集成電路設(shè)計(jì)與集成系統(tǒng)畢業(yè)論文范文預(yù)覽

1、題目：自適應(yīng)語音去噪系統(tǒng)研究 學(xué) 院 信息科學(xué)與工程 專 業(yè) 集成電路設(shè)計(jì)與集成系統(tǒng) 摘 要 隨著信息處理理論和技術(shù)的發(fā)展，濾波技術(shù)的應(yīng)用日益廣泛。傳統(tǒng)數(shù)字濾波器由于權(quán)系數(shù)固定，在實(shí)際應(yīng)用中缺乏足夠信息去計(jì)算固定系數(shù)，難以解決很多實(shí)際問題。自適應(yīng)濾波技術(shù)的出現(xiàn)克服了這一問題，其顯著特點(diǎn)是無需用戶干預(yù)即能自動(dòng)改變響應(yīng)以改善性能。因此，自適應(yīng)濾波算法的研究已成為當(dāng)前自適應(yīng)信號處理中最為活躍的研究課題之一。自適應(yīng)濾波技術(shù)包括：自適應(yīng)信道均衡、信號增強(qiáng)、自適應(yīng)噪聲抵消等。本文以研究自適應(yīng)噪聲抵消技術(shù)為目的，利用matlab仿真least mean square（lms算法）和小波閾值算法的去噪效果并進(jìn)

2、行比較?？v向方面，在不同的噪聲環(huán)境下，分別使用lms和小波閾值算法進(jìn)行去噪處理，分析兩種算法在不同的噪聲環(huán)境下的去噪效果；橫向方面，在同一噪聲環(huán)境下，分別使用lms和小波閾值兩種算法進(jìn)行去噪處理，比較兩種算法在同一噪聲環(huán)境下去噪性能的優(yōu)劣性。結(jié)果表明，本文研究的lms去噪算法的去噪效果較好，能有效抑制各種噪聲污染，提高信噪比60%75%。此外，lms算法更簡潔，對于噪聲的適應(yīng)性也比小波去噪更強(qiáng)。關(guān)鍵詞：自適應(yīng)濾波技術(shù)；自適應(yīng)噪聲抵消；lms算法；小波去噪；abstract with the development of the information processing theory and

3、 technology, filter technique is applied more and more extensively. the traditional digital filter, owing to a fixed weight coefficient which in practice lacks sufficient information to calculate, is unable to solve as many practical problems as possible. adaptive filtering technology changed this s

4、ituation. without the intervention of users, it can automatically adapt itself to improve its performance. adaptive filtering algorithm, hence, becomes one of the most attractive researches in present adaptive signal processing field. adaptive filtering technology includes adaptive channel equalizat

5、ion, signal enhancement, adaptive noise cancellation, etc. this paper aims to do research on the adaptive noise cancellation system through testing the denoising effects, processed respectively by least mean square algorithm(lms algorithm) and the wavelet threshold denoising algorithm, in matlab and

6、 then comparing the effects. vertically, in different noise environments, denoise with the two algorithms and analyse their denoising effects. horizontally, in the same noise environment, denoise separately with the two algorithms and compare their strengths and weaknesses. it turns out that the lms

7、 algorithm，which this paper targets on，has a better quality in terms of denoising effectiveness, suppression of noise pollution as well as improvement of signal-to-noise ratio of 60%75%. whats more, the lms algorithm is easier to operate and more adaptive to noise than the wavelet threshold denoisin

8、g algorithm.key words: adaptive filtering technology, adaptive noise cancellation, lms algorithm, wavelet threshold denoising algorithm 目錄第一章 緒論11.1. 語音信號處理技術(shù)概論11.2. 語音增強(qiáng)技術(shù)的發(fā)展與現(xiàn)狀21.2.1. 語音增強(qiáng)技術(shù)的意義21.2.2. 語音增強(qiáng)技術(shù)的發(fā)展31.3. 語音信號噪聲的特性41.3.1. 語音和人耳的感知特性41.3.2. 噪聲特性51.4. 課題研究的背景與意義51.5. 課題的研究結(jié)構(gòu)6第二章 幾種常用的語音增強(qiáng)

9、方法72.1. 自適應(yīng)噪聲抵消法72.2. 增減法語應(yīng)增強(qiáng)技術(shù)72.3. 基于weiner濾波器法的語音增強(qiáng)方法9第三章 自適應(yīng)語音去噪113.1. 自適應(yīng)噪聲抵消基本原理113.2. 信噪比（snr）的計(jì)算113.3. 自適應(yīng)噪聲抵消系統(tǒng)設(shè)計(jì)中應(yīng)該考慮到的影響系統(tǒng)性能的因素123.4. 基本的自適應(yīng)濾波器的算法143.4.1. lms自適應(yīng)濾波器的算法143.4.2. 基于小波去噪的自適應(yīng)濾波算法15第四章 仿真實(shí)驗(yàn)與結(jié)果分析184.1. 自適應(yīng)噪聲抵消的matlab仿真184.1.1. lms算法matlab仿真184.1.2. 小波閾值去噪的matlab仿真分析194.2. 兩種算法的對

10、比21第五章 結(jié) 論22致謝22附錄23參 考 文 獻(xiàn)38第1章 緒論1.1. 語音信號處理技術(shù)概論 語言是人類交換信息最方便、最快捷的一種方式。在這個(gè)信息化高度發(fā)達(dá)的現(xiàn)代社會(huì)，數(shù)字語音信號的傳送、存儲、識別、合成以及增強(qiáng)是現(xiàn)代信息網(wǎng)絡(luò)中極為重要的組成部分。語音信號處理與很多領(lǐng)域的知識體系都有非常密切的關(guān)系，是語音學(xué)和數(shù)字信號處理這兩個(gè)學(xué)科衍生出來的邊緣學(xué)科，隨著心理學(xué)、語言學(xué)、信息論、密碼學(xué)、模式識別以及人工智能等領(lǐng)域的不斷進(jìn)步以及電子技術(shù)的不斷發(fā)展，數(shù)字語音信號處理也開始廣泛地應(yīng)用于各個(gè)領(lǐng)域。數(shù)字語音信號處理的主要分支：1.語音合成 在傳統(tǒng)的語音播放系統(tǒng)中，如果想要使用機(jī)器播放語音信息，需

