论文总字数：23676字

摘 要

语音增强技术的研究对语音通信的质量有着至关重要的作用。

本文主要基于小波变换对语音增强技术进行了研究，首先介绍几种当前主流的语音增强算法以及小波变换的基本理论，接着介绍本文采用的阈值函数方法。在此基础上，使用了基于SURE无偏估计和阈值函数，得出的一种自适应小波阈值去噪算法。

小波在信号去噪领域已得到越来越广泛的应用。阈值去噪方法是一种实现简单、效果较好的小波去噪方法。阈值去噪方法的思想就是对小波分解后的各层系数中模大于或小于某阈值的系数分别处理，然后对处理完的小波系数再进行反变换，重构出经过去噪后的信号。

本文基于Matlab软件平台实现算法仿真，仿真结果表明自适应小波阈值去噪的去噪效果能有效抑制噪声，提升语音信噪比。

关键词：小波变换 阈值函数 小波阈值去噪 小波分析 语音增强

Speech signal enhancement through adaptive wavelet thresholding

Abstract

The reseach of speech enhancement technology plays very important role in improving the qulity of speech communication.

This paper is mainly based on wavelet transform for speech enhancement technology research, first introduced the basic theory of wavelet transform algorithm and several current mainstream speech enhancement, and then introduces the threshold function of the method used in this paper.On this basis,putting forward SURE unbiased estimation and threshold function based on denoising algorithm,and get an adaptive wavelet threshold.

Wavelet has been more and more widely used in the field of signal to noise of wavelet.Threshold denoising method is a simple and effective method of wavelet denoising.Threshold de-noising method is the thought of each layer of wavelet coefficients modulus greater than or less than the coefficient of a threshold respectively, and then the wavelet coefficients are processed and inverse transform, reconstructing the signal noise of the past.

Algorithm simulation based on Matlab software platform, the simulation results show that the adaptive denoising effect of wavelet threshold denoising can suppress noise effectively, enhance speech signal to noise ratio.

Keywords:Wavelet Transform; Threshold Function; Wavelet Threshold Denoising Method; Wavelet Analysis; Speech enhancement.

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 研究背景和意义 1

1.2 语音增强研究现状 1

1.3 基于小波变换的语音增强研究现状 1

1.4 本文研究内容及论文结构 2

第二章 语音增强的经典方法研究 4

2.1 语音及噪声特性 4

2.1.1 语音信号特性 4

2.2.2 噪声特性 4

2.2 语音增强经典方法研究 5

2.2.1 谱减法 5

2.2.2 谐波增强法 6

2.2.3 卡尔曼滤波法 7

2.2.4 噪声对消法 8

2.3 基于神经网络的语音信号增强 9

2.4 本章小结 10

第三章 小波变换的基本原理 11

3.1 小波变换的历史与现状 11

3.2 傅里叶变换 11

3.3 小波变换 12

3.3.1 一维连续小波变换 12

3.3.2 离散小波变换 13

3.3.3 多分辨分析 14

3.4 常用小波函数 15

3.5 本章小结 19

第四章 基于小波变换的语音增强应用 20

4.1 小波变换语音增强的基本原理 20

4.2 小波变换用于信号降噪 21

4.2.1 小波分析用于降噪的过程 21

4.2.2 基本降噪模型 21

4.2.3 从原始信号确定各级阈值 22

4.2.4 阈值选取 23

4.3 小波阈值去噪 24

4.3.1 常用阈值函数 24

4.3.2 自适应阈值去噪及仿真结果比较 26

4.4 本章小结 36

第五章 总结 30

参考文献 31

致 谢 33

附 录 34

第一章 绪论

1.1 研究背景和意义

语音信号处理^[1]是一种在信息高速公路中的应用的关键技术，新兴的多媒体技术，办公自动化，现代通信和智能系统，它主要包括通信，语音合成，识别和增强（去噪）等。在各种语音处理系统的实际应用^[2]中，由于存在噪声性使语音处理系统恶化，语音增强^[3]是解决噪声污染的有效方法，它的一个主要目的是从带噪语音信号中提取尽可能纯净的原始语音信号。然而，由于干扰通常是随机的，因而从带有噪声的语音中提取完全纯净的语音信号几乎是不可能的，所以，语音增强的主要目的是改进语音质量，消除环境噪声，即从带噪语音信号中滤除噪声，提高语音信号的信噪比。

在上述情况下，语音增强^[4]作为一种预处理不失为解决噪声污染的一种有效手段。因此，语音增强方法的研究在实际中有重要价值。本文从小波变换的角度出发，对噪声进行分析，并采用三种阈值方法进行小波去噪处理。

1.2 语音增强研究现状

早在20世纪60年代，语音增强这个课题就已经开始引起人们的注意。70年代随着电子技术和数字信号处理技术的发展，语音增强开始从理论走向使用。1974年，Weiss等人成功开发了一个实时语音增强系统（INTEL system）。1979年，Lim^[5]和Oppenheim全面总结了此前的语音增强方法，包括谱减法，维纳滤波法和一些基于模型的语音增强方法。80年代，Ephraim等人提出了语音短时谱幅度（STSA）的最小均方误差估计法。90年代，短时谱幅度的最小均方误差估计法继续得到改进，同时Ephraim等人提出了隐马尔可夫模型（HMM）框架下的语音增强算法，Hanson等人则研究了基于预测系数估计和维纳滤波的迭代语音增强算法。之后，新的语音增强方法相继涌现，例如基于神经网络、子空间分解、小波变换和基于听觉模型的语音增强方法等。

1.3 基于小波变换的语音增强研究现状

Fourier在1807年提出傅里叶分析，于1822年发表“热传导解析论文”。1980年，J.Morlet最先提出小波变换的概念，A.Caldero在20世纪70年代，表示定理的提出，Hardy空间的原子分解和无条件基的研究为小波变换做好了理论上的准备。J.O.Stromberg还构造出了非常接近于现代小波基的小波函数；数学家Y.Meyer偶然在1986年构造出一个真正的小波基，彼时，I.Daubeichies提出了正交小波基^[6]，小波研究在此时达到了高潮。1988年，Mallat提出了MRA，并与他人一起在1992年提出了基于信号奇异性的信号和图像多尺度边缘表示法^[7]；Xu Yansun在1994年提出了一种基于信号尺度间相关性，基于空域相关信号去噪算法；1995年，D.L.Donoho和I.M.Johnstone等人提出了小波阈值去噪^[8]；2000年，Chang等人提出了一种空域自适应小波阈值信号去噪法，结合了自适应阈值^[9][10]和平移不变小波信号增强^[4]的思想；G.Antonini和A.Orlandi在2001年提出了小波包去噪法。到目前为止，最常用的语音去噪算法是小波阈值去噪法。

请支付后下载全文，论文总字数：23676字