CN104299620A - 一种基于emd算法的语音增强方法 - Google Patents
一种基于emd算法的语音增强方法 Download PDFInfo
- Publication number
- CN104299620A CN104299620A CN201410488027.XA CN201410488027A CN104299620A CN 104299620 A CN104299620 A CN 104299620A CN 201410488027 A CN201410488027 A CN 201410488027A CN 104299620 A CN104299620 A CN 104299620A
- Authority
- CN
- China
- Prior art keywords
- imf component
- noise
- emd
- imf
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Circuit For Audible Band Transducer (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种基于EMD算法的语音增强方法,首先对含噪声的语音信号进行EMD分解,得到若干IMF分量;其次计算出每个IMF分量的含噪置信度,根据含噪置信度判断出噪声含量高的IMF分量,其余的IMF分量置零;然后构造阈值函数,对噪声含量高的IMF分量使用阈值函数进行阈值处理;最后对阈值处理后的IMF分量进行叠加,得到噪声被抑制的语音信号。采用本发明能够有效抑制IMF分量中的噪声能量,同时能较完整地保留语音信号。
Description
技术领域
本发明属于信号处理领域,特别涉及了一种基于EMD算法的语音增强方法。
背景技术
基于EMD的语音增强方法,是使用经验模式分解(EMD)将含噪信号分解成一组本征模式分量(IMF),然后对IMF进行合理的处理。以往的方法是对部分IMF分量直接置零,但是由于EMD算法本身的模态混叠等问题,以及语音信号清音部分有噪声的特性,因而将导致经过EMD分解得到的IMF分量中,即使判断为噪声含量高的分量,也会含有语音的清音部分。如果将这些分量直接置零,将导致重构后的语音失去高频信息,听上去像隔了一层布。阈值法处理IMF可以更多的保留语音信息。
因此,目前需要技术人员迫切解决的一个技术问题就是:如何能够创新地提出一种阈值函数或是方法,以尽可能抑制分量中的噪声能量,同时保留其中的语音信号。
发明内容
为了解决上述背景技术存在的技术问题,本发明旨在提供一种基于EMD算法的语音增强方法,有效抑制分量中的噪声能量,同时保留语音信号。
为了实现上述技术目的,本发明的技术方案为:
一种基于EMD算法的语音增强方法,包括以下步骤:
(1)对含噪声的语音信号进行EMD分解,得到若干IMF分量;
(2)计算出每个IMF分量的含噪置信度,根据各分量的含噪置信度判断出噪声含量高的IMF分量,对其余的IMF分量置零;
(3)构造阈值函数,对噪声含量高的IMF分量使用阈值函数进行阈值处理;
(4)对阈值处理后的IMF分量进行叠加,得到噪声被抑制的语音信号。
其中,步骤(3)中的阈值函数为:
上式中,a为常数且0≤a≤1,ci为含噪声的语音信号进行EMD分解后的第i个IMF分量,λ为阈值。
其中,上述阈值λ=median(|ci|),即IMF分量绝对值的平均值。
其中,步骤(1)的具体步骤如下:
(a)使用不同的分解停止条件获得N组IMF分量的样本集,其中N≥1;
(b)计算每组IMF分量的整体正交指数,并计算其平均值:
上式中,Sj表示表示各组IMF分量的筛分次数,V(Sj)是某组IMF分量的整体正交指数;
(c)计算V(Sj)的标准差作为正交置信限,根据该正交置信限舍去不合格的IMF分量样本;
其中,上述V(Sj)的计算公式为:
上式中,cm(t)、cn(t)分别为某一筛分次数下分解出的第m、n个IMF分量,x(t)为含噪声的语音信号,T为时间序列t的上限值。
采用上述技术方案带来的有益效果:
本发明将语音信号通过EMD分解为若干IMF分量,并将其中噪声含量高的分量进行阈值函数处理,最终得到噪声被抑制的语音信号,且设计的阈值函数相比常见的阈值函数具有连续、平滑、计算简单等优秀性能,提高了信噪比,改善了MOS得分,保证了语音信号的真实度和可懂度。
附图说明
图1是本发明的原理图;
图2是本发明实施例的IMF分量的含噪置信度示意图;
图3是本发明采用的阈值函数与传统阈值函数的对比图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
如图1所示本发明的原理图,其中,x(t)是采集到的含噪声的语音信号,该语音信号经过EMD分解处理后,得到n-1个IMF分量ci和一个余项rn,其中,i=1,2,...,n-1,n为大于1的整数。然后,选定某些IMF分量置零,选定某些IMF分量进行阈值处理,对阈值处理后的IMF分量叠加,得到处理后的语音信号y(t)。其中,IMF分量是置零还是进行阈值处理是根据IMF分量的含噪置信度来确定的。