11、要事先輸入語音信號，并存儲在一個(gè)專門的語音庫中。存儲語音信號需要占用大量的硬件資源，這樣不但增加了設(shè)備的成本，而且限制了系統(tǒng)的使用規(guī)模，如果需要對系統(tǒng)進(jìn)行升級就必須擴(kuò)大語音庫。語音合成是利用機(jī)器來模擬發(fā)聲的過程，根據(jù)人體發(fā)聲器官的特性以及語音的頻譜特點(diǎn)，得到高清晰度，高流暢度的語音輸出。使用語音合成技術(shù)的好處是不需要事先進(jìn)行語音信號的錄入，只需要建立相應(yīng)的語音合成法則，將需要表達(dá)的內(nèi)容在機(jī)器內(nèi)部進(jìn)行編碼，自動(dòng)地生成相應(yīng)的語音信號。相對于傳統(tǒng)的語音播放系統(tǒng)，語音合成技術(shù)節(jié)省了資源空間并且提高了系統(tǒng)的可擴(kuò)展性。語音合成技術(shù)已經(jīng)在社會(huì)上得到了廣泛的應(yīng)用，目前已經(jīng)能夠?qū)崿F(xiàn)將文本內(nèi)容任意轉(zhuǎn)化為人類能夠識

12、別的語音信號。 張雄偉.語音信號處理m.北京，機(jī)械工業(yè)出版社，2003，26-28.隨著網(wǎng)絡(luò)化，信息化的普及，語音合成已經(jīng)成熟地運(yùn)用在自動(dòng)報(bào)站系統(tǒng)，自動(dòng)報(bào)時(shí)系統(tǒng)，短信自動(dòng)語音播放系統(tǒng)，人機(jī)交互系統(tǒng)等多個(gè)領(lǐng)域。2.語音編碼 隨著數(shù)字化和網(wǎng)絡(luò)化的普及，數(shù)字語音信號相比于傳統(tǒng)的模擬語音信號的優(yōu)點(diǎn)也越來越明顯。更強(qiáng)的抗干擾性，易于加密和存儲，易于網(wǎng)絡(luò)傳輸?shù)葍?yōu)點(diǎn)使得語音信號已經(jīng)逐漸實(shí)現(xiàn)了數(shù)字化。語音編碼是將機(jī)器釆集來的模擬語音信號按照一定規(guī)則轉(zhuǎn)化為數(shù)字信號，要求保證語音質(zhì)量并且盡量節(jié)省系統(tǒng)硬件資源。最簡單的方法就是對模擬信號進(jìn)行a/d采樣，數(shù)字語音的質(zhì)量根據(jù)釆樣率和量化精度來確定。但是，這樣簡單的編碼方

13、式會(huì)增大數(shù)據(jù)量，不便存儲和傳輸。語音編碼根據(jù)人耳的聽覺掩蔽效應(yīng)，在保證語音可懂度的情況下對信號進(jìn)行壓縮，降低語音信號的編碼速率從而更加易于存儲和處理。3.語音識別 語音識別就是通過語音和機(jī)器進(jìn)行交流，讓機(jī)器接收語音信號并通過相應(yīng)的識別算法將語音信號轉(zhuǎn)化為文本信息或者操作命令。在實(shí)際應(yīng)用中，語音識別技術(shù)具有很多優(yōu)勢。在輸入信息的時(shí)候，直接說出語音指令比通過鍵盤輸入要方便得多，語音輸入的速度和鍵盤輸入比起來也要快得多，在一些公共設(shè)施中使用語音識別技術(shù)取代鍵盤輸入可以免除鍵盤的日常維護(hù)以及消毒工作，語音識別技術(shù)使得信息輸入系統(tǒng)更加方便快捷。另外，在一些特殊的環(huán)境下，比如在高速行駛的汽車和飛機(jī)駕駛船中

14、，駕駛員的手腳都必須專注于駕駛操作，這時(shí)只能通過語音來進(jìn)行相應(yīng)的控制操作。語音識別在不同的使用環(huán)境下有著不同的要求。有的語音識別系統(tǒng)需要將接收到的語音信息逐字逐句地轉(zhuǎn)化為文本字符形式，比如聲控打字機(jī)，語音檢索系統(tǒng)，自動(dòng)翻譯系統(tǒng)以及基于廣播新聞的自動(dòng)文摘系統(tǒng)等。有的則是需要機(jī)器根據(jù)語音信號的內(nèi)容來做出相應(yīng)的響應(yīng)，并不要求每個(gè)字都正確轉(zhuǎn)化為文字形式，這樣的語音識別系統(tǒng)也有很廣泛的應(yīng)用，比如具有聲控識別功能的玩具，可以判別所屬語音種類的語種識別系統(tǒng)，基于語音的情感識別系統(tǒng)以及用于安全監(jiān)控中的聲紋識別系統(tǒng)等 李如瑋.基于小波變換的語音增強(qiáng)m.合肥，電子科學(xué)出版社，2000，32-34.。1.2. 語音

