基于小波变换的语音信号去噪及其DSP算法实现

论文摘要

小波分析是上世纪九十年代发展起来的数学分析工具,其优良的时频分析能力使得其在信号处理领域获得了空前的发展,作为小波理论的一个重要分支,近年来小波去噪理论也得到了很大的发展和应用。语音信号去噪是语音信号处理领域中一个重要的组成部分,一般都作为预处理模块存在于系统中。一直以来,人们都在宽带加性噪声的模型上进行研究,提出了各种语音去噪方法,尽管在理论上还没有完全解决语音去噪问题,但是有些方法已经实践被证明是有效的。小波分析由于能同时在时域和频域中对信号进行分析,所以它能有效地实现对语音信号的去噪。本文研究小波在语音信号去噪方面的应用,重点研究小波阈值语音去噪。目前已经提出的小波去噪方法主要有三种,模极大值去噪、空域相关滤波去噪以及小波阈值去噪法。阈值法具有计算量小、去噪效果好的特点,取得了广泛的应用。然而在阈值法中,阈值的选取直接关系到去噪效果的优劣。如果阈值选取过小,那么一部分噪声小波系数将不能被置零,从而在去噪后的信号中保留了部分噪声信息;如果阈值选的偏大,则会将一部分有用信号去掉,使得去噪后的信号丢失信息。本文重点研究了小波阈值法,针对不同的阈值函数的选取、阈值处理方法及小波函数的选取做了研究。针对阈值法中高频信号失真的缺点,我们对小尺度上的小波系数做谱减法预处理,之后以一个小阈值去除剩余噪声,大尺度上仍然利用阈值法处理。经过仿真实验表明,这种处理方法较传统的小波阈值法,保留了更多有用信号,减小了去噪后语音信号的失真。我们将仿真的算法移植到DSP平台中,利用SEED-DEC6713模块,设计实时算法,实现了谱减法、小波阈值法以及我们所提出的方法,验证了仿真效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.1.1 语音去噪的意义
• 1.1.2 语音去噪的发展现状
• 1.2 小波分析的发展和应用
• 1.2.1 小波分析的发展
• 1.2.2 小波分析的应用
• 1.3 小波分析在语音信号去噪方面的应用
• 1.4 课题研究内容
• 第2章 小波变换理论
• 2.1 常用的信号分析方法
• 2.1.1 傅立叶变换
• 2.1.2 短时傅立叶变换
• 2.1.3 小波变换
• 2.1.4 傅立叶变换与小波变换的比较
• 2.2 小波分析基本理论
• 2.2.1 连续小波变换
• 2.2.2 离散小波变换
• 2.2.3 二进小波变换
• 2.3 多分辨分析与Mallat算法
• 2.3.1 多分辨率分析
• 2.3.2 Mallat算法
• 2.3.3 Mallat算法的频带分解的特点
• 2.4 本章小结
• 第3章 小波去噪基本理论
• 3.1 信号和噪声在小波域各个尺度上的传播特性
• 3.2 小波基的选取
• 3.3 小波域三种去噪方法
• 3.3.1 模极大值去噪
• 3.3.2 空域相关去噪
• 3.3.3 小波阈值去噪
• 3.3.4 算法比较
• 3.4 小波阈值去噪
• 3.4.1 通用阈值法（sqtwolog原理）
• 3.4.2 无偏风险阈值法（rigrsure原理）
• 3.4.3 启发式阈值法（heursure原理）
• 3.4.4 极大极小准则（sqtwolog原理）
• 3.5 小波阈值处理方法
• 3.6 本章小结
• 第4章 基于小波变换的语音信号去噪
• 4.1 语音信号特性与噪声特性
• 4.1.1 语音信号特性
• 4.1.2 语谱图
• 4.1.3 噪声特性
• 4.2 语音去噪效果评价
• 4.3 谱减法
• 4.3.1 传统的谱减法
• 4.3.2 改进的谱减法
• 4.4 小波阈值法语音去噪仿真实验
• 4.4.1 不同小波基的比较
• 4.4.2 不同阈值处理方法的比较
• 4.4.3 不同阈值选取方法的比较
• 4.4.4 小波阈值法总结
• 4.5 小波阈值法与谱减法相结合的语音去噪
• 4.5.1 小波阈值法的缺点
• 4.5.2 利用谱减法预处理的小波阈值去噪
• 4.6 本章小结
• 第5章 语音去噪算法的DSP实时实现
• 5.1 SEED-DEC6713 概述
• 5.1.1 DSP概述
• 5.1.2 TMS320C6713
• 5.1.3 SEED-DEC6713
• 5.2 语音信号采集
• 5.3 语音信号实时处理方法
• 5.3.1 C6713 EDMA介绍
• 5.3.2 PING-PONG双缓冲结构
• 5.3.3 实时程序流程
• 5.4 算法流程
• 5.5 程序调试与处理结果
• 5.6 本章小结
• 结论
• 参考文献
• 致谢