CN107274908B - 基于新阈值函数的小波语音去噪方法 - Google Patents

基于新阈值函数的小波语音去噪方法 Download PDF

Info

Publication number
CN107274908B
CN107274908B CN201710443429.1A CN201710443429A CN107274908B CN 107274908 B CN107274908 B CN 107274908B CN 201710443429 A CN201710443429 A CN 201710443429A CN 107274908 B CN107274908 B CN 107274908B
Authority
CN
China
Prior art keywords
wavelet
signal
voice
threshold
noise
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.)
Active
Application number
CN201710443429.1A
Other languages
English (en)
Other versions
CN107274908A (zh
Inventor
邓立新
洪民江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201710443429.1A priority Critical patent/CN107274908B/zh
Publication of CN107274908A publication Critical patent/CN107274908A/zh
Application granted granted Critical
Publication of CN107274908B publication Critical patent/CN107274908B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L21/0224—Processing in the time domain
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0316—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude
    • G10L21/0324—Details of processing therefor
    • G10L21/034—Automatic adjustment

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明公开了基于新阈值函数的小波语音去噪方法，该方法主要步骤包括：1)带噪语音产生；2)对带噪语音进行小波分解；3)对带噪语音进行小波阈值处理；4)对处理后的语音进行小波重构；5)得到去噪后语音信号；其中主要是对步骤3)进行处理，步骤3)直接决定去噪效果。步骤3)是对带噪语音进行小波分解后的小波系数进行阈值处理，主要涉及到阈值的确定以及阈值函数的选取。本发明采用的新阈值函数缓解了传统硬阈值函数不连续导致处理后信号产生振荡、软阈值函数处理信号后失真较大的问题。新的阈值函数能更好的抑制噪声，提高语音信号信噪比，减少语音失真，得到更好的去噪效果。