15、增強(qiáng)技術(shù)的發(fā)展與現(xiàn)狀1.2.1. 語音增強(qiáng)技術(shù)的意義隨著語音信號處理技術(shù)的不斷發(fā)展，不論是語音編碼，語音合成還是語音識別技術(shù)都在不斷的發(fā)展，實(shí)際應(yīng)用也越來越廣泛 韓紀(jì)慶等.語音信號處理m.北京：清華人學(xué)出版社,2004：2-3.。這些技術(shù)在理論研究階段都是以純凈的語音信號進(jìn)行研究和分析的。然而在實(shí)際應(yīng)用中，語音信號會(huì)不可避免的受到周圍環(huán)境的影響，很多因素都會(huì)導(dǎo)致語音信號受到噪聲的污染，比如語音信號在傳輸媒介中引入的噪聲，電子設(shè)備內(nèi)部的電噪聲，還有來自于其他音源的干擾等。這些干擾導(dǎo)致語音信號處理系統(tǒng)中使用的是非純凈的語音信號，直接使用帶有噪聲的語音信號會(huì)使系統(tǒng)的整體性能明顯降低。例如，在語音編碼

16、中建立語音生成模型時(shí)，根據(jù)帶噪語音信號提取的模型參數(shù)會(huì)帶來很大的誤差，由此重建的語音信號質(zhì)量很差。再比如，一般的語音識別系統(tǒng)在處理純凈的語音信號時(shí)會(huì)達(dá)到不錯(cuò)的效果，在現(xiàn)實(shí)使用中，直接使用帶噪語音信號進(jìn)行語音識別會(huì)使系統(tǒng)的識別率嚴(yán)重降低。因此，在很多語音處理系統(tǒng)中，為了提高系統(tǒng)的整體性能，需要事先對語音信號進(jìn)行預(yù)處理，降低噪聲對語音信號的影響。語音增強(qiáng)是提高語音質(zhì)量的一種有效方法，從受噪聲污染的語音信號中盡量分離噪聲并盡可能地還原純凈語音信號，使接收語音的人覺得語音質(zhì)量得到改善，增加語音信號的可懂性，提高語音處理系統(tǒng)的識別率和抗干擾能力。語音增強(qiáng)技術(shù)已經(jīng)發(fā)展成了數(shù)字語音信號處理的一個(gè)重要的分支，

17、廣泛地應(yīng)用在降低聽覺噪聲以及語音識別系統(tǒng)和線性預(yù)測編碼系統(tǒng)的預(yù)處理部分。1.2.2. 語音增強(qiáng)技術(shù)的發(fā)展 從上個(gè)世紀(jì)60年代至今，語音增強(qiáng)技術(shù)的發(fā)展已經(jīng)有50多年歷史了，在此期間國內(nèi)外的學(xué)者在這個(gè)領(lǐng)域上取得了巨大的研究成果 趙世明，基于小波分析的語音增強(qiáng)算法研究d.安徽理工大學(xué)碩士研究生畢業(yè)論文.2012：5-7.，語音增強(qiáng)技術(shù)也不斷地發(fā)展進(jìn)步。目前研究階段，對于語音增強(qiáng)算法的研究主要可以分為以下四類：1.參數(shù)方法 對語音信號進(jìn)行預(yù)先分析，提取語音信號的基音周期以及l(fā)pc系數(shù)等語音特征參數(shù)并建立語音信號生成模型，比如最常用的自回歸ar模型。該模型使用激勵(lì)信號通過線性時(shí)變?yōu)V波器來模擬語音信號的生

18、成，這種方法的關(guān)鍵就是根據(jù)語音特征參數(shù)對激勵(lì)信號的參數(shù)和濾波器參數(shù)進(jìn)行估計(jì)。常用的濾波器模型有梳狀濾波器，維納濾波器和卡曼濾波器等。這幾種濾波器各有優(yōu)缺點(diǎn)，要根據(jù)實(shí)際情況來選擇。參數(shù)方法的缺點(diǎn)也很明顯，一旦語音生成模型建立就只能處理特定類型的語音信號，當(dāng)噪聲信號和語音信號發(fā)生變化時(shí)，系統(tǒng)的降噪性能會(huì)急劇下降。2.非參數(shù)方法 在平穩(wěn)噪聲環(huán)境下，提取噪聲參數(shù)對含噪語音信號進(jìn)行噪聲補(bǔ)償，由于語音信號具有短時(shí)平穩(wěn)性，在穩(wěn)定的環(huán)境下使用這種方法可以取得很不錯(cuò)的效果，但不適合非平穩(wěn)的噪聲環(huán)境。由于不需要建立語音生成模型，非參數(shù)方法的使用范圍比參數(shù)方法更廣泛。具有代表性的非參數(shù)語音增強(qiáng)算法有譜減法和自適應(yīng)噪

19、聲抵消法。譜減法屬于語音短時(shí)譜估計(jì)方法的一種，在無音段提取噪聲的頻譜特性作為帶噪語音信號中的噪聲估計(jì)，將含噪語音信號的頻譜減去估計(jì)得到的噪聲頻譜得到增強(qiáng)后的語音信號。該算法不是很復(fù)雜，在實(shí)際應(yīng)用中也比較容易實(shí)現(xiàn)，缺點(diǎn)是對噪聲信號的要求很高，必須是平穩(wěn)噪聲才能得到正確的噪聲譜估計(jì)，同時(shí)在低信噪比條件下使用譜減法得到的語音信號會(huì)有嚴(yán)重的失真。自適應(yīng)噪聲抵消法使用一個(gè)參考噪聲來抵消語音信號中的噪聲，參考噪聲經(jīng)過自適應(yīng)濾波器后得到噪聲估計(jì)，通過對自適應(yīng)濾波器系數(shù)的調(diào)整，使得估計(jì)的噪聲信號盡可能地逼近實(shí)際噪聲，再從帶噪語音中減去估計(jì)的噪聲分量就可以得到增強(qiáng)的語音信號。 李榮祥，馬春庭，程翔. 一種新的小

20、波閾值法在語音信號處理中的應(yīng)用j，電聲技術(shù)，2009（174）：43-45.通過自適應(yīng)抵消法能夠?qū)υ肼曅盘栠M(jìn)行有效地估計(jì)，可以達(dá)到不錯(cuò)的降噪效果。3.其他方法 之前提到的參數(shù)方法和非參數(shù)方法都有一個(gè)很重要的條件，需要事先了解語音信號和噪聲信號的先驗(yàn)知識，這一點(diǎn)極大地限制了語音增強(qiáng)系統(tǒng)的使用范圍。在不知道噪聲信號特性的情況下，選取合適的語音增強(qiáng)算法，在沒有預(yù)先知道噪聲和語音信號特征的情況下，在預(yù)處理階段直接對含噪語音進(jìn)行噪聲分離，提高語音信號的信噪比。這樣的語音增強(qiáng)算法有小波變換wt (wavelet transform),離散余弦變換dct (discrete cosine transform

21、),人工神經(jīng)網(wǎng)絡(luò)等算法等。4.統(tǒng)計(jì)方法語音增強(qiáng)算法中經(jīng)常需要使用統(tǒng)計(jì)方法來提取語音信號和噪聲信號的短時(shí)頻譜特性。語音增強(qiáng)中常用的統(tǒng)計(jì)方法是最小均方差估計(jì)算法mmse (minimummean square error)。在實(shí)際應(yīng)用中發(fā)現(xiàn)，將統(tǒng)計(jì)方法與其他語音增強(qiáng)算法結(jié)合可以得到很好的降噪效果。在小波變換和離散余弦變換中常使用統(tǒng)計(jì)方法來尋找合適的閾值參數(shù)，在基于聽覺掩蔽效應(yīng)的語音增強(qiáng)系統(tǒng)中也經(jīng)常使用統(tǒng)計(jì)方法來確定聽覺掩蔽閾值。在對語音信號和噪聲信號進(jìn)行分析時(shí)，選擇合適的統(tǒng)計(jì)方法可以有效地確定語音和噪聲的特征參數(shù)。1.3. 語音信號噪聲的特性 語音增強(qiáng)不僅涉及傳統(tǒng)信號處理理論，而且與語音特性，人耳

22、感知特性密切相關(guān);同時(shí)由于實(shí)際應(yīng)用中噪聲的來源及種類各不相同，從而造成處理方法的多樣性。因此要結(jié)合語音特性、人耳感知特性及噪聲特性，根據(jù)實(shí)際情況選用合適的語音增強(qiáng)方法。1.3.1. 語音和人耳的感知特性 語音信號是一種非平穩(wěn)、時(shí)變的隨機(jī)過程，其產(chǎn)生過程與發(fā)聲器官的運(yùn)動(dòng)緊密相關(guān)。但發(fā)聲器官的狀態(tài)變化速度比聲音振動(dòng)的速度要緩慢得多，因此語音信號可以認(rèn)為是短時(shí)平穩(wěn)的。在一段短時(shí)間內(nèi)(1030ms)，其特性基本保持不變即相對穩(wěn)定，從而可以應(yīng)用平穩(wěn)隨機(jī)過程的分析方法來處理語音信號，并可以在語音增強(qiáng)中利用短時(shí)頻譜的平穩(wěn)特性。語音信號分為清音和濁音兩大類，兩者在語音產(chǎn)生機(jī)理上和特征上有明顯的差異。比如濁音在

23、時(shí)域上有明顯的周期性和較強(qiáng)的振幅，其能量大部分集中在低頻域內(nèi)，在頻譜上表現(xiàn)出共振峰結(jié)構(gòu);而清音沒有明顯的時(shí)域和頻域特征，波形類似于白噪聲并有較弱的振幅。在語音增強(qiáng)中，可以利用濁音的準(zhǔn)周期性特征，采用梳狀濾波器提取語音分量或者抑制非語音信號，而清音則難以與寬帶噪聲區(qū)分。 高亞召，李亞安.小波收縮語音增強(qiáng)中的小波基選擇方法j.電聲技術(shù)，2008（12）：58-61. 由于語音是非平穩(wěn)的隨機(jī)過程，所以長時(shí)間的時(shí)域統(tǒng)計(jì)特性在語音增強(qiáng)的研究中意義不大。語音的短時(shí)譜幅度的統(tǒng)計(jì)特性是時(shí)變的，只有在分析幀長趨于無窮大時(shí)，才能近似認(rèn)為其具有高斯分布。根據(jù)中心極限定理，這種高斯模型應(yīng)用于有限幀長時(shí)只是一種近似的描

24、述，在寬帶噪聲污染的帶噪語音的語音增強(qiáng)中，可將這種假設(shè)作為分析的前提。為了從背景噪聲中分辨出實(shí)際的語音信號，我們有必要了解語音是如何產(chǎn)生的。連續(xù)的語音是由一個(gè)個(gè)的音節(jié)連接起來的，每一個(gè)音節(jié)又是由更小的音素組成。音素分為元音和輔音，它們是由語音器官以不同的發(fā)聲類型、發(fā)聲方法和發(fā)音部位產(chǎn)生的。無論是元音還是輔音，其產(chǎn)生都經(jīng)歷三個(gè)過程：聲源激勵(lì)、聲道共鳴和口鼻輻射。 語音增強(qiáng)效果的最終度量是人耳的主觀感受，所以在語音增強(qiáng)中可以利用人耳感知特性來減少運(yùn)算代價(jià)。目前已有如下一些有用的結(jié)論可應(yīng)用于語音增強(qiáng):人耳對語音的感知主要是通過語音信號頻譜分量幅度獲取的，對各分量相位則不敏感;人耳對頻譜分量強(qiáng)度的感受

25、是頻率與能譜的二元函數(shù)，響度與頻譜幅度的對數(shù)成正比;人耳有掩蔽效應(yīng)，即強(qiáng)信號對弱信號有掩蓋的抑制作用，掩蔽的程度是聲音強(qiáng)度與頻率的二元函數(shù)，對頻率的臨近分量的掩蔽要比頻差大的分量有效的多;人耳還可以在兩個(gè)人以上的講話環(huán)境中分辨出所需要的聲音等等。1.3.2. 噪聲特性 根據(jù)輸入語音信號的關(guān)系，噪聲可以分為加性噪聲和非加性噪聲兩類。對于非加性噪聲，有些可以通過變換轉(zhuǎn)變?yōu)榧有栽肼?。例如，乘性噪聲可以通過同態(tài)變換轉(zhuǎn)換為加性噪聲。某些與信號相關(guān)的量化噪聲也可以通過偽隨機(jī)噪聲擾動(dòng)的方法轉(zhuǎn)換成與信號獨(dú)立的加性噪聲。加性噪聲通常分為周期性噪聲、脈沖噪聲、寬帶噪聲和同聲道語音干擾等。周期性噪聲主要來源于發(fā)動(dòng)機(jī)

26、等周期性運(yùn)轉(zhuǎn)的機(jī)械，電氣干擾也會(huì)引起周期性噪聲。其特點(diǎn)是頻譜上有許多離散的、時(shí)變的、與語音信號重疊的窄譜峰，必須采用自適應(yīng)濾波的方法才有可能自動(dòng)識別和區(qū)分噪聲分量。脈沖噪聲來源于爆炸、撞擊、放電及突發(fā)性干擾等，其特點(diǎn)是時(shí)域波形是類似于沖激函數(shù)的窄脈沖，消除這種噪聲可以在時(shí)域內(nèi)進(jìn)行。寬帶噪聲的來源很多，包括風(fēng)、呼吸噪聲和一般地隨機(jī)噪聲源.量化噪聲通常也作為白噪聲來處理，也可以視為寬帶噪聲。由于寬帶噪聲的語音信號在時(shí)域和頻域上完全重疊，因而消除它最為困難，至今所研究地最成功地方法是利用了某種形式地非線性處理。同聲道語音干擾是多個(gè)語音同時(shí)在單信道中傳輸時(shí)疊合在一起導(dǎo)致的語音干擾。其特點(diǎn)是不同語音有基

27、音差別，可以考慮采用語音分離的方法。1.4. 課題研究的背景與意義 隨著網(wǎng)絡(luò)化，信息化和集成電路技術(shù)的不斷發(fā)展，語音處理系統(tǒng)的使用越來越普遍，人們對于語音處理系統(tǒng)性能的要求也不斷的提高，使用語音增強(qiáng)技術(shù)可以提高語音信號的可懂度，提升語音識別系統(tǒng)的識別率。目前有多種語音增強(qiáng)算法，針對實(shí)際情況選擇合適的去噪手段是非常重要的。由于語音信號是非平穩(wěn)信號，傳統(tǒng)的傅里葉變換無法其做出局部的精細(xì)分析。小波分析方法是一種窗口大小固定但時(shí)間窗和頻率窗都可以改變的時(shí)頻局域化分析方法，在語音信號的細(xì)節(jié)處理上能獲得很好的效果。在加性白噪聲環(huán)境下使用小波變換可以得到很好的語音增強(qiáng)效果，國內(nèi)外的一些學(xué)者也在這個(gè)研究方向取

28、得了一些成就?；谛〔ㄗ儞Q的語音增強(qiáng)算法的關(guān)鍵是選擇合適的小波基函數(shù)，小波分解層數(shù)和門限閾值 王振力，語音增強(qiáng)新方法研究d.南京郵電大學(xué)碩士研究生畢業(yè)論文.2012，13-15.。用lms算法對我們設(shè)計(jì)的自適應(yīng)語音去噪系統(tǒng)進(jìn)行了matlab仿真，分析了lms算法在語音去噪上的可行性；與此同時(shí)，也對小波去噪對該系統(tǒng)進(jìn)行了matlab仿真，并分析兩種方法在自適應(yīng)語音去噪方面的優(yōu)劣性。1.5. 課題的研究結(jié)構(gòu) 本文主要從以下幾個(gè)方面進(jìn)行了研究: （1）對自適應(yīng)濾波器的應(yīng)用進(jìn)行了簡單的歸納和總結(jié)。 （2）對自適應(yīng)濾波的常用算法進(jìn)行了歸納和總結(jié)，主要對lms算法和小波去噪的性能進(jìn)行了討論和分析。 （3）

29、用lms算法對我們設(shè)計(jì)的自適應(yīng)語音去噪系統(tǒng)進(jìn)行了matlab仿真，分析了lms算法在語音去噪上的可行性；與此同時(shí)，也對小波去噪對該系統(tǒng)進(jìn)行了matlab仿真，并分析兩種方法在自適應(yīng)語音去噪方面的優(yōu)劣性。第2章 幾種常用的語音增強(qiáng)方法2.1. 自適應(yīng)噪聲抵消法 自適應(yīng)噪聲抵消法可以在未知環(huán)境中跟蹤時(shí)變的語音信號，通過構(gòu)建自適應(yīng)噪聲濾波器來估計(jì)噪聲，使增強(qiáng)后的語音信號達(dá)到最優(yōu)，其原理如圖2.1所示：圖 2.1 自適應(yīng)濾波原理如圖2所示，s(n)為純凈語音信號，d(n)為加性平穩(wěn)噪聲，y(n)為帶噪語音信號，r(n)為自適應(yīng)濾波器的參考噪聲輸入，v(n)是該濾波器的輸出。自適應(yīng)濾波器在輸入過程中，當(dāng)

30、參考噪聲發(fā)生變換時(shí)，可以自適應(yīng)的調(diào)整濾波器參數(shù)，以達(dá)到最佳的語音增強(qiáng)效果。自適應(yīng)濾波器通過對輸入r(n)進(jìn)行處理，使得輸出的噪聲估計(jì)v(n)盡量逼近噪聲d(n)，從帶噪語音中減去噪聲分量，從而實(shí)現(xiàn)語音增強(qiáng)的效果。自適應(yīng)濾波器通常采用fir濾波器，以誤差e(n)最小為標(biāo)準(zhǔn)，濾波器系數(shù)通過最小均方誤差準(zhǔn)則迭代估計(jì)。誤差的表達(dá)式為： （2.1）式（2.1)中的為自適應(yīng)濾波器的系數(shù)，n為濾波器抽頭數(shù)。最小均方誤差準(zhǔn)則要求語音信號與噪聲信號相互獨(dú)立，這時(shí)得到的最小誤差e(n)可以保證對噪聲的最優(yōu)估計(jì)。如果噪聲與語音信號不獨(dú)立，需要在無音期進(jìn)行噪聲采集來確定濾波器系數(shù)。山于自適應(yīng)噪聲抵消法使用參考噪聲作為

31、輔助輸入，可以隨時(shí)對噪聲分量做出比較好的估計(jì)，該方法對于帶噪語音信號的增強(qiáng)效果較好。當(dāng)參考噪聲與語音中的噪聲分量完全相關(guān)時(shí)，該算法可以很徹底地抵消掉語音信號中的噪聲分量，大大提升語音信號的可懂度。2.2. 增減法語應(yīng)增強(qiáng)技術(shù) 減法是利用噪聲分量的統(tǒng)計(jì)平穩(wěn)性以及加性噪聲和語音信號不相關(guān)的特性而提出的一種語音增強(qiáng)算法。該算法沒有使用參考噪聲源，假設(shè)噪聲統(tǒng)計(jì)平穩(wěn)，即語音中噪聲分量的幅度譜與語音間歇中無音段的噪聲幅度譜期望相同。使用無音段中得到的噪聲譜估計(jì)作為語音中噪聲分量的頻譜 li ye,cui huijuan,tang kun. speech enhancement algoritlm base

32、d on spectralsubtra-action. j t singhua univ(sci&tech),2006,46(10): 1685-1687.。將帶噪語音的頻譜與噪聲譜相減，得到增強(qiáng)后的語音頻譜估計(jì)。如果譜相減后得到的頻譜幅值為負(fù)，將其置零。根據(jù)人耳的感知特性，人耳主要對語音信號的頻率比較敏感李宏偉，段艷麗等.基于幀間重疊譜減法的語音增強(qiáng)算法及其實(shí)j.空軍工程大學(xué)學(xué)報(bào)，2005,2(5)：48-50.，對于信號的幅度以及相位并不敏感，因此該方法是一種有效的語音增強(qiáng)技術(shù)。譜減法是在假定加性噪聲與短時(shí)平穩(wěn)的語音信號相互獨(dú)立的條件下，從帶噪語音的功率譜中減去噪聲功率譜，從而得到較為“純

33、凈”的語音頻譜 r.martin.noise power spectral density estimation based on optimalsm-oothing and minimum statisticsj.ieee transactions on speech and audioprocessing.vol.9,no.s,july 2001:504-512.。假設(shè)設(shè)帶噪語音信號為: （2.2）式（2.2)中，s(n)為純凈語音信號，d(n)為加性平穩(wěn)噪聲，y(n)為帶噪語音信號。根據(jù)語音信號的短時(shí)平穩(wěn)性，使用譜減法進(jìn)行語音增強(qiáng)時(shí)需要事先對帶噪信號進(jìn)行加窗處理，這里的y(n)實(shí)際上表示

34、的是加窗后的帶噪語音信號。設(shè)d(n)為高斯白噪聲，其傅里葉變換仍然滿足高斯分布。譜減法的基本思路就是利用從無音段提取的噪聲譜估計(jì)，將帶噪語音的頻譜減去噪聲譜，最后將相減后的頻譜進(jìn)行傅里葉反變換。對y(n)，對s(n)和d(n)做傅里葉變換，則有： （2.3） （2.4）由于噪聲分量和語音信號不相關(guān)，所以獨(dú)立分布，為高斯分布，所以得到： （2.5）接著根據(jù)無音段中估計(jì)的噪聲譜得到純凈語音信號的估計(jì)值： （2.6） （2.7）式中為增強(qiáng)后語音信號的頻譜幅值。譜減法原理如圖2.2所示：圖2.2 譜減法原理圖譜減法的優(yōu)點(diǎn)是算法簡單，實(shí)現(xiàn)容易，只需要正反傅里葉變換即可實(shí)現(xiàn)，在實(shí)際應(yīng)用中不需要占用過多硬件

35、資源。但是譜減法的缺點(diǎn)是無法對信噪比較低的信號進(jìn)行有效的語音增強(qiáng)，如果噪聲譜估計(jì)過大，頻譜相減時(shí)會(huì)對語音信號造成明顯失真。同時(shí)，使用譜減法對帶噪語音進(jìn)行語音增強(qiáng)后會(huì)使增強(qiáng)后的語音信號中加入帶有節(jié)奏感，類似于音樂的噪聲殘余，譜減法也因此得名。譜減法的實(shí)現(xiàn)如圖2.3所示：圖2.3 譜減法實(shí)現(xiàn)圖2.3. 基于weiner濾波器法的語音增強(qiáng)方法 基于weiner濾波法的語音增強(qiáng)技術(shù)的基本思路是：對于式（2-2)中的帶噪語音信號y(n),構(gòu)建沖激響應(yīng)為h(n)的weiner濾波器保證帶噪語音信號通過該濾波器后的輸出s(n)盡可能地逼近純凈語音信號。假定s(n)和的d(n)都是短時(shí)平穩(wěn)隨機(jī)過程，由wein

