基于雙穩(wěn)隨機(jī)共振的語(yǔ)音增強(qiáng)研究

帥玲紅　李智

摘要：針對(duì)淹沒(méi)在強(qiáng)噪聲背景中的語(yǔ)音信號(hào)，文中提出了一種基于雙穩(wěn)隨機(jī)共振的語(yǔ)音增強(qiáng)方法，該方法利用調(diào)節(jié)隨機(jī)共振系統(tǒng)的結(jié)構(gòu)參數(shù)，使系統(tǒng)達(dá)到最佳匹配，將噪聲的能量向信號(hào)轉(zhuǎn)移，從而達(dá)到增強(qiáng)語(yǔ)音信號(hào)的目的。通過(guò)MATLAB仿真分析，輸出信號(hào)信噪比提高了3.5db，因此該方法在對(duì)語(yǔ)音信號(hào)的檢測(cè)增強(qiáng)中可獲得一定的檢測(cè)效果。

關(guān)鍵詞：隨機(jī)共振；語(yǔ)音增強(qiáng)；弱信號(hào)

中圖分類號(hào)：TN911 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）04-0841-03

語(yǔ)音信號(hào)是人類傳播信息的重要媒介，然而在通信過(guò)程中語(yǔ)音會(huì)受到自然環(huán)境以及通信設(shè)備的干擾，因此語(yǔ)音增強(qiáng)是語(yǔ)音信號(hào)處理中的重要組成部分[1]。

傳統(tǒng)的語(yǔ)音增強(qiáng)方法中，參數(shù)方法對(duì)語(yǔ)音的模型參數(shù)依賴性強(qiáng)，在低信噪比條件下不容易得到正確的模型參數(shù)；非參數(shù)方法由于頻譜相減會(huì)產(chǎn)生“音樂(lè)噪聲”；統(tǒng)計(jì)方法需要大量數(shù)據(jù)進(jìn)行訓(xùn)練以得到統(tǒng)計(jì)信息；小波變換以及離散余弦變換的閾值選取困難，運(yùn)算量大[2]。因此本文選用雙穩(wěn)隨機(jī)共振系統(tǒng)來(lái)對(duì)語(yǔ)音信號(hào)進(jìn)行增強(qiáng)研究。非線性隨機(jī)共振利用噪聲增強(qiáng)微弱信號(hào)傳輸?shù)臋C(jī)制為我們提供了一條新思路，當(dāng)系統(tǒng)輸入端噪聲增加時(shí)非線性系統(tǒng)會(huì)發(fā)生隨機(jī)共振，會(huì)發(fā)生部分噪聲能量向信號(hào)能量的轉(zhuǎn)移[3-4]，從而提高系統(tǒng)輸出信噪比來(lái)達(dá)到微弱信號(hào)的檢測(cè)的目的。

隨機(jī)共振由意大利Benzi等學(xué)者于1981年開(kāi)始在解釋冰期周期性遞歸時(shí)首次被發(fā)現(xiàn)和提出[3]。當(dāng)非線性系統(tǒng)、信號(hào)和噪聲達(dá)到匹配狀態(tài)時(shí)，就會(huì)發(fā)生隨機(jī)共振，噪聲能量向信號(hào)能量轉(zhuǎn)移，使得輸出信號(hào)的信噪比得到提高，達(dá)到對(duì)強(qiáng)噪聲背景中的語(yǔ)音信號(hào)的增強(qiáng)。通過(guò)仿真觀察到輸出波形的噪聲得到了一定的抑制，信噪比也得到了提高。

1 隨機(jī)共振

1.1隨機(jī)共振原理

受到噪聲[Γ（t）]與外部周期驅(qū)動(dòng)力[Acosω0t]作用的雙穩(wěn)態(tài)系統(tǒng)可以由郎之萬(wàn)方程描述，即

圖1所示的[ΔV]可以通過(guò)調(diào)節(jié)a與b的值來(lái)調(diào)節(jié)勢(shì)壘高度。周期信號(hào)給系統(tǒng)勢(shì)阱的切換引入周期性變化，有效地對(duì)噪聲引起的切換進(jìn)行同步，當(dāng)信號(hào)、噪聲及非線性系統(tǒng)達(dá)到某種匹配時(shí)，輸出信號(hào)與微弱周期信號(hào)同步，從而使系統(tǒng)輸出[x（t）]中的小周期分量得到增強(qiáng)，這也就是隨機(jī)共振可以加強(qiáng)微弱信號(hào)的原因。于是達(dá)到了將噪聲能量向信號(hào)能量的轉(zhuǎn)移，從而驅(qū)動(dòng)質(zhì)點(diǎn)在兩勢(shì)阱間的周期運(yùn)。

2 數(shù)值求解

對(duì)一些典型的常微分方程才能求出它們的一般解表達(dá)式，并用初始條件確定表達(dá)式中的任意常數(shù)。然而在實(shí)際問(wèn)題中遇到的常微分方程往往很復(fù)雜，在很多情況下得不出一般解，所以一般是獲得解在若干個(gè)點(diǎn)上的近似值。因此本文選用四階龍格—庫(kù)塔法（Runge—Kutta）求解常微分方程[5]。