本发明中语音信的EMD分解的具体步骤如下:
(1)使用不同的分解停止条件获得N组IMF分量的样本集,其中N≥1;
(2)计算每组IMF分量的整体正交指数:
上式中,cm(t)、cn(t)分别为某一筛分次数下分解出的第m、n个IMF分量,x(t)为含噪声的语音信号,T为时间序列t的上限值。Sj为各组IMF分量的筛分次数,V(Sj)即是在该筛分次数Sj下的IMF分量的整体正交指数。
(3)计算N组IMF分量的整体正交指数的平均值:
(4)计算V(Sj)的标准差作为正交置信限,并根据该正交置信限舍去不合格的IMF分量样本;
如图2所示本实施例的IMF分量的含噪置信度示意图,在本实施例中,EMD分解出10个IMF分量,图中十个星形标记从左到右依次为第1到第10个分量的置信度,曲线是90%的置信度曲线,星形标记在曲线上方,且离曲线越远表示越可信,即此IMF分量含噪声能量越少。一般需要预先给定置信要求,若IMF分量的置信度满足给定的置信要求,则说明该分量置信度高,所含噪声少,直接置零即可;若IMF分量的置信度不满足给定的置信要求,则说明该分量置信度低,所含噪声多,需要进行阈值处理。从图2中可以看出,第3,4,5个分量是置信度高,直接置零即可,对其余的IMF分量使用阈值函数处理。
本发明采用的阈值函数为:
上式中,sign()表示数学上公知的符号函数,语音信号进行EMD分解后的第i个IMF分量,λ为阈值,λ=median(|ci|),即IMF分量绝对值的平均值。
本领域较常采用的阈值函数为硬阈值函数、软阈值函数、折中阈值函数:
硬阈值函数:
软阈值函数:
折中阈值函数:
上式中,a为常数且0≤a≤1,ci为含噪声的语音信号进行EMD分解后的第i个IMF分量,λ为阈值。
本发明采用的阈值函数与本领域传统的硬阈值函数、软阈值函数和折中阈值函数相比,具有的优点是:连续、平滑、信号失真小。本发明采用的阈值函数与传统阈值函数的对比如图3所示。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (5)
1.一种基于EMD算法的语音增强方法,其特征在于,包括以下步骤:
(1)对含噪声的语音信号进行EMD分解,得到若干IMF分量;
(2)计算出每个IMF分量的含噪置度,根据各分量的含噪置信度判断出噪声含量高的IMF分量,对其余的IMF分量置零;
(3)构造阈值函数,对噪声含量高的IMF分量使用阈值函数进行阈值处理;
(4)对阈值处理后的IMF分量进行叠加,得到噪声被抑制的语音信号。
2.根据权利要求1所述一种基于EMD算法的语音增强方法,其特征在于:步骤(3)中的阈值函数为:
上式中,a为常数且0≤a≤1,ci为含噪声的语音信号进行EMD分解后的第i个IMF分量,λ为阈值。
3.根据权利要求2所述一种基于EMD算法的语音增强方法,其特征在于:所述阈值λ=median(|ci|),即IMF分量绝对值的平均值。
4.根据权利要求1所述一种基于EMD算法的语音增强方法,其特征在于:步骤(1)的具体步骤如下:
(a)使用不同的分解停止条件获得N组IMF分量的样本集,其中N≥1;
(b)计算每组IMF分量的整体正交指数,并计算其平均值:
上式中,Sj表示各组IMF分量的筛分次数,V(Sj)是筛分次数Sj下某组IMF分量的整体正交指数;
(c)计算V(Sj)的标准差作为正交置信限,根据该正交置信限舍去不合格 的IMF分量。
5.根据权利要求4所述一种基于EMD算法的语音增强方法,其特征在于:所述V(Sj)的计算公式为:
上式中,cm(t)、cn(t)分别为某一筛分次数下分解出的第m、n个IMF分量,x(t)为含噪声的语音信号,T为时间序列t的上限值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410488027.XA CN104299620A (zh) | 2014-09-22 | 2014-09-22 | 一种基于emd算法的语音增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410488027.XA CN104299620A (zh) | 2014-09-22 | 2014-09-22 | 一种基于emd算法的语音增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104299620A true CN104299620A (zh) | 2015-01-21 |
Family
ID=52319318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410488027.XA Pending CN104299620A (zh) | 2014-09-22 | 2014-09-22 | 一种基于emd算法的语音增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104299620A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719658A (zh) * | 2016-03-04 | 2016-06-29 | 安徽师范大学 | 基于新阈值函数和自适应阈值的小波包语音降噪方法 |