Description

基于新阈值函数的小波语音去噪方法
技术领域
本发明涉及语音信号增强技术领域，尤其涉及到基于新阈值函数小波阈值处理的语音去噪方法。
背景技术
目前，信息技术高速发展，语音信号处理作为信息技术的一门关键技术，逐渐成为国际热门研究课题。语音信号处理主要包括语音编码，语音合成，语音识别以及语音增强。语音增强作为语音信号处理的重要组成部分，经过几十年的发展，出现了许多经典算法，得到许多科研人员的重视和研究。
语音增强主要目的是去除带噪语音中噪声信号的同时保留有用的语音信号，提高语音信号的可懂度和整体质量。传统的去噪方法有减谱法、维纳滤波、子空间方法等。这些方法的不足在于信号变换的熵增高、无法刻画信号的非平稳特性且无法得到信号的相关性，为克服上述缺点，人们开始使用小波变换解决信号去噪问题。小波变换可以对语音信号进行多尺度的分析，特别适合分析像语音这种非平稳信号。目前小波去噪主要有三种方法：模极大值去噪法、空域相关去噪法和小波阈值去噪法，其中，小波阈值去噪法由于计算量小，去噪效果好而被广泛研究和使用。
小波变换是一种信号的时频分析，小波变换具有多辨率的特点，可以很方便的从带噪语音中提取出原始语音成分。小波阈值去噪的关键是选取适当的小波基和分解层数，确定合适的小波阈值和阈值函数，其中，阈值函数的选取是关键的一步。
Donoho和Johnston提出了硬阈值去噪法和软阈值去噪法。但这两种方法都有其自身的缺陷：硬阈值法连续性差，重构可能会产生振荡；软阈值法虽然连续性好，但会给重构信号带来一定的偏差，带来信号的失真。近年来，人们对于小波阈值函数的选取一直做着深入研究，许多学者在软硬阈值函数的基础上做了一些改进，如多项式差值法、软硬函数折衷法以及模平方处理法。这些阈值函数虽然比传统软硬函数有所改善，但是它们并没有考虑小波变换模值的衰减符合指数这一规律。同时，在小波系数小于阈值时如果做置零处理，这样会损失部分清音信息。
发明内容
本发明目的在于解决了传统小波阈值去噪法中硬阈值函数不连续导致处理后信号产生振荡、软阈值函数处理信号后失真较大的问题，提出了一种基于新阈值函数的小波语音去噪方法，该方法的新阈值函数去噪法能对语音信号进行平滑处理，加强对语音分量的保护，从而减少失真。该方法的新阈值函数处理后的语音信号更加平滑，可以获得更加清晰的语音信号，减少语音信号失真。
本发明解决其技术问题所采取的技术方案是：一种基于新阈值函数的小波语音去噪方法，该方法包括如下步骤：
步骤1、带噪语音产生；
步骤2、对带噪语音进行小波分解；
步骤3、对带噪语音进行小波阈值处理；
步骤4、对处理后的语音进行小波重构；
步骤5、得到降噪后语音信号。
进一步地，本发明上述步骤1所用原始语音数据是在实验室环境下采集，音频格式为PCM编码，采样频率为8000Hz，采样精度为16bit，音频格式以wav格式保存，添加的噪声为加性高斯白噪声，将原始语音数据与不同强度的白噪声混合产生带噪语音信号。
进一步地，本发明上述步骤2对信号进行离散小波变换，离散小波定义为：
Figure BDA0001320602280000031
其中f(x)为带噪语音信号，Wf(2j，2jk)为第j层第k个点得到的小波系数，ψ(x)为小波母函数。
进一步地，本发明步骤3中采用的新阈值函数为：
Figure BDA0001320602280000032
其中W为小波分解后的小波系数，Wλ为采用新阈值函数处理的小波系数，sgn(W)为符号函数，W大于或等于0时，sgn(W)＝1，W小于0时，sgn(W)＝-1。a∈[0，1]，b为正常数，p＜λ，λ为阈值。当a为零时，该函数是硬阈值函数；当b为0并且a为1时是软阈值函数，并且在阈值处都等于同一个数，表明该阈值函数在阈值处是连续的。通过调节这三个参数可以获得更好的去噪效果。改进的阈值函数继承了传统软硬阈值函数的优点，同时又结合了噪声小波变换模值的衰减符合指数这一特点，并且在小波系数小于阈值时没有简单做置零处理，故其去噪效果会有所提高。
进一步地，本发明上述步骤4中离散的小波逆变换定义为：
Figure BDA0001320602280000041
其中C是一个与信号无关的常数，f(t)为小波逆变换得到的重构信号，对阈值处理后的小波系数进行小波逆变换，就得到小波去噪后信号。
进一步地，本发明上述方法引入信噪比和均方误差，信号输出信噪比与均方误差计算公式分别为：
Figure BDA0001320602280000042
Figure BDA0001320602280000043
式中N为信号采样点数，s(n)为原始语音信号，y(n)为去噪后的语音信号。
有益效果：
1.相比传统的软硬阈值函数，新的阈值函数在阈值处连续，并且小波系数小于零时没有简单做置零处理。
2.新的阈值函数结合了噪声小波变换模值衰减符合指数这一特点。
3.新的阈值函数结构简单，可以通过改变a、b以及p的值来调节阈值函数，能提高信噪比和获得最佳去噪效果。
4、本发明的新阈值函数能对信号进行更好的平滑处理，加强对语音分量的保护，从而获得更好的去噪效果。
附图说明
图1为本发明所述小波阈值去噪流程图。
图2为本发明提出的新阈值函数在设定范围内的示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式做进一步的具体说明。图1是小波阈值去噪方法的基本原理图。
如图1和图2所示，本发明提供了一种基于新阈值函数的小波语音去噪方法，该方法包括如下步骤：
步骤一：获得带噪语音信号
本发明所用原始语音数据是在实验室环境下采集，音频格式为PCM编码，采样频率为8000Hz，采样精度为16bit，音频格式以wav格式保存。添加的噪声为加性高斯白噪声，将原始语音数据与不同强度的白噪声混合产生带噪语音信号。
步骤二：对带噪语音进行小波分解
对信号进行离散小波变换，离散小波定义为：
Figure BDA0001320602280000051
其中f(x)为带噪语音信号，Wf(2j，2jk)为第j层第k个点得到的小波系数，ψ(x)为小波母函数。
小波变换具有很强去数据相关性，经小波分解后，原始语音信号的小波系数幅值要大于噪声的系数幅值，幅值比较大的小波系数通常是原始语音信号，而幅值比较小系数在很大程度上是噪声。常用于去噪的小波有dbN小波系、symN小波系和coifN小波系，小波分解层数一般选择3-5层。本发明经过大量实验，最终选择小波分解层数为三层，选用sym6小波基。小波分解后得到第三层小波低频系数以及第一、二、三层小波高频系数。
步骤三：对带噪语音进行小波阈值处理
步骤三是对步骤二中小波高频系数进行阈值量化，阈值公式为：
Figure BDA0001320602280000061
其中j为小波分解层数，N为语音信号的长度，σ为噪声方差，其常用估计公式为σj＝Median(Wj)/0.6745，Wj为第j层小波系数。所述的新阈值函数为：
Figure BDA0001320602280000062
其中W为小波分解后的小波系数，Wλ为采用新阈值函数处理的小波系数，sgn(W)为符号函数，W大于或等于0时，sgn(W)＝1，W小于0时，sgn(W)＝-1。a∈[0，1]，b为正常数，p＜λ，λ为阈值。图2是阈值函数在某个设定范围内的示意图。
根据高频小波系数与阈值的比较，对高频小波系数做阈值处理。
步骤四：对处理后的语音进行小波重构
离散小波逆变换定义为：
Figure BDA0001320602280000063
其中C是一个与信号无关的常数，f(t)为小波逆变换得到的重构信号。
对阈值处理后的小波系数进行小波逆变换，就得到小波去噪后信号。
为了对比去噪效果，引入信噪比和均方误差。信号输出信噪比与均方误差计算公式分别为：
Figure BDA0001320602280000071
Figure BDA0001320602280000072
式中N为信号采样点数，s(n)为原始语音信号，y(n)为去噪后的语音信号。
在输入带噪语音信噪比为-5db、0db、5db、10db以及15db五种情况下，分别采用本发明去噪方法与传统软硬阈值去噪方法，得到本发明与传统软硬阈值去噪方法的输出信噪比和均方误差。
表1为本发明与传统软硬阈值去噪后的输出信噪比，表2为本发明与传统软硬阈值去噪后的均方误差。
表1
Figure BDA0001320602280000073
Figure BDA0001320602280000081
表2
Figure BDA0001320602280000082
从表1和表2可以看出，无论在低输入信噪比还是高输入信噪比下，本发明方法比传统软硬阈值方法输出信噪比高、均方误差更小。