36、er-hopf積分方程得到： （2.8）兩邊取傅里葉變換得到： （2.9） （2.10）其中，由于(w)=(w),(w)=y(w)并且由于s(n)和d(n)獨(dú)立，滿足： （2.11）將式（2.11)帶入式（2.10)得到： （2.12）上述的理論推導(dǎo)要求各信號都具有平穩(wěn)性，由于語音信號具有短時(shí)平穩(wěn)性，在使用weiner濾波法時(shí)需要對語音信號進(jìn)行加窗處理。噪聲的功率譜(w)可以參考譜減法，使用無音段的信號進(jìn)行估計(jì)。將帶噪語音信號的功率譜y(w)減去噪聲的功率譜w)即可得到語音信號的功率譜估計(jì)根據(jù)式（2.12)構(gòu)建weiner濾波器h(w)，每一幀的語音信號的功率譜可以表示為： （2.13）利用帶

37、噪信號的功率譜y(w)和weiner濾波器h(w)可以得到語音信號的功率譜估計(jì)，經(jīng)過傅里葉反變換后即可得到增強(qiáng)后的語音信號。使用weiner濾波法后，增強(qiáng)后的語音信號中的殘留噪聲分量類似于高斯白噪聲，不會(huì)像譜減法中帶有節(jié)奏感的噪聲殘留。第3章 自適應(yīng)語音去噪3.1. 自適應(yīng)噪聲抵消基本原理典型的自適應(yīng)噪聲抵消系統(tǒng)如下圖所示：圖3.1 自適應(yīng)噪聲抵消系統(tǒng)從圖3. 1自適應(yīng)噪聲抵消系統(tǒng)我們可以看出: 自適應(yīng)噪聲抵消系統(tǒng)有兩個(gè)通道一一主通道和參考通道。我們假定信號，為零均值平穩(wěn)隨機(jī)過程，由于兩個(gè)通道收到的干擾，均來自相同的噪聲源，所以二者存在一定的相關(guān)性，但它們卻與有用信號是互不相關(guān)的。主通道主接受

38、從信號源發(fā)來的信號，受到干擾源的干擾，這使得主通道也接收到來自干擾源的干擾。參考通道的主要作用就是檢測干擾，并通過自適應(yīng)濾波器參數(shù)調(diào)整使輸出在最小均方誤差的意義下最接近主通道干擾。我們通過相減器，將主通道的干擾噪聲分量對消掉。 在圖3. 1主通道的輸入由構(gòu)成自適應(yīng)濾波器所需要的信號記為，系統(tǒng)的輸出則取自誤差信號，即有 (3.1)均方誤差即輸出的均方值 (3.2) rupp m.a family of adaptive filter algorithms with decorrelating properrites. ieee trans.on signal processing,1998,4,

39、71-72.3.2. 信噪比（snr）的計(jì)算 趙力，語音信號處理m，上海，機(jī)械工業(yè)出版社，2002，145-148通常信噪比的定義為信號的功率與噪聲功率之比。在圖3.1中，可以看出自適應(yīng)噪聲抵消系統(tǒng)的輸入信噪比為主通道中輸入信號 (3.3)中的有用信號的總能量與干擾噪聲的總能量之比，即 (3.4)由此可以看出，自適應(yīng)噪聲抵消系統(tǒng)輸出信號中除了含有有用信號外，還含有完全抵消掉的剩余噪聲，所以輸出信號的信噪比應(yīng)為的總能量，與剩余噪聲總能量之比，由式有 (3.5)所以輸出信噪比為 (3.6)我們可以得出信噪比的提高量為 (3.7)3.3. 自適應(yīng)噪聲抵消系統(tǒng)設(shè)計(jì)中應(yīng)該考慮到的影響系統(tǒng)性能的因素 趙勝

40、輝，劉家康，謝湘等，離散時(shí)間語音信號處理-原理與應(yīng)用m.北京電子工業(yè)出版社，2004：258-269.（1） 參考輸入中含有信號成分。圖3.2 參考信道中含有信號分量的情況 從圖3.2可以看出，參考通道不僅檢測到干擾信號，還接收到信號分量，那么在適應(yīng)濾波器的輸出信號中含有信號分量。通過相減運(yùn)算，信號分量將被抵消，使輸出信噪比的下降，我們可以得出 (3.8) 其中，表示噪聲抵消系統(tǒng)的輸出信噪比，表示參考信道的輸出信噪比。通過式4.12我們可以看出，參考通道的輸入信噪比越強(qiáng)，噪聲抵消系統(tǒng)的輸出信噪比越差，二者呈反比關(guān)系。 黃雅婷，基于聽覺特性的電子耳蝸語音增強(qiáng)的研究d.蘇州大學(xué)，2008,54-5

41、5.我們在設(shè)計(jì)時(shí)為了獲得好的噪聲抵消性能，應(yīng)盡量使參考通道檢測到得信號盡可能的小。(2)基本輸入和參考輸入中含有非相關(guān)的噪聲成分。圖3.3 兩信道中含有非相關(guān)信號的情況 我們知道，若兩輸入中的干擾成分是彼此相關(guān)的，則我們可以通過自適應(yīng)噪聲抵消系統(tǒng)能較好的抵消。但當(dāng)背景噪聲和互不相關(guān)時(shí)，則無法通過噪聲抵消技術(shù)來將它們消除。 由上面兩個(gè)影響性能的因素，我們可知，自適應(yīng)噪聲抵消系統(tǒng)的輸出信噪比將由于兩輸入中存在不相關(guān)噪聲而降低，這種性能降低是由濾波器本身的性質(zhì)決定，即它能對相關(guān)干擾進(jìn)行良好估計(jì)，而對非相關(guān)噪聲的估計(jì)存在一定的局限性。因此在設(shè)計(jì)過程中要盡量減少兩通道中的非相關(guān)噪聲，但有些是不可避免的，