四階R—K方法為式（2）所示：

其中[xi]和[x1i]表示輸出和輸入信號(hào)的第i個(gè)采樣值，[h=1fs]為迭代步長(zhǎng)。而本文中是對(duì)語(yǔ)音信號(hào)進(jìn)行檢測(cè)，屬于寬頻信號(hào)，因此迭代步長(zhǎng)可根據(jù)實(shí)際情況來(lái)調(diào)節(jié)以使系統(tǒng)產(chǎn)生隨機(jī)共振達(dá)到檢測(cè)目的。

3 仿真與分析

根據(jù)隨機(jī)共振的絕熱近似理論與線性響應(yīng)理論將隨機(jī)共振應(yīng)用于檢測(cè)微弱的周期信號(hào)， 其信號(hào)頻率都遠(yuǎn)遠(yuǎn)小于1，而本文待檢測(cè)的語(yǔ)音信號(hào)其頻率范圍通常是300～3400Hz，因此為了解決隨機(jī)共振在高頻信號(hào)的檢測(cè)問(wèn)題，該文采用調(diào)節(jié)系統(tǒng)結(jié)構(gòu)參數(shù)與步長(zhǎng)來(lái)對(duì)語(yǔ)音信號(hào)進(jìn)行增強(qiáng)。

對(duì)干凈的語(yǔ)音信號(hào)添加不同強(qiáng)度的噪聲，再對(duì)其應(yīng)用隨機(jī)共振進(jìn)行去噪處理。圖2所示是純凈的語(yǔ)音信號(hào)，內(nèi)容為數(shù)字“2～9”。

從圖2可以看出，實(shí)驗(yàn)中用到的語(yǔ)音信號(hào)是一個(gè)中低頻信號(hào)，主要集中在270Hz、700Hz附近。圖3為在此干凈語(yǔ)音信號(hào)中添加噪聲強(qiáng)度D=0.6的高斯白噪聲后的信號(hào)和頻譜圖，從圖中可看出信號(hào)淹沒(méi)在噪聲中，而頻域圖中看出整個(gè)頻帶都有很強(qiáng)的噪聲，在低頻段有一部分信號(hào)分布。

將帶噪信號(hào)經(jīng)過(guò)隨機(jī)共振處理，通過(guò)調(diào)節(jié)結(jié)構(gòu)參數(shù)，當(dāng)a=0.1，b=1.2時(shí)，經(jīng)過(guò)隨機(jī)共振系統(tǒng)的輸出波形如圖4所示，從圖中看出信號(hào)與噪聲都在很大程度上得到了抑制，能辨別出語(yǔ)音信號(hào)。在頻域圖中可看出高頻部分的噪聲信號(hào)都得到了抑制，發(fā)生了能量的轉(zhuǎn)移，高頻噪聲能量向低頻信號(hào)能量轉(zhuǎn)移，因此在頻率為270Hz附近信號(hào)明顯增強(qiáng)，信號(hào)幅度得到了明顯提高。而信號(hào)的信噪比從輸入的-6.4db提高到-3db，信噪比增加了3.5db，因此將隨機(jī)共振應(yīng)用在語(yǔ)音信號(hào)的增強(qiáng)中取得了一定的效果。

4 結(jié)束語(yǔ)

本文將雙穩(wěn)隨機(jī)共振的方法應(yīng)用于語(yǔ)音信號(hào)的增強(qiáng)中，通過(guò)系統(tǒng)輸出的信號(hào)在時(shí)域圖可看出信號(hào)的噪聲得到了一定的抑制，頻域圖中，高頻的噪聲都搬移到低頻段，使得信號(hào)的幅度得到了很大的提高，且信噪比也得到了提升，因此該方法具有一定的效果。在之后的研究中，將對(duì)實(shí)際的含噪語(yǔ)音以及振動(dòng)信號(hào)進(jìn)行一定的研究。

參考文獻(xiàn)：

[1] 王晶，傅豐林，張運(yùn)偉.語(yǔ)音增強(qiáng)算法綜述[J].聲學(xué)與電子工程，2005（1）：22-26.

[2] 張雪英.數(shù)字語(yǔ)音處理及MATLAB仿真[M].北京：電子工業(yè)出版社，2010.

[3] Benzi R， Sutera A， Vulpiani A. The Mechanism of Stochastic Resonance[J]. Journal of Physics A： Mathematical and General， 1981， 14（11）： L453-L457.

[4] 楊定新.微弱特征信號(hào)檢測(cè)的隨機(jī)共振方法與應(yīng)用研究[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)研究生院，2004.

[5] 閆金亮. Matlab在常微分方程教學(xué)中的應(yīng)用[J].武夷學(xué)院學(xué)報(bào)，2012（2）：95-99.