图；

图5为脉冲位置和宽度信号图；

图6为图3的信号经过本发明通过的方法处理后的信号图。

具体实施方式

以下结合实施例来具体说明本发明。

实施例

如图1所述，为本发明提供的一种检测和消除数字音频信号中脉冲噪声的方法的流程图，其步骤为：

步骤1、对含脉冲噪声的音频信号进行采样；

步骤2、导入含脉冲噪声的音频信号采样数据；

步骤3、将信号数据样本按时间顺序分成长度为512的样本数据帧，如图3所示，对每个样本数据帧分别进行下列处理：

步骤3.1、在当前样本数据帧内对信号样本向量x中的每个样本x(n)进行测试计算，得到当前数据帧的幅度、频率变化程度估计值F及脉冲个数C；

步骤3.1.1、对样本数据帧内信号样本向量x中的每个样本x(n)，按下列公式计算其2-邻域加权差分值s(n)：

$s\left(n\right)=\frac{|x(n-2)-4x(n-1)+6x\left(n\right)-4x(n+1)+x(n+2)|}{T},$ 其中，T为信号的采样间隔；

步骤3.1.2、计算2-邻域加权差分值s(n)的平均值μ_s：

${\mathrm{\μ}}_s=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}s\left(n\right);$

步骤3.1.3、计算2-邻域加权差分值s(n)的标准差σ_s：

${\mathrm{\σ}}_s=\sqrt{\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{[s\left(n\right)-{\mathrm{\μ}}_s]}^2};$

步骤3.1.4、确定脉冲检测阈值T₁：T₁＝σ_s*K₁，其中，K₁为一个可调整的常数，在实际使用时由用户根据信号噪声的严重程度设置，其取值范围为1～10；

步骤3.1.5、使用阈值T₁检测信号样本向量x中的每个样本x(n)，得到长度为N的脉冲标志向量p，p中的第n个元素p(n)为：

$p\left(n\right)={\&Integral;}_0^1\begin{array}{cc}\mathrm{if}& s\left(n\right)>=T_1\\ \mathrm{if}& s\left(n\right)<T_1\end{array},$ 则脉冲数C是向量p中元素值连续为1的片段的个数；

步骤3.1.6、当前数据帧的幅度、频率变化程度估计值F通过下列公式计算得到：

$F=\underset{i=-3}{\overset{3}{\mathrm{\&Sigma;}}}f\left(i\right),$ 其中，f(i)的计算方法可通过示意图2来说明，在图2中，t为用采样样本表示的时间轴，y为当前数据帧内信号幅度值，曲线表示信号x，7条水平直线代表y＝σ_x·i(i为-3～3的整数)，f(i)为样本数据帧内信号x与直线簇y＝σ_x·i相交的次数之和，σ_x为信号x的标准差；

步骤3.2、根据通过步骤4得到的当前数据帧的幅度、频率变化程度估计值F及脉冲个数C得到脉冲位置和宽度的检测阈值T₂，用阈值T₂计算得到脉冲标志向量p；

步骤3.2.1、确定用于进行噪声脉冲位置和宽度检测的检测阈值T₂：T₂＝σ_s*K₂，其中，σ_s为通过步骤3.1.3求得的标准差，K₂为一个在实际使用时可调整的常数，其取值范围为1～10，具体取值由通过步骤3.1.5求得的脉冲数C和通过步骤3.1.6求得的幅度、频率变化程度估计值F确定，表一给出了参数K₂的计算方法，其中，H是音频信号的采样频率，符号“*”表示任意取值；

表一

K2	F/H×105	C
			10	＞177	＊
10	73～177	＞9
			3	73～177	3～9
2	73～177	＜3
			3	＜73	＞9
2	＜73	3～9
			1	＜73	＜3

步骤3.2.2、计算步骤3.1.1所述的2-邻域加权差分值s(n)的同长度均值向量v，其第n个元素v(n)由下列公式确定：

$v\left(n\right)=\frac{2}{3}\underset{m=n-1}{\overset{n+1}{\mathrm{\&Sigma;}}}s\left(m\right);$ 图4为图3所示样本数据帧的噪声脉冲检测示意图，其中，水平点划线表示阈值T₂，上外侧包络实线表示信号加权差向量的均值向量v，包络实线下面的虚线表示信号加权差分向量s。

步骤3.2.2、使用噪声脉冲检测阈值T₂重新计算步骤3.1.5所述的脉冲标志向量p，其第n个元素值由下列公式确定：

$p\left(n\right)={\&Integral;}_0^1\begin{array}{cc}\mathrm{if}& v\left(n\right)>=T_2\\ \mathrm{if}& v\left(n\right)<T_2\end{array},$ 在脉冲标志向量中，若元素的值为1，则表示样本数据帧内的第n个样本在噪声脉冲内；若元素的值为0，则表示样本是正常音频信号样本，图5为图3所示样本数据帧的脉冲标志向量图；

步骤3.3、对信号样本向量x建立P，20≤P≤2000，阶的自动回归模型，得到长度为P的模型参量a；

步骤3.4、在当前样本数据帧内使用模型参量a和脉冲标志向量p对每个样本x(n)进行插值，得到修复样本值

$\left\{\begin{array}{ccc}\hat{x}\left(n\right)=\underset{i=1}{\overset{P}{\mathrm{\&Sigma;}}}a\left(i\right)x(n-i)& \mathrm{if}& p\left(n\right)=1\\ \hat{x}\left(n\right)=x\left(n\right)& \mathrm{if}& p\left(n\right)=0\end{array}\right.;$

步骤3.5、计算得到一个噪声脉冲段中所有样本插值的平均误差d_k，根据该值修正修复样本值

得到样本x(n)的最终修复样本值x′(n)；

步骤3.5.1、假定一个噪声段内的插值误差在该段内均匀分布，则第k个噪声脉冲段中所有样本插值的平均误差d_k为：

$d_k=[x\left(R_{k-\mathrm{end}}\right)-\hat{x}\left(R_{k-\mathrm{end}}\right)]/L_k,$ 其中，R_k-end是样本数据帧内第k个噪声脉冲段中最后一个样本的序号，x(R_k-end)为样本R_k-end的值，为第R_k-end个样本的修复样本值，L_k表示第k个脉冲的长度，其求解过程为：令样本数据帧中第k个脉冲开始于R_k-start，结束于R_k-end，则第k个脉冲的长度为L_k＝R_k-end-R_k-start；

步骤3.5.2、使用平均误差d_k对噪声段内的修复样本值

进行修正，将样本数据帧内落在第k个噪声段的第n个样本插值修正为：

最终得到原样本x(n)的修复样本值x′(n)，图6为图3所示信号样本帧的修复图。

步骤3.6、重复步骤3.1至步骤3.5直至将所有样本数据帧都处理一遍。

将图3所示的带噪声信号经过本发明提供的方法处理后，得到图6所示的信号，通过比较可知，本发明提供的方法能将变化突然的正常信号与噪声脉冲区分开来。

Claims (5)

1.一种检测和消除数字音频信号中脉冲噪声的方法，

步骤1、对含脉冲噪声的音频信号进行采样；

步骤2、导入含脉冲噪声的音频信号采样数据，其特征在于：

步骤3、将信号数据样本按时间顺序分成长度为512的样本数据帧，对每个样本数据帧分别进行下列处理：

步骤3.1、在当前样本数据帧内对信号样本向量x中的每个样本x(n)进行测试计算，得到当前数据帧的幅度、频率变化程度估计值F及脉冲个数C；

步骤3.2、根据通过步骤3.1得到的当前数据帧的幅度、频率变化程度估计值F及脉冲个数C得到脉冲位置和宽度的检测阈值T₂，用阈值T₂计算得到脉冲标志向量p；

步骤3.3、对信号样本向量x建立P阶的自动回归模型，其中20≤P≤2000，得到长度为P的模型参量a；

步骤3.4、在当前样本数据帧内使用模型参量a和脉冲标志向量p对每个样本x(n)进行插值，得到修复样本值

步骤3.5、计算得到一个噪声脉冲段中所有样本插值的平均误差d_k，根据该值修正修复样本值

得到样本x(n)的最终修复样本值x′(n)；

步骤3.6、重复步骤3.1至步骤3.5直至将所有样本数据帧都处理一遍。

2.如权利要求1所述的一种检测和消除数字音频信号中脉冲噪声的方法，其特征在于，所述步骤3.1包括下列步骤：

步骤3.1.1、对样本数据帧内信号样本向量x中的每个样本x(n)，按下列公式计算其2-邻域加权差分值s(n)：

$s\left(n\right)=\frac{|x(n-2)-4x(n-1)+6x\left(n\right)-4x(n+1)+x(n+2)|}{T},$ 其中，T为信号的采样间隔；

