基于小波變換的噪聲抑制

鄭丹

摘 要：近年來，小波理論發(fā)展迅速，實際應用也非常廣泛，運用小波去噪的方法對噪聲進行抑制，以提高說話人系統(tǒng)在噪聲壞境下的頑健性，使說話人識別系統(tǒng)的成果走出實驗室，得到實際應用，本文簡單說明基于小波變換的噪聲抑制的思想和方法，以提高語音識別系統(tǒng)實用性能，這也是未來說話人識別系統(tǒng)研究的重要方向之一。

關鍵詞：小波變換；語音識別；信噪分離

中圖分類號： O422.8 文獻標識碼： A 文章編號： 1673-1069（2017）06-164-2

引言

尋找并利用有效的去噪方法是提高系統(tǒng)實用性能的關鍵技術，但在一般的實驗室，其特定的系統(tǒng)卻幾乎不曾把噪聲考慮到整個實驗當中。可在現(xiàn)實生活中，噪聲卻是處處存在。再說，在實驗室進行研究的過程中，說話人系統(tǒng)的集合一般都在可控范圍內，而且都是比較小的。反之，在現(xiàn)實生活中，說話人的集合卻被要求盡可能地放大。由此看來，系統(tǒng)的執(zhí)行效率和識別率會隨著說話人集合的擴大而下降，而且下降的速度與說話人集合的大小形成正比。綜上所述，研究小波去噪以提高語音識別系統(tǒng)在變化環(huán)境下的系統(tǒng)性能具有重要意義。

1 小波去燥的理論基礎

噪聲和信號在其各自的頻帶（即尺度）上的小波譜均有著不一樣的表現(xiàn)。根據(jù)這個特點，便可根據(jù)各頻帶上的小波譜的分量，確定哪些小波譜是由噪聲產生，哪些噪聲小波譜在整個頻帶上起著主導作用。同時，綜合上述的判別方法，去掉這部分小波譜，就能把原信號的小波譜保留下來。我們可以把這個過程稱作小波譜的重構或者還原，也是小波去燥的理論基礎。與此同時，參照小波變換重構的算法，便可還原出原信號?？梢姡绾斡行⒃肼暜a生的小波譜分量過濾掉是小波去燥的關鍵所在。

一般來說，傳統(tǒng)的線性濾波方法難以兼顧在保護信號局部特征的同時，也能有效抑制噪聲。為此，可利用小波變換時頻局部化和選擇靈活化的兩大特點，制作出解決傳統(tǒng)的線性濾波方法的局限性的有效工具。而利用閾值的小波域語音增強算法便是其中一個較具潛力的算法。由此可知，小波去噪便是簡單地利用小波系數(shù)的閾值，并在此基礎上加以延伸的。舉個例子，若是把噪聲的小波系數(shù)和其他目標信號均框定在小波閾值的范圍內，則難以分辨出清音段中的語音和噪音。若是使用相同的閾值處理所有的噪聲，在這種特定的環(huán)境下，則會把附加的噪聲也一并壓縮了。同時，也使得像清音一類的語音被壓縮了。在此過程中過濾掉的語音在感知上和質量上都會大打折扣。從上述可知，有效結合小波變換和其他信號處理方法，是提高系統(tǒng)魯棒性的有效途徑。

2 不同信噪比下語音加噪

取40dB、30dB、25dB、15dB、10dB五種信噪比下對原始語音進行加噪。

2.1 驗證性程序

load （'路徑'）

s=awgn（s，SNR）；

2.2 仿真分析

以信噪比SNR為25dB時為例，進行仿真，繪制信號波形圖見圖1。

3 不同小波對語音去噪

分別采用小波db1、db7、sym2、db5對加噪語音進行去噪。

說話人集合由20個說話人組成，其中包括男10人，女10人，語音在安靜的室內環(huán)境下，用Matlab程序錄制，每個說話人包含2個四字成語，總共八個字，語音長度3.6s，每人錄制相同八字詞語兩遍，分別存放在文件夾train和文件夾test中，用于訓練和識別。然后在不同信噪比下對原始語音進行加噪處理，再對加噪語音采用不同的小波去噪處理，產生一系列的語音。