42、如a/d轉(zhuǎn)換的量化噪聲。3.4. 基本的自適應(yīng)濾波器的算法 自適應(yīng)濾波算法根據(jù)其采取的優(yōu)化準(zhǔn)則不同，最常見的算法是基于維納理論的最小均方(lms)算法，lms算法原理是使濾波器的輸出信號與期望輸出信號之間的均方誤差最小，以使下次的輸出更接近期望輸出。此基本準(zhǔn)則衍生出許多不同的自適應(yīng)算法 孫晶，語音增強(qiáng)算法研究d.吉林大學(xué)，2006,32-33。3.4.1. lms自適應(yīng)濾波器的算法 最小均方(least mean square, lms )算法最初是由widrow widrow b ,hoffman m.e,ir(1960) adaptive switching circuits,ier we

43、scon conv.rev.,1960,4:96-104.和hoff在1959年在研究模式識別機(jī)時(shí)提出來的。經(jīng)過近50年的發(fā)展，在自適應(yīng)算法層出不窮的今天，lms算法一直是一種最為經(jīng)典、受到最廣泛關(guān)注的自適應(yīng)算法。事實(shí)上，最小均方算法的名稱并不準(zhǔn)確，因?yàn)檫@種算法的優(yōu)化目標(biāo)函數(shù)是最小瞬時(shí)誤差的平方，而不是對應(yīng)于維納濾波的最小均方誤差。 lms算法在優(yōu)化方法中采用的是基于隨機(jī)梯度的最速下降法。但是，這種隨機(jī)梯度的估計(jì)是無偏的，對于隨機(jī)平穩(wěn)輸入信號，濾波器的權(quán)系數(shù)的數(shù)學(xué)期望可以收斂到維納解。lms算法的主要優(yōu)點(diǎn)是算法簡單不需要計(jì)算相應(yīng)的相關(guān)矩陣和進(jìn)行矩陣運(yùn)算，從而運(yùn)算量小、易于實(shí)現(xiàn)。其主要缺點(diǎn)是收斂

44、速度較慢，而且收斂速度與輸入信號的統(tǒng)計(jì)特性有關(guān)。另一方面，lms算法對于非平穩(wěn)隨機(jī)輸入的跟蹤能力較差。但隨著對于lms算法的研究越來越深入，其運(yùn)用也越來越廣泛。 沈福民，自適應(yīng)信號處理m，西安，西安電子科技大學(xué)出版社，2001，98-102.lms算法是線性自適應(yīng)濾波算法。通常，它包括兩個(gè)基本過程：(1)濾波過程。包括:(a)計(jì)算線性濾波器輸出對輸入信號的影響； (b)通過比較輸出結(jié)果與期望響應(yīng)產(chǎn)生估計(jì)誤差。(2)自適應(yīng)過程。根據(jù)誤差自動(dòng)調(diào)整濾波器參數(shù)。濾波過程和自適應(yīng)過程共同組成一個(gè)反饋環(huán)，如圖3.4所示：圖3.4 lms算法實(shí)現(xiàn)lms算法的基本思想是通過調(diào)整濾波器自身參數(shù)，使濾波器輸出信號

45、與期望信號之間的均方誤差最小，這樣系統(tǒng)輸出的信號叫做最佳估計(jì)信號： （3.9） （3.10） （3.11）其中，為濾波器的輸出，為期望信號，為誤差信號，為濾波器的加權(quán)系數(shù)，為自適應(yīng)步長參數(shù)。lms算法一般采用牛頓法或最小權(quán)系數(shù)矢量，按照最速下降法，系統(tǒng)均方誤差的梯度反方向求取權(quán)系數(shù)矢量。 （3.12）式中是收斂因子。lms算法進(jìn)行梯度估計(jì)的方法是以誤差信號次迭代的瞬時(shí)平方值代替其均方值，并以此估計(jì)度，得出lms算法的權(quán)系數(shù)遞推公式： （3.13）3.4.2. 基于小波去噪的自適應(yīng)濾波算法 由mallat haykins.adaptivefilteringtheory.uppersiver,n:

46、prentice-hall,2002,66-68.小波變換算法的分解和重構(gòu)步驟，可以得到各級小波變換的逼近信號和細(xì)節(jié)信號。粗分辨逼近相對原始信號是越來越粗略和平滑，將原始信號的邊緣的輪廓和噪聲導(dǎo)致的毛刺逐漸平滑掉，剩下的即為原始信號的主體部分；細(xì)節(jié)信息主要體現(xiàn)原始信號的邊緣成分。由于小波變換的多分辨率特性，在合適的尺度下原來是非平穩(wěn)的跳變信號會(huì)呈現(xiàn)出與噪聲截然不同的特性。含噪的一維信號模型可表示為如下形式：， (3.14)其中，為含噪信號，為有用信號，為噪聲信號。通常表現(xiàn)為高頻信號，而實(shí)際中通常為低頻信號。 姚凌強(qiáng)，楊鼎才，王天嬌，基于仿生小波的閾值增強(qiáng)算法j.電子技術(shù)，2008（2）：56-

47、61圖3.5 信號的三層小波分解一維信號消噪的過程可分為如下3個(gè)步驟： （1）信號的小波分解。（如進(jìn)行三層分解，分解過程如圖3.5所示)，噪聲信號多包含在具有較高頻率的細(xì)節(jié)cd1、cd2和cd3中； （2）小波分解高頻系數(shù)的硬閾值量化； （3）一維小波重構(gòu)。根據(