[发明专利]一种基于小波变换和变步长最小均方算法的语音降噪方法

摘要

本发明涉及一种基于小波变换和变步长最小均方算法的语音降噪方法，技术特征在于：利用小波的时-频局部特性，减小自适应滤波器输入向量自相关阵特征值的分散程度，增加算法的步长因子；同时，通过建立步长因子与误差信号之间的非线性函数关系，使步长因子在初始阶段和时变阶段自适应增大，在稳态阶段自适应减小，这样既可保证较快的收敛速度和较小的失调，同时又具有一定的鲁棒性和抗噪性，因此，将小波变换和变步长最小均方算法相结合，可以得到更好的降噪效果。

主权项

1.一种基于小波变换和变步长最小均方算法的语音主动降噪方法，其特征在于：步骤1预处理：对误差传感器输入端的含噪语音信号和参考传感器输入端的参考噪声信号分别进行离散采样和线性量化，然后利用汉明窗进行分帧处理，每帧P个采样点，帧间重叠Q个采样点，得到预处理后的N帧含噪语音信号d(m，n)和参考噪声信号x(m，n)；其中：m为含噪语音信号和参考噪声信号的帧号，m＝1，2，…，N；n为采样点在当前帧中所处的位置，n＝1，2，…，P；步骤2小波变换：利用Mallat算法对预处理后的每一帧参考噪声信号分别进行小波变换，对预处理后的第m帧参考噪声信号进行小波变换得到小波变换系数其中：L^m为预处理后的第m帧的参考噪声信号的低频子带信号，为预处理后的第m帧的参考噪声信号在尺度t下的高频子带信号；t为小波变换的分解尺度，1≤t≤4；步骤3自适应滤波：利用变步长最小均方算法对低频子带信号L^m和高频子带信号分别进行自适应滤波，得到低频子带信号L^mF和高频子带信号所述的自适应滤波的模型为：其中：上标m表示预处理后的含噪语音信号和参考噪声信号的帧号，m＝1，2，…，N；下标n表示采样点在当前帧中所处的位置，P-Q+1≤n≤P；L包括下标L表示自适应滤波器的阶数，L≥2；F表示自适应滤波器参考传感器输入端的输入信号矢量，其大小为L×1；I^m表示输入端低频子带信号L^m或高频子带信号上标T表示向量的转置；W表示自适应滤波器的权系数矢量，其大小为L×1；表示第m帧语音、第i阶的自适应滤波器的权系数，i＝1，2，…，L；Y表示自适应滤波器的输出；E表示自适应滤波器的误差信号；d表示自适应滤波器误差传感器输入端的输入信号；(m，n)表示语音信号中采样点的位置为第m帧第n点；μ为变步长最小均方算法的步长因子；exp表示指数函数；β为μ的放大系数，β＞0；α为外指数函数的衰减系数，α＞0；γ为内指数函数的衰减系数，γ≥1；P表示每一帧的总采样点数；Q表示相邻两帧间重叠的采样点数；步骤4小波重构：将自适应滤波处理后得到的低频子带信号L^mF和高频子带信号进行小波重构，得到自适应滤波器的输出y(m，n)；所述的P-Q+1≤n≤P；步骤5降噪输出：将预处理后的每一帧含噪语音信号d(m，n)减去与之对应的小波重构后的输出信号y(m，n)，得到降噪后的语音e(m，n)＝d(m，n)-y(m，n)。