语音信号的降噪研究

姚萍萍+何恩南

摘 要：近年来我国通信技术发展非常迅速，各种先进的通信设备更迭频繁，为社交沟通和交流带来了数次变革。为保证语音通信质量，语音信号的降噪处理日益得到人们更为广泛的关注。语音信号在编码、传输环节会受到各种噪声的污染，不利于语音信号的识别，为此，需要运用专门的处理技术进行降噪处理，以提高语音清晰度与质量。本文在给出含噪去噪模型的基础上，介绍了小波与EMD降噪理论，通过仿真对降噪结果进行分析，为提高语音信号降噪效果提供一些参考。

关键词：语音信号 降噪 研究

1.引言

随着社会发展，人们的生产生活对语音信号质量不断提出更高要求，而语音信号传输过程中不可避免的要受到噪声污染，因此，加强语音信号降噪研究，对改善语音信号质量，提高语音信号清晰度，具有重要的现实意义。语音信号降噪时需先将其变换到临时的域中，对语音信号进行降噪处理再进行恢复，变换的关键在于实现语音信号与噪声信号的良好分离。这种变化的实现需要借助专门的技术如小波变换、经验模态分解（EMD）以及短时傅里叶变换等，其中小波变换具有多尺度、多分辨率等优点，在语音降噪中效果明显。EMD降噪的实现原理主要是借助其滤波特性，其中阀值法和尺度滤波法是常用的降噪方法。

2.含噪声信号去噪模型

语音的产生是随机的，具有非平稳性、时变性特点。众所周知，语音信号传输需进行编码处理，并通过介质完成传输的整个过程，期间受多种因素影响形成多种类型的噪声，与干净的语音信号进行叠加，给语音信号造成干扰，由此便得出含噪声信号的去噪模型：干净的语音信号f（t）与噪声n（t）叠加形成的x（t），并经过语音增强系统处理得到含有噪声语音信号y（t），其中这里的噪声为高斯白噪声，方差为σ，服从正态分布N（0，σ2），表达式为：x（t）=n（t）+f（t）。

3.两种降噪理论分析

3.1小波降噪

为此，人们提出一种基于幅度的阀值去噪方法，即，在小波域中语音信号能量较为集中，主要存在几个系数中，而这个几个系数是有限的。与语音信号不同的是噪声信号分布较为广泛，涵盖整个小波域。信号进行小波分解处理后，语音信号的小波变换系数较噪声的大，由此便可确定一阀值用于判断系数的影响因素。当小波系数较阀值小时，噪声是影响小波系数的主要因素，反之，是语音信号影响小波系数，因此，确定合理的阀值，便可达到语音信号去噪的目的。

在确定阀值时，软阀值函数、硬阀值函数应用比较普遍，其中前者具有平滑性、续性特点，当小波系数较高时，进行阀值处理后的小波系数和原始语音小波系数之间存在误差，影响重构语音信号质量；后者在保持边缘特性上效果较好，但受整体不连续性影响，降噪处理后的语音信号会引入新的噪声。为保证降噪质量，在对软阀值函数进行分析的基础上，提高函数的阶次，形成新的阀值函数：

其中公式a的取值在0～1之间。

新阀值函数在其他阀值不连续的点可平滑过渡，并且在小于阀值范围内保留相关信号。

3.2EMD降噪

EMD降噪的实现主要通过自适应产生IMF分量将原始信号替代掉，其不积分、不应用窗函数，高校、直接，在语音降噪上效果显著。

EMD降噪的实现基于其算法理论，该理论本质上属于逐渐筛分的过程，通过筛分将语音信号分解成多个基本模态分量以及一个余项，即：

经EMD分解处理后的IMF频率、时间尺度分别为从高到低、从小到大。但是噪声能量主要集中在高频位置，因此，噪声在前几个IMF分量中较为集中，而语音信号能量主要集中在低频部分的IMF分量中，不需要处理所有分量。在综合分析EMD滤波特性的基础上，依据相关要求合理取舍IMF即可。