訓練與測試的驗證性程序為：

traindir=（'路徑'）；

testdir=（'路徑'）；

n=20；

code=train（traindir，n）；

test（testdir，n，code）

①訓練語音：原始語音train，測試語音：原始語音test，程序運行結果為20人的訓練與測試語音均匹配，表明原始語音的誤識別率為0%。

②訓練語音：原始語音train，測試語音：不同信噪比下（信噪比分別為40dB、30dB、25dB、15dB、10dB）加噪語音test。

例如：當加噪語音信噪比為40dB時，程序運行結果為20人的訓練與測試語音中，5人匹配，15人不匹配，可得誤識別率為75%。

用同樣的方法可仿真出其他幾種信噪比（30dB、25dB、15dB、10dB）下的識別結果，得到誤識別率都為95%。

結果分析：當語音未增強時，誤識別率較高。語音增強后，隨著信噪比減少，誤識別率上升，但當信噪比為30dB、25dB、15dB及10dB時，它們的識別率沒有較大區(qū)別，誤識別率都很高。這說明在低信噪比下，系統(tǒng)誤識別率很高，噪聲對系統(tǒng)的識別率影響很大。

③訓練語音：去噪語音train，測試語音：不同小波（db1、db7、sym2、db5）去噪后的（信噪比分別為40dB、30dB、25dB、15dB、10dB）去噪語音test。

例如：當用小波db1對信噪比為40dB的加噪語音去噪時，程序運行結果為20人的訓練與測試語音均匹配，可得誤識別率為0%。

用同樣的方法可仿真出其它幾種小波去噪后的識別結果，列出表格見表1。

結果分析：用小波去噪的語音，當加噪去噪時取用較高的信噪比，識別率較好，隨著信噪比的降低，誤識別率在升高。語音增強后的測試結果比干凈語音的測試結果差。各種小波去噪的效果不是很好，相比較而言，采用小波db1去噪效果稍微更好，但效果也不是很顯著。

實驗結果分析：在理想的純凈語音環(huán)境下對話語進行識別（特征參數(shù)為MFCC），其識別率可高達100%，當訓練語音為原始語音，測試語音為加噪語音時，測試結果誤識別率較高。當訓練語音與測試語音都為去噪語音時，當信噪比為40dB時，誤識別率較低，隨著信噪比的減少，誤識別率明顯升高。由此看來，我們提出的小波去噪的方法對提高識別率并沒有起到較大的作用。不過，現(xiàn)實生活中噪聲無處不在，但卻能通過上述方法有效去噪?？梢?，其實用價值不容忽視。

實驗結論顯示，與此前傳統(tǒng)的去噪方法相比，就如何有效增強語音，小波變換有著以下的優(yōu)勢：①將小波變換應用于低信噪比的去噪，其效果較能得到體現(xiàn)。同時，去噪后，不但能夠提高語音的識別率，也為實際的應用帶來了更大的便利。②對于消除時變信號和突變信號的噪聲，小波變換便是最理想的方法之一。同時，與傳統(tǒng)的去噪方法相較之下，這種去噪方法的實用性較高，是傳統(tǒng)的去噪方法所不能相提并論的。

4 總結

綜合上述的論述，小波變換作為濾波一種新方法，能將語音信號中非平穩(wěn)的信號得以有效過濾。同時，隨著對小波去燥的不斷深入實踐探究，對其理論的完善和實際的應用也有著很大的幫助。最后，結合實踐探究得出的結論，便可將小波去燥廣泛應用到生活當中。

參 考 文 獻

[1] 胡航.語音信號處理[M].哈爾濱工業(yè)大學出版社，2002年5月第二版.