[发明专利]一种经验模态分解和小波阈值去噪相结合的语音增强方法

权利要求书

1.一种经验模态分解和小波阈值去噪相结合的语音增强方法，其特征在于：包括以下步骤：

步骤S1：对语音信号y(t)进行经验模态分解，得到N个IMF分量；

步骤S2：计算各IMF分量与y(t)的互相关系数，把互相关系数低于设定阈值的IMF分量当作虚假分量去除；

步骤S3：计算剩余IMF分量的自相关函数；

步骤S4：根据步骤S3中自相关函数的图谱，确定噪声主导IMF分量与信号主导IMF分量的分界点K；

步骤S5：对所有噪声主导的IMF分量进行小波阈值去噪；

步骤S6：用信号主导IMF分量与经过小波阈值去噪后的噪声主导IMF分量重构语音信号，获得增强后的语音信号；

其中，步骤S4具体包括以下步骤：

步骤S41：画出IMF分量自相关图谱；

步骤S42：根据语音信号与噪声信号不同的自相关特性，图谱出现明显波峰，且峰值变化平缓的IMF分量即为分界点K，该分界点及其前面的IMF为噪声主导IMF分量，该分界点后面的IMF为信号主导IMF分量；

其中，步骤S2中，所述设定阈值为各IMF分量与y(t)的互相关系数中最大值的1/15。

2.根据权利要求1所述的一种经验模态分解和小波阈值去噪相结合的语音增强方法，其特征在于：步骤S1中，采用下式对语音信号y(t)进行经验模态分解：

式中，N为IMF分量的阶数，r_N(t)为最终残差。

3.根据权利要求1所述的一种经验模态分解和小波阈值去噪相结合的语音增强方法，其特征在于：步骤S2中，互相关系数ρ_g的计算采用下式：

式中，R为信号长度，N为IMF分量的阶数，n表示采样点。

4.根据权利要求1所述的一种经验模态分解和小波阈值去噪相结合的语音增强方法，其特征在于：步骤S3中，自相关函数R(ω)的计算采用下式：

R(ω)＝E[IMF_i(t)*IMF_i(t+ω)]；

式中，ω为时间差，*为卷积，E表示期望值。

5.根据权利要求1所述的一种经验模态分解和小波阈值去噪相结合的语音增强方法，其特征在于：步骤S5具体包括以下步骤：

步骤S51：首先将信号进行离散小波变换，得到一组小波系数：

式中，f(t)代表离散信号，Θ_j,k(t)代表离散小波函数，j代表小波尺度变量，k代表位移变量；

步骤S52：对w_j,k进行阈值处理得到新的小波系数其中采用的阈值函数为：

式中，λ为给定阈值，w、a₀、a₁、b₀和β都是系数；

步骤S53：做小波反变换，得到去噪后的信号：

式中，c是一个与信号无关的常数。