[发明专利]基于小波变换的语音去噪装置及方法

说明书

技术领域

    本发明涉及一种基于小波变换的语音去噪装置及方法。

背景技术

人们在语音通信过程中不可避免的会受到来自外界的干扰，语音去噪是有效解决这一问题的手段，它的一个重要的目的是从带噪声的语音信号中提取尽可能纯净的原始语音信号。

现有技术中，1978年Lira和Oppenheim提出了语音增强的维纳滤波方法，1979年Boll提出了谱相减法来抑制噪声，1980年Maulay和Malpass提出了软判决噪声抑制方法，Ephaim等人提出了语音短时谱幅度(SATA)的最小均方差(MMSE)估计法。90年代以后，短时谱幅度的最小均方误差估计法继续得到改进，同时Ephaim等人提出了隐马尔可夫模型框架下(HMM)的语音增强算法，基于神经网络和小波变换的新方法也相继出现，基于信号子空间方法和人耳听觉掩蔽效应的方法开始被广泛研究，同时，数学形态学和独立分量分析的方法也开始受到重视。

小波分析是泛函分析、Fourier分析、样条分析、调和分析、数值分析的最完美结晶。在应用领域，特别是在信号处理、图像处理、语音分析以及众多非线性科学领域，它被认为是继Fourier分析之后又一有效的时频分析方法。运用小波分析进行信号增强处理是小波分析的重要应用之一。斯坦福大学的D. L. Dohono和M. Johnstone等人于1995年提出了小波域阈值信号增强算法，推导出了计算通用阈值的公式，并从理论上证明了该值是最优的，由于这种方法简单有效，而成为目前研究最广泛的方法，随后，D. L. Dohono和 I. M. Johnstone继续对此方法进行较深入的理论研究，并取得了大量研究成果:德克萨斯大学Xiaoping Zhang. M. D.Desai等也对此方法作了进一步的研究和应用。

但是，现有技术中小波变换的语音去噪还有两个关键的问题需要处理：一是如何选取合适的小波基和小波的分解层数；二是小波去噪中阈值的选取问题。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于小波变换的语音去噪装置及方法,它具有有效去除语音噪声的优点。

为了实现上述目的，本发明采用如下技术方案：

一种基于小波变换的语音去噪装置，包括依次连接的语音采集装置、预处理装置、小波变换装置和信号输出装置。

上述一种基于小波变换的语音去噪装置中小波变换装置所采用的工作方法，主要分为以下几个步骤：

步骤一：对带噪声的小波进行小波变换，得到各个尺度上的小波系数；

步骤二：对各个尺度小波系数进行软或硬阈值函数处理，得到原始信号小波系数的估计值；

步骤三：利用处理后的小波系数通过小波反变换得到去噪后的信号。

本发明的有益效果：采用小波分析既能够分析信号的全貌，又可以分析信号的细节，能够有效的抑制噪声并且减少语音段信息的损失，这对以后的语音去噪算法的研究有着重要的意义，能够有效去除语音噪声，达到恢复原始语音信号的目的。

附图说明

图1为本发明的装置示意图；

图2为本发明的工作流程图；

其中，1、语音采集装置，2、预处理装置，3、小波变换装置，4、信号输出装置。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

如图1所示，一种基于小波变换的语音去噪装置，包括依次连接的语音采集装置1、预处理装置2、小波变换装置3和信号输出装置4。

如图2所示，上述装置中小波变换装置3所采用的工作方法，主要分为以下几个步骤：

步骤一：对带噪声的小波进行小波变换，得到各个尺度上的小波系数；

步骤二：对各个尺度小波系数进行软或硬阈值函数处理，得到原始信号小波系数的估计值；

步骤三：利用处理后的小波系数通过小波反变换得到去噪后的信号。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。