利用EMD阀值进行语音信号降噪处理时，确定待处理分量需对IMF分量的平均周期关系以及能量密度进行计算，在认真分析不同IMF分量能量分布含噪置信度的基础上，当IMF分量落在置信区间时确定为主噪IMF分量，当未落在置信区间中的主信IMF分量。与置信区间距离较远的分量信号具有较高的信任度。将主噪分量置零，使用阀值函数处理主信分量，得到ci和余项rn。

4.仿真与结果分析

为了解两种降噪算法的语音降噪效果，接下来进行仿真实验，并对降噪结果进行分析。

4.1小波降噪结果分析

以通信中收集的某一语音信号为对象，使用小波对含有高斯白噪声的语音信号进行分解处理，当信噪比达到5db时，进行三层的小波分解得到小波系数。其中噪声标准差的估计依据第一层小波系数，新阀值函数a的值取0.8。

分析降噪语音信号处理结果可知，误差曲线幅值未超过0.05，而且在0.15s之后误差幅值在0.01范围，误差达到0.02仅出现两处，由此可知，经降噪处理后语音信号的时域波形获得一定程度的改善，保留了语音信号的大部分能量，不过采用小波阀值法进行降噪，丢失部分高频能量，语音有所失真。

4.2EMD降噪结果分析

使用EMD对语音信号进行降噪处理，经过十次的迭代得到IMF分量十个、余项一个。对信噪比为5dB含噪信号进行分解处理，结果被分解成处理方便、简单的分量，分析分量图结论不难得出，语音信号主要集中在第三～第五的分量中，而噪声能量主要分布在第一、第二分量中。

确定阀值处理分量时，需综合分析不同分量的含噪状况，本文仿真时依据白噪声IMF分量的平均周期和能量密度关系，实现对含噪置信度的确定。计算信噪比为5dB含噪信号的IMF分量的含噪置信度得知，第一、第二分量分布线具有较小的置信度可进行置零。仿真中将新阀值函数参数的值取0.8，此时其和软阀值较为接近，不过因新阀值具有较好的连续性，一定程度上保证了语音信号的真实度。

使用EMD阀值法即新阀值函数处理5dB信噪比的含噪信号，结果误差曲线幅值在0.05以内，和采用小波变换处理的误差曲线相比，误差曲线具有较大变动，在0～0.2s中误差最大值为0.48，在0.22s～0.33s、0.53s～0.63s误差均为超过0.02，而在0.33d～0.5s段内最大误差达到0.12。采用EMD分解阀值法对含噪语音信号进行处理，获得较好的信号时域波形，不过改善均匀性不好，即，误差幅值较平均值偏离大。

5.结论

在当前通信领域，语音信号的降噪处理是研究的热点，本文对语音信号的降噪研究得出以下结论：

（1）语音信号的噪声形成于语音信号形成、传输等相关环节，严重影响语音信号质量，对含有噪声的语音信号抽象为x（t）=n（t）+f（t）这一模型。

（2）对语音信号进行降噪需借助的一定算法理论，文中主要讨论了小波降噪、EMD降噪两种理论，其中小波降噪理论需确定阀值，虽然软阀值与硬阀值函数较为常用，但存在一定不足，为此，本文提出的新阀值函数，其不仅在不连续的点能够平滑过渡，而且对小于阀值范围内可实现对信号的保留。

（3）通过仿真试验两种算法均改善了信号的时域波形，但与小波变换相比EMD去噪因保留了部分高频能量，语音降噪效果较好，语音信号机会无失真。

参考文献：

[1]赖联有，金福江，吴浩瀚.语音信号的量子随机滤波降噪方法[J].信息与控制，2015，05：598-603.

[2]赵世明.基于小波分析的语音增强算法研究[D].安徽理工大学，2012.

[3]于海宁.时频分析方法在语音信号降噪中的应用[D].东北师范大学，2015.

[4]朱燕平.语音信号的小波降噪[J].视听界（广播电视技术），2013，06：21-22.