基于小波变换的噪声抑制

科技前沿　基于小波变换的噪声抑制　郑　丹　（内江铁路机械学校，四川成都６１１７３２）　摘　要：近年来，小波理论发展迅速，实际应用也非常广泛，运用小波去噪的方法对噪声进行抑制，以提高说话人系统在　噪声坏境下的顽健性，使说话人识别系统的成果走出实验室，得到实际应用，本文简单说明基于小渡变换的噪声抑制的思想　和方法，以提高语音识别系统实用性能，这也是未来说话人识别系统研究的重要方向之一。　关键词：小波变换；语音识别；信噪分离　中图分类号：０４２２．８　文献标识码：Ａ　０　引言　寻找并利用有效的去噪方法是提高系统实用性能的关　键技术，但在一般的实验室，其特定的系统却几乎不曾把噪　声考虑到整个实验当中。可在现实生活中，噪声却是处处存　在。再说，在实验室进行研究的过程中，说话人系统的集合一　般都在可控范围内，而且都是比较小的。反之，在现实生活　中，说话人的集合却被要求尽可能地放大。由此看来，系统的　执行效率和识别率会随着说话人集合的扩大而下降，而且下　降的速度与说话人集合的大小形成正比。综上所述，研究小　波去噪以提高语音识别系统在变化环境下的系统性能具有　重要意义。　１　小波去燥的理论基础　噪声和信号在其各自的频带（即尺度）上的小波谱均有　着不一样的表现。根据这个特点，便可根据各频带上的小波　谱的分量，确定哪些小波谱是由噪声产生，哪些噪声小波谱　在整个频带上起着主导作用。同时，综合上述的判别方法，去　掉这部分小波谱，就能把原信号的小波谱保留下来。我们可　以把这个过程称作小波谱的重构或者还原，也是小波去燥的　理论基础。与此同时，参照小波变换重构的算法，便可还原出　原信号。可见，如何有效将噪声产生的小波谱分量过滤掉是　小波去燥的关键所在。　一般来说，传统的线性滤波方法难以兼顾在保护信号局　部特征的同时，也能有效抑制噪声。为此，可利用小波变换时　频局部化和选择灵活化的两大特点，制作出解决传统的线性　滤波方法的局限性的有效工具。而利用阈值的小波域语音增　强算法便是其中一个较具潜力的算法。由此可知，小波去噪　便是简单地利用小波系数的阈值，并在此基础上加以延伸　的。举个例子，若是把噪声的小波系数和其他目标信号均框　定在小波阈值的范围内，则难以分辨出清音段中的语音和噪　音。若是使用相同的阈值处理所有的噪声，在这种特定的环　境下，则会把附加的噪声也一并压缩了。同时，也使得像清音　一类的语音被压缩了。在此过程中过滤掉的语音在感知上和　质量上都会大打折扣。从上述可知，有效结合小波变换和其　他信号处理方法，是提高系统鲁棒性的有效途径。　２不同信噪比下语音加噪　取４０ｄＢ、３０ｄＢ、２５ｄＢ、１５ｄＢ、１０ｄＢ五种信噪比下对原始语　音进行加噪。　２．１验证性程序　ｌｏａｄ（　路径　）　ｓ＝ａｗｇｎ（ｓ，ＳＮＲ）；　２．２仿真分析　文章编号：１６７３—１０６９（２０１７）０６—１６４—２　以信噪比ＳＮＲ为２５ｄＢ时为例，进行仿真，绘制信号波　形图见图１。　图１　说话人１原始语音和加噪语音波形图　３不同小波对语音去噪　分别采用小波ｄｂｌ、ｄｂ７、ｓｙｍ２、ｄｂ５对加噪语音进行去　噪。　说话人集合由２０个说话人组成，其中包括男１０人，女　１Ｏ人，语音在安静的室内环境下，用Ｍａｔｌａｂ程序录制，每个　说话人包含２个四字成语，总共八个字，语音长度３．