語音信號的降噪研究

姚萍萍+何恩南

摘 要：近年來我國通信技術發展非常迅速，各種先進的通信設備更迭頻繁，為社交溝通和交流帶來了數次變革。為保證語音通信質量，語音信號的降噪處理日益得到人們更為廣泛的關注。語音信號在編碼、傳輸環節會受到各種噪聲的污染，不利于語音信號的識別，為此，需要運用專門的處理技術進行降噪處理，以提高語音清晰度與質量。本文在給出含噪去噪模型的基礎上，介紹了小波與EMD降噪理論，通過仿真對降噪結果進行分析，為提高語音信號降噪效果提供一些參考。

關鍵詞：語音信號 降噪 研究

1.引言

隨著社會發展，人們的生產生活對語音信號質量不斷提出更高要求，而語音信號傳輸過程中不可避免的要受到噪聲污染，因此，加強語音信號降噪研究，對改善語音信號質量，提高語音信號清晰度，具有重要的現實意義。語音信號降噪時需先將其變換到臨時的域中，對語音信號進行降噪處理再進行恢復，變換的關鍵在于實現語音信號與噪聲信號的良好分離。這種變化的實現需要借助專門的技術如小波變換、經驗模態分解（EMD）以及短時傅里葉變換等，其中小波變換具有多尺度、多分辨率等優點，在語音降噪中效果明顯。EMD降噪的實現原理主要是借助其濾波特性，其中閥值法和尺度濾波法是常用的降噪方法。

2.含噪聲信號去噪模型

語音的產生是隨機的，具有非平穩性、時變性特點。眾所周知，語音信號傳輸需進行編碼處理，并通過介質完成傳輸的整個過程，期間受多種因素影響形成多種類型的噪聲，與干凈的語音信號進行疊加，給語音信號造成干擾，由此便得出含噪聲信號的去噪模型：干凈的語音信號f（t）與噪聲n（t）疊加形成的x（t），并經過語音增強系統處理得到含有噪聲語音信號y（t），其中這里的噪聲為高斯白噪聲，方差為σ，服從正態分布N（0，σ2），表達式為：x（t）=n（t）+f（t）。

3.兩種降噪理論分析

3.1小波降噪

為此，人們提出一種基于幅度的閥值去噪方法，即，在小波域中語音信號能量較為集中，主要存在幾個系數中，而這個幾個系數是有限的。與語音信號不同的是噪聲信號分布較為廣泛，涵蓋整個小波域。信號進行小波分解處理后，語音信號的小波變換系數較噪聲的大，由此便可確定一閥值用于判斷系數的影響因素。當小波系數較閥值小時，噪聲是影響小波系數的主要因素，反之，是語音信號影響小波系數，因此，確定合理的閥值，便可達到語音信號去噪的目的。

在確定閥值時，軟閥值函數、硬閥值函數應用比較普遍，其中前者具有平滑性、續性特點，當小波系數較高時，進行閥值處理后的小波系數和原始語音小波系數之間存在誤差，影響重構語音信號質量；后者在保持邊緣特性上效果較好，但受整體不連續性影響，降噪處理后的語音信號會引入新的噪聲。為保證降噪質量，在對軟閥值函數進行分析的基礎上，提高函數的階次，形成新的閥值函數：

其中公式a的取值在0～1之間。

新閥值函數在其他閥值不連續的點可平滑過渡，并且在小于閥值范圍內保留相關信號。

3.2EMD降噪

EMD降噪的實現主要通過自適應產生IMF分量將原始信號替代掉，其不積分、不應用窗函數，高校、直接，在語音降噪上效果顯著。

EMD降噪的實現基于其算法理論，該理論本質上屬于逐漸篩分的過程，通過篩分將語音信號分解成多個基本模態分量以及一個余項，即：

經EMD分解處理后的IMF頻率、時間尺度分別為從高到低、從小到大。但是噪聲能量主要集中在高頻位置，因此，噪聲在前幾個IMF分量中較為集中，而語音信號能量主要集中在低頻部分的IMF分量中，不需要處理所有分量。在綜合分析EMD濾波特性的基礎上，依據相關要求合理取舍IMF即可。