CN105788603A (zh) * | 2016-02-25 | 2016-07-20 | 深圳创维数字技术有限公司 | 一种基于经验模态分解的音频识别方法及系统 |
CN106601265A (zh) * | 2016-12-15 | 2017-04-26 | 中国人民解放军第四军医大学 | 一种消除毫米波生物雷达语音中噪声的方法 |
CN107123431A (zh) * | 2017-05-02 | 2017-09-01 | 西北工业大学 | 一种水声信号降噪方法 |
CN109410977A (zh) * | 2018-12-19 | 2019-03-01 | 东南大学 | 一种基于EMD-Wavelet的MFCC相似度的语音段检测方法 |
CN109616143A (zh) * | 2018-12-13 | 2019-04-12 | 山东省计算中心(国家超级计算济南中心) | 基于变分模态分解和感知哈希的语音端点检测方法 |
WO2019227589A1 (zh) * | 2018-05-29 | 2019-12-05 | 平安科技(深圳)有限公司 | 语音增强方法、装置、计算机设备及存储介质 |
CN111107478A (zh) * | 2019-12-11 | 2020-05-05 | 江苏爱谛科技研究院有限公司 | 一种声音增强方法及声音增强系统 |
CN114091983A (zh) * | 2022-01-21 | 2022-02-25 | 网思科技股份有限公司 | 一种工程车辆智能管理系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625869A (zh) * | 2009-08-11 | 2010-01-13 | 中国人民解放军第四军医大学 | 一种基于小波包能量的非空气传导语音增强方法 |
-
2014
- 2014-09-22 CN CN201410488027.XA patent/CN104299620A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625869A (zh) * | 2009-08-11 | 2010-01-13 | 中国人民解放军第四军医大学 | 一种基于小波包能量的非空气传导语音增强方法 |
Non-Patent Citations (8)
Title |
---|
KAIS KHALDI, ABDEL-OUAHAB BOUDRAA, ABDELKHALEK BOUCHIKHL: "Speech Enhancement via EMD", <EURASIP JOURNAL ON ADVANCE IN SIGNAL PROCESSING> * |
万建,赵春晖,付进: "一种基于EMD技术的语音信号去噪算法", 《哈尔滨商业大学学报》 * |
任永梅: "《自适应阈值小波包语音增强算法的研究》", 30 May 2013 * |
侯丽霞,曾以成,熊民权: "EMD与自适应滤波相结合的语音增强法", 《计算机工程与应用》 * |
刘刚,屈梁生: "自适应阈值选择和小波消燥方法研究", 《信号处理》 * |
孙美玲: "《基于EMD方法的语音增强的研究》", 30 March 2011 * |
王峰林,王长龙,朱红运: "基于EMD的改进小波阈值降噪法在超声信号处理中的应用", 《军械工程学院学报》 * |
金辉: "《基于EMD的语音信号检测与增强方法研究》", 30 March 2012 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105788603B (zh) * | 2016-02-25 | 2019-04-16 | 深圳创维数字技术有限公司 | 一种基于经验模态分解的音频识别方法及系统 |
CN105788603A (zh) * | 2016-02-25 | 2016-07-20 | 深圳创维数字技术有限公司 | 一种基于经验模态分解的音频识别方法及系统 |
CN105719658A (zh) * | 2016-03-04 | 2016-06-29 | 安徽师范大学 | 基于新阈值函数和自适应阈值的小波包语音降噪方法 |
CN105719658B (zh) * | 2016-03-04 | 2019-11-26 | 安徽师范大学 | 基于新阈值函数和自适应阈值的小波包语音降噪方法 |
CN106601265A (zh) * | 2016-12-15 | 2017-04-26 | 中国人民解放军第四军医大学 | 一种消除毫米波生物雷达语音中噪声的方法 |