Claims (1)

1.一种基于新阈值函数的小波语音去噪方法，其特征在于，所述方法包括如下步骤：
步骤1：带噪语音产生，所用原始语音数据是在实验室环境下采集，音频格式为PCM编码，采样频率为8000Hz，采样精度为16bit，音频格式以wav格式保存，添加的噪声为加性高斯白噪声，将原始语音数据与不同强度的白噪声混合产生带噪语音信号；
步骤2：对带噪语音进行小波分解，对信号进行离散小波变换，离散小波定义为：
Figure FDA0002414612810000011
其中f(x)为带噪语音信号，Wf(2j，2jk)为第j层第k个点得到的小波系数，ψ(x)为小波母函数；
步骤3：对带噪语音进行小波阈值处理，采用的新阈值函数为：
Figure FDA0002414612810000012
其中W为小波分解后的小波系数，Wλ为采用新阈值函数处理的小波系数，sgn(W)为符号函数，W大于或等于0时，sgn(W)＝1，W小于0时，sgn(W)＝-1，a∈[0，1]，b为正常数，p＜λ，λ为阈值，当a为零时，该函数是硬阈值函数；当b为0并且a为1时是软阈值函数，并且在阈值处都等于同一个数，表明该阈值函数在阈值处是连续的；
步骤4：对处理后的语音进行小波重构，离散的小波逆变换定义为：
Figure FDA0002414612810000013
其中C是一个与信号无关的常数，f(t)为小波逆变换得到的重构信号，对阈值处理后的小波系数进行小波逆变换，就得到小波去噪后信号；
步骤5：得到降噪后语音信号；
所述方法引入信噪比和均方误差，信号输出信噪比与均方误差计算公式分别为：
Figure FDA0002414612810000021
Figure FDA0002414612810000022
式中N为信号采样点数，s(n)为原始语音信号，y(n)为去噪后的语音信号。
CN201710443429.1A 2017-06-13 2017-06-13 基于新阈值函数的小波语音去噪方法 Active CN107274908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710443429.1A CN107274908B (zh) 2017-06-13 2017-06-13 基于新阈值函数的小波语音去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710443429.1A CN107274908B (zh) 2017-06-13 2017-06-13 基于新阈值函数的小波语音去噪方法