步骤3.1.2、计算2-邻域加权差分值s(n)的平均值μ_s：

${\mathrm{\&mu;}}_s=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}s\left(n\right);$

步骤3.1.3、计算2-邻域加权差分值s(n)的标准差σ_s：

${\mathrm{\&sigma;}}_s=\sqrt{\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{[s\left(n\right)-{\mathrm{\&mu;}}_s]}^2};$

步骤3.1.4、确定脉冲检测阈值T₁：T₁＝σ_s*K₁，其中，K₁为一个可调整的常数，在实际使用时由用户根据信号噪声的严重程度设置，其取值范围为1～10；

步骤3.1.5、使用阈值T₁检测信号样本向量x中的每个样本x(n)，得到长度为N的脉冲标志向量p，p中的第n个元素p(n)为：

$p\left(n\right)={\&Integral;}_0^1\begin{array}{cc}\mathrm{if}& s\left(n\right)>=T_1\\ \mathrm{if}& s\left(n\right)<T_1\end{array},$ 则脉冲数C是向量p中元素值连续为1的片段的个数；

步骤3.1.6、当前数据帧的幅度、频率变化程度估计值F通过下列公式计算得到：

$F=\underset{i=-3}{\overset{3}{\mathrm{\&Sigma;}}}f\left(i\right),$ 其中，f(i)为样本数据帧内信号曲线穿过直线簇y＝σ_x·i的次数，σ_x为信号样本向量x的标准差。

3.如权利要求2所述的一种检测和消除数字音频信号中脉冲噪声的方法，其特征在于，所述步骤3.2包括下列步骤：

步骤3.2.1、确定用于进行噪声脉冲位置和宽度检测的检测阈值T₂：T₂＝σ_s*K₂，其中，σ_s为通过步骤3.1.3求得的标准差，K₂为一个在实际使用时可调整的常数，其取值范围为1～10，具体取值由通过步骤3.1.5求得的脉冲数C和通过步骤3.1.6求得的幅度、频率变化程度估计值F确定；

步骤3.2.2、计算步骤3.1.1所述的2-邻域加权差分值s(n)的同长度均值向量v，其第n个元素v(n)由下列公式确定：

$v\left(n\right)=\frac{2}{3}\underset{m=n-1}{\overset{n+1}{\mathrm{\&Sigma;}}}s\left(m\right);$

步骤3.2.2、使用噪声脉冲检测阈值T₂重新计算步骤3.1.5所述的脉冲标志向量p，其第n个元素值由下列公式确定：

$p\left(n\right)={\&Integral;}_0^1\begin{array}{cc}\mathrm{if}& v\left(n\right)>=T_2\\ \mathrm{if}& v\left(n\right)<T_2\end{array},$ 在脉冲标志向量中，若元素的值为1，则表示样本数据帧内的第n个样本在噪声脉冲内；若元素的值为0，则表示样本是正常音频信号样本。

4.如权利要求1所述的一种检测和消除数字音频信号中脉冲噪声的方法，其特征在于，所述步骤3.4包括下列步骤：

$\left\{\begin{array}{ccc}\hat{x}\left(n\right)=\underset{i=1}{\overset{P}{\mathrm{\&Sigma;}}}a\left(i\right)x(n-i)& \mathrm{if}& p\left(n\right)=1\\ \hat{x}\left(n\right)=x\left(n\right)& \mathrm{if}& p\left(n\right)=0\end{array}\right.;$

5.如权利要求1所述的一种检测和消除数字音频信号中脉冲噪声的方法，其特征在于，所述步骤3.5包括下列步骤：

步骤3.5.1、假定一个噪声段内的插值误差在该段内均匀分布，则第k个噪声脉冲段中所有样本插值的平均误差d_k为：

$d_k=[x\left(R_{k-\mathrm{end}}\right)-\hat{x}\left(R_{k-\mathrm{end}}\right)]/L_k,$ 其中，R_k-end是样本数据帧内第k个噪声脉冲段中最后一个样本的序号，x(R_k-end)为样本R_k-end的值，

为第R_k-end个样本的修复样本值，L_k表示第k个脉冲的长度，其求解过程为：令样本数据帧中第k个脉冲开始于R_k-start，结束于R_k-end，则第k个脉冲的长度为L_k＝R_k-end-R_k-start；

步骤3.5.2、使用平均误差d_k对噪声段内的修复样本值

进行修正，将样本数据帧内落在第k个噪声段的第n个样本插值修正为：

最终得到原样本x(n)的修复样本值x′(n)。

Images