CN106601265B (zh) * | 2016-12-15 | 2019-08-13 | 中国人民解放军第四军医大学 | 一种消除毫米波生物雷达语音中噪声的方法 |
CN107123431A (zh) * | 2017-05-02 | 2017-09-01 | 西北工业大学 | 一种水声信号降噪方法 |
WO2019227589A1 (zh) * | 2018-05-29 | 2019-12-05 | 平安科技(深圳)有限公司 | 语音增强方法、装置、计算机设备及存储介质 |
CN109616143A (zh) * | 2018-12-13 | 2019-04-12 | 山东省计算中心(国家超级计算济南中心) | 基于变分模态分解和感知哈希的语音端点检测方法 |
CN109410977A (zh) * | 2018-12-19 | 2019-03-01 | 东南大学 | 一种基于EMD-Wavelet的MFCC相似度的语音段检测方法 |
CN111107478A (zh) * | 2019-12-11 | 2020-05-05 | 江苏爱谛科技研究院有限公司 | 一种声音增强方法及声音增强系统 |
US11570553B2 (en) | 2019-12-11 | 2023-01-31 | Jiangsu aidiSciTech Reseach Institute Co., Ltd. | Method and apparatus for sound enhancement |
CN114091983A (zh) * | 2022-01-21 | 2022-02-25 | 网思科技股份有限公司 | 一种工程车辆智能管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104299620A (zh) | 一种基于emd算法的语音增强方法 | |
CN102799892B (zh) | 一种mfcc水下目标特征提取和识别方法 | |
CN104133404B (zh) | 一种信号处理方法及装置 | |
CN102222508A (zh) | 一种基于矩阵变换的欠定盲分离方法 | |
CN108091345B (zh) | 一种基于支持向量机的双耳语音分离方法 | |
CN105677035A (zh) | 基于eemd和小波阈值的运动想象脑电信号消噪方法 | |
CN102663695A (zh) | 基于小波变换的dr图像去噪方法及系统 | |
CN107516065A (zh) | 经验模态分解结合字典学习的复杂信号去噪方法 | |
He et al. | Feature extraction of acoustic signals based on complex Morlet wavelet | |
CN103870694A (zh) | 一种基于修正小波阈值的经验模态分解去噪方法 | |
CN104732970A (zh) | 一种基于综合特征的舰船辐射噪声识别方法 | |
CN106650218A (zh) | 基于ceemd算法和希尔伯特变换的谐波分析方法 | |
US20160217787A1 (en) | Speech recognition apparatus and speech recognition method | |
CN105550998B (zh) | 基于二代小波整数变换的图像增强方法及图像增强系统 | |
CN105488098A (zh) | 一种基于领域差异性的新词提取方法 | |
CN105303536A (zh) | 一种基于加权均值滤波的中值滤波算法 | |
US9495973B2 (en) | Speech recognition apparatus and speech recognition method | |
CN103915102B (zh) | 一种lfm水声多途信号的噪声抑制方法 | |
CN103604404B (zh) | 基于数值积分的加速度信号测取位移方法 | |
CN109902594A (zh) | 一种基于小波的脉冲信号去噪方法 | |
CN105448290A (zh) | 一种变帧率的音频特征提取方法 | |
CN104123723A (zh) | 基于结构补偿的图像质量评价方法 | |
Tu et al. | Oscillation of complex high order linear differential equations with coefficients of finite iterated order | |
CN104182617B (zh) | 基于内禀波形匹配的端点效应抑制方法 | |
CN103607249A (zh) | 一种ds/fh混合扩频信号参数测试方法与系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150121 |
|
WD01 | Invention patent application deemed withdrawn after publication |