Publications (2)

Publication Number Publication Date
CN107274908A CN107274908A (zh) 2017-10-20
CN107274908B true CN107274908B (zh) 2020-07-14

Family

ID=60067536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710443429.1A Active CN107274908B (zh) 2017-06-13 2017-06-13 基于新阈值函数的小波语音去噪方法

Country Status (1)

Country Link
CN (1) CN107274908B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108231084B (zh) * 2017-12-04 2021-09-10 重庆邮电大学 一种基于Teager能量算子的改进小波阈值函数去噪方法
CN107997314A (zh) * 2018-01-03 2018-05-08 潘荣兰 一种智能医疗手环
CN108764092B (zh) * 2018-05-21 2021-09-21 湖南理工学院 基于能量元双阈值的微流控芯片信号去噪方法
CN108985179B (zh) * 2018-06-22 2022-01-25 福建和盛高科技产业有限公司 一种基于改进小波阈值函数的电能质量信号去噪方法
CN110827811A (zh) * 2018-08-13 2020-02-21 格力电器（武汉）有限公司 家电设备的语音控制方法及装置
CN109409206A (zh) * 2018-09-10 2019-03-01 昆明理工大学 一种基于一维小波变换的雷声去噪方法
CN109611703B (zh) * 2018-10-19 2021-06-22 宁波鄞州竹创信息科技有限公司 一种便于安装的led灯
CN109288649B (zh) * 2018-10-19 2020-07-31 奥弗锐(福建)电子科技有限公司 一种智能语音控制按摩椅
CN109856344A (zh) * 2019-02-14 2019-06-07 江门出入境检验检疫局检验检疫技术中心 一种食品安全抽样检测设备
CN109882966A (zh) * 2019-03-18 2019-06-14 吴赵东 语音控制的空气净化机器人
CN110136709A (zh) * 2019-04-26 2019-08-16 国网浙江省电力有限公司信息通信分公司 语音识别方法及基于语音识别的视频会议系统
CN110333054B (zh) * 2019-06-13 2021-07-06 电子科技大学 一种针对白车身焊接设备的缓变微小故障检测方法
CN110187093A (zh) * 2019-06-26 2019-08-30 上海艾瑞德生物科技有限公司 一种检测荧光免疫和胶体金试剂条的跨平台检测装置
CN110379440A (zh) * 2019-07-19 2019-10-25 宁波奥克斯电气股份有限公司 语音降噪方法、装置、语音空调及计算机可读存储介质
CN111428307B (zh) * 2020-04-21 2021-01-08 广州高新工程顾问有限公司 一种基于bim的室内优化设计方法及系统
CN111951816A (zh) * 2020-07-28 2020-11-17 深圳供电局有限公司 一种降低语音交换系统杂音的方法、计算机设备及介质
CN112530449B (zh) * 2020-10-20 2022-09-23 国网黑龙江省电力有限公司伊春供电公司 基于仿生小波变换的语音增强方法
CN112415922B (zh) * 2020-10-21 2023-05-12 深圳供电局有限公司 一种基于流媒体的变电站监控系统
CN113611321B (zh) * 2021-07-14 2024-04-26 中国传媒大学 一种语音增强方法及系统
CN114091983B (zh) * 2022-01-21 2022-05-10 网思科技股份有限公司 一种工程车辆智能管理系统
CN114577419B (zh) * 2022-04-24 2023-03-21 南京信息工程大学 一种提高地下连续墙渗漏安全监测有效性方法
CN114722885B (zh) * 2022-06-09 2022-08-16 山东山矿机械有限公司 托辊搬运小车运行异常智能检测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393423A (zh) * 2011-09-28 2012-03-28 南京信息工程大学 基于自适应阈值正交小波变换的兰姆波去噪方法
CN103578477A (zh) * 2012-07-30 2014-02-12 中兴通讯股份有限公司 基于噪声估计的去噪方法和装置
CN106024006A (zh) * 2016-04-29 2016-10-12 天津大学 基于小波变换的鲸类叫声信号去噪方法和装置
CN106646406A (zh) * 2016-12-08 2017-05-10 南京理工大学 基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393423A (zh) * 2011-09-28 2012-03-28 南京信息工程大学 基于自适应阈值正交小波变换的兰姆波去噪方法
CN103578477A (zh) * 2012-07-30 2014-02-12 中兴通讯股份有限公司 基于噪声估计的去噪方法和装置
CN106024006A (zh) * 2016-04-29 2016-10-12 天津大学 基于小波变换的鲸类叫声信号去噪方法和装置
CN106646406A (zh) * 2016-12-08 2017-05-10 南京理工大学 基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于小波变换的语音信号去噪研究;王永涛;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150515(第5期);第3.2.2节、第3.2.3节、第4.2.1节、第4.3.1节、第4.3.2节 *