６ｓ，每人　录制相同八字词语两遍，分别存放在文件夹ｔｒａｉｎ和文件夹　ｔｅｓｔ中，用于训练和识别。然后在不同信噪比下对原始语音　进行加噪处理，再对加噪语音采用不同的小波去噪处理，产　生一系列的语音。　训练与测试的验证性程序为：　ｔｒａｉｎｄｉｒ＝（　路径，）．　ｔｅｓｔｄｉｒ＝（　路径　ｎ＝２０；　ｃｏｄｅ＝ｔｒａｉｎ（ｔｒａｉｎｄｉｒ，ｎ）；　ｔｅｓｔ（ｔｅｓｔｄｉｒ，ｎ，ｃｏｄｅ）　①训练语音：原始语音ｔｒａｉｎ，测试语音：原始语音ｔｅｓｔ，程　序运行结果为２０人的训练与测试语音均匹配，表明原始语　音的误识别率为Ｏ％。　②训练语音：原始语音ｔｒａｉｎ，测试语音：不同信噪比下　ｆ信噪比分别为４０ｄＢ、３０ｄＢ、２５ｄＢ、１５ｄＢ、ＩＯｄＢ）￣Ｓ噪语音ｔｅｓｔ。　例如：当加噪语音信噪比为４０ｄＢ时，程序运行结果为　２０人的训练与测试语音中，５人匹配，１５人不匹配，可得误　识别率为７５％。　用同样的方法可仿真出其他几种信噪比（３０ｄＢ、２５ｄＢ、　１５ｄＢ、ｌＯｄＢ）下的识别结果，得到误识别率都为９５％。　结果分析：当语音未增强时，误识别率较高。语音增强　・１６４・　科技前沿　人工神经网络发展现状综述　王　广　（北京国华恒源科技开发有限公司，北京１００１２３）　摘　要：人工神经网络是２０世纪８０年代以来人工智能领域兴起的研究热点，本文基于有监督和无监督学习将神经网　络分为前馈神经网络和递归神经网络，详细分析了两类神经网络的特点，综述了两类神经网络的现状，根据各自的特点指出　了解决收敛较慢且容易陷入局部极小问题的有效方法。　关键词：人工神经网络；前馈神经网络；递归神经网络　中图分类号：ＴＰ１８３　文献标识码：Ａ　文章编号：１６７３—１０６９（２０１７）０６—１６５—２　值和阈值的过程，其学习可以分成三类，即有监督学习　Ｓｕｐｅｒｖｉｓｅｄ　ｌｅａｒｎｉｎｇ），无监督学习ｆＵｎｓｕｐｅｖｉｒｓｅｄ　ｌｅａｒｎｉｎｇ）和强　人工神经网络ｆＡｒｔｉｉｆｃｉａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ，ＡＮＮ）是由大量　（Ｒｅｉｎｆｏｒｃｅｍｅｎｔ　ｌｅａｒｎｉｎｇ），本文基于有监督和无监督学　处理单元互联组成的非线性、自适应信息处理系统。它是在　化学习ｆ１　绪论　　现代神经科学研究成果的基础上提出的，试图通过模拟大脑　习进行分类，分别分析了前馈神经网络的特点及研究现状、　神经网络处理、记忆信息的方式进行信息处理。ＡＮＮ通过模　递归神经网络的特点及研究现状。仿人类大脑的结构和功能，并借鉴生物神经科学的研究成　２前馈神经网络　果，实现对信息的处理，是一种新兴的交叉学科，不但推动了　２．１　前馈神经网络的特点　智能化计算的应用和发展，同时也为信息科学和神经生物学　前馈神经网络的主要种类包括：感知器，线性神经网络，　的研究方法带来性的变化，现已成功应用于脑科学，认　ＢＰ网络，径向基网络（ＲＢＦ）等。其训练算法主要采用梯度下　知科学，模式识别，智能控制，计算机科学等多个领域。　降法（Ｇｒａｄｉｅｎｔ　ｄｅｓｃｅｎｔ），包括：误差反向传播算法ｆＢａｃｋ　在实际应用中，人工神经网络的选取通常包括适当的神　Ｐｒｏｐａｇａｔｉｏｎ，ＢＰ），改进的ＢＰ算法，Ｌｅｖｅｎｂｅｒｇ—Ｍａｒｑｕａｒｄｔ法　经网络模型，合理的网络结构及快速有效的网络参数训练算　（ＬＭ）等。前馈神经网络具有学习简单，收敛较快等优点，因此　法…。而针对某一特定网络模型，ＡＮＮ的研究主要集中在结　在实际应用中，一般选取三层或以上的网络结构，神经网络　构的调整和训练算法的改进两个方面。所谓神经网络训练，　的任意逼近定理指出，训练合适的多层前馈神经网络能够以　也就是网络参数的学习和调整，是一个反复调节节点之间权　任意精度逼近任意连续函数ｆ２］。当网络结构已知的情况下，　后，随着信噪比减少，误识别率上升，但当信噪比为３０ｄＢ、　实验结果分析：在理想的纯净语音环境下对话语进行识　２５ｄＢ、１５ｄＢ及ｌＯｄＢ时，它们的识别率没有较大区别，误识别　别（特征参数为ＭＦＣＣ），其识别率可高达１００％，当训练语音　率都很高。这说明在低信噪比下，系统误识别率很高，噪声对　为原始语音，测试语音为加噪语音时，测试结果误识别率较　系统的识别率影响很大。　高。当训练语音与测试语音都为去噪语音时，当信噪比为　③训练语音：去噪语音ｔｒａｉｎ，测试语音：不同小波（ｄｂｌ、　４０ｄＢ时，误识别率较低，随着信噪比的减少，误识别率明显　ｄｂ７、ｓｙｍ２、ｄｂ５）去噪后的（信噪比分别为４０ｄＢ、３０ｄＢ、２５ｄＢ、　升高。由此看来，我们提出的小波去噪的方法对提高识别率　１５ｄＢ、ｌＯｄＢ）去噪语音ｔｅｓｔ。　并没有起到较大的作用。不过，现实生活中噪声无处不在，但　实验结论显示，与此前传统的去噪方法相比，就如何有效　例如：当用小波ｄｂｌ对信噪比为４０ｄＢ的加噪语音去噪　却能通过上述方法有效去噪。可见，其实用价值不容忽视。　时，程序运行结果为２０人的训练与测试语音均匹配，可得误　识别率为０％。　增强语音，小波变换有着以下的优势：①将小波变换应用于低　用同样的方法可仿真出其它几种小波去噪后的识别结　信噪比的去噪，其效果较能得到体现。同时，去噪后，不但能够　果，列出表格见表１。　提高语音的识别率，也为实际的应用带来了更大的便利。②对　表１　不同小波去噪后的识别结果一误识别率　于消除时变信号和突变信号的噪声，小波变换便是最理想的　方法之一。同时，与传统的去噪方法相较之下，这种去噪方法　１０　＼信噪比（ｄＢ）　ｃｌｅａｎ　、　小波类型＼　＼＼　４０　０％　１５％　１Ｏ％　５％　３０　２５％　２５％　３Ｏ％　３０％　２５　５５％　５０％　６０％　５５％　ｌ５　的实用性较高，是传统的去噪方法所不能相提并论的。　４总结　ｄｂ１　ｄｂ７　ｓｙｍ２　ｄｂ５　Ｏ％　Ｏ％　０％　０％　８５％　８５％　８５％　９Ｏ％　８０％　９０％　６５％　９０％　综合上述的论述，小波变换作为滤波一种新方法，能将　语音信号中非平稳的信号得以有效过滤。同时，随着对小波　去燥的不断深入实践探究，对其理论的完善和实际的应用也　有着很大的帮助。最后，结合实践探究得出的结论，便可将小　结果分析：用小波去噪的语音，当加噪去噪时取用较高　波去燥广泛应用到生活当中。　的信噪比，识别率较好，随着信噪比的降低，误识别率在升　高。语音增强后的测试结果比干净语音的测试结果差。各种　参考文献　年５月第二版．　小波去噪的效果不是很好，相比较而言，采用小波ｄｂｌ去噪　［１］　胡航．语音信号处理【Ｍ］．哈尔滨工业大学出版社，２００２　效果稍微更好，但效果也不是很显著。　・１６５・