利用EMD閥值進行語音信號降噪處理時，確定待處理分量需對IMF分量的平均周期關系以及能量密度進行計算，在認真分析不同IMF分量能量分布含噪置信度的基礎上，當IMF分量落在置信區間時確定為主噪IMF分量，當未落在置信區間中的主信IMF分量。與置信區間距離較遠的分量信號具有較高的信任度。將主噪分量置零，使用閥值函數處理主信分量，得到ci和余項rn。

4.仿真與結果分析

為了解兩種降噪算法的語音降噪效果，接下來進行仿真實驗，并對降噪結果進行分析。

4.1小波降噪結果分析

以通信中收集的某一語音信號為對象，使用小波對含有高斯白噪聲的語音信號進行分解處理，當信噪比達到5db時，進行三層的小波分解得到小波系數。其中噪聲標準差的估計依據第一層小波系數，新閥值函數a的值取0.8。

分析降噪語音信號處理結果可知，誤差曲線幅值未超過0.05，而且在0.15s之后誤差幅值在0.01范圍，誤差達到0.02僅出現兩處，由此可知，經降噪處理后語音信號的時域波形獲得一定程度的改善，保留了語音信號的大部分能量，不過采用小波閥值法進行降噪，丟失部分高頻能量，語音有所失真。

4.2EMD降噪結果分析

使用EMD對語音信號進行降噪處理，經過十次的迭代得到IMF分量十個、余項一個。對信噪比為5dB含噪信號進行分解處理，結果被分解成處理方便、簡單的分量，分析分量圖結論不難得出，語音信號主要集中在第三～第五的分量中，而噪聲能量主要分布在第一、第二分量中。

確定閥值處理分量時，需綜合分析不同分量的含噪狀況，本文仿真時依據白噪聲IMF分量的平均周期和能量密度關系，實現對含噪置信度的確定。計算信噪比為5dB含噪信號的IMF分量的含噪置信度得知，第一、第二分量分布線具有較小的置信度可進行置零。仿真中將新閥值函數參數的值取0.8，此時其和軟閥值較為接近，不過因新閥值具有較好的連續性，一定程度上保證了語音信號的真實度。

使用EMD閥值法即新閥值函數處理5dB信噪比的含噪信號，結果誤差曲線幅值在0.05以內，和采用小波變換處理的誤差曲線相比，誤差曲線具有較大變動，在0～0.2s中誤差最大值為0.48，在0.22s～0.33s、0.53s～0.63s誤差均為超過0.02，而在0.33d～0.5s段內最大誤差達到0.12。采用EMD分解閥值法對含噪語音信號進行處理，獲得較好的信號時域波形，不過改善均勻性不好，即，誤差幅值較平均值偏離大。

5.結論

在當前通信領域，語音信號的降噪處理是研究的熱點，本文對語音信號的降噪研究得出以下結論：

（1）語音信號的噪聲形成于語音信號形成、傳輸等相關環節，嚴重影響語音信號質量，對含有噪聲的語音信號抽象為x（t）=n（t）+f（t）這一模型。

（2）對語音信號進行降噪需借助的一定算法理論，文中主要討論了小波降噪、EMD降噪兩種理論，其中小波降噪理論需確定閥值，雖然軟閥值與硬閥值函數較為常用，但存在一定不足，為此，本文提出的新閥值函數，其不僅在不連續的點能夠平滑過渡，而且對小于閥值范圍內可實現對信號的保留。

（3）通過仿真試驗兩種算法均改善了信號的時域波形，但與小波變換相比EMD去噪因保留了部分高頻能量，語音降噪效果較好，語音信號機會無失真。

參考文獻：

[1]賴聯有，金福江，吳浩瀚.語音信號的量子隨機濾波降噪方法[J].信息與控制，2015，05：598-603.

[2]趙世明.基于小波分析的語音增強算法研究[D].安徽理工大學，2012.

[3]于海寧.時頻分析方法在語音信號降噪中的應用[D].東北師范大學，2015.

[4]朱燕平.語音信號的小波降噪[J].視聽界（廣播電視技術），2013，06：21-22.