Also Published As

Publication number Publication date
CN107274908A (zh) 2017-10-20

Similar Documents

Publication Publication Date Title
CN107274908B (zh) 基于新阈值函数的小波语音去噪方法
Verma et al. Performance analysis of wavelet thresholding methods in denoising of audio signals of some Indian Musical Instruments
Aggarwal et al. Noise reduction of speech signal using wavelet transform with modified universal threshold
Abd El-Fattah et al. Speech enhancement with an adaptive Wiener filter
CN110085249A (zh) 基于注意力门控的循环神经网络的单通道语音增强方法
CN109643554A (zh) 自适应语音增强方法和电子设备
CN110808059A (zh) 一种基于谱减法和小波变换的语音降噪方法
CN102393423A (zh) 基于自适应阈值正交小波变换的兰姆波去噪方法
CN111091833A (zh) 一种降低噪声影响的端点检测方法
CN110808057A (zh) 一种基于约束朴素生成对抗网络的语音增强方法
CN110931039A (zh) 一种基于小波的无线语音降噪装置及方法
Fu et al. Perceptual wavelet adaptive denoising of speech.
Özaydın et al. Speech enhancement using maximal overlap discrete wavelet transform
CN117037825A (zh) 一种自适应滤波与多窗谱估计谱减联合降噪方法
Saoud et al. New speech enhancement based on discrete orthonormal stockwell transform
CN113066483B (zh) 一种基于稀疏连续约束的生成对抗网络语音增强方法
Li et al. Noisy speech enhancement based on discrete sine transform
Yang et al. A speech enhancement algorithm combining spectral subtraction and wavelet transform
Shao et al. A versatile speech enhancement system based on perceptual wavelet denoising
Vanithalakshmi et al. Wavelet Based Speech Enhancement Algorithm for Hearing Aid Application
Gui et al. Adaptive subband Wiener filtering for speech enhancement using critical-band gammatone filterbank
Lan et al. Speech Enhancement Algorithm Combining Cochlear Features and Deep Neural Network with Skip Connections
CN106997766B (zh) 一种基于宽带噪声的同态滤波语音增强方法
Shen et al. A priori SNR estimator based on a convex combination of two DD approaches for speech enhancement
Kirankumar et al. Hybrid Technique for Denoising Multi Environment Noise in Speech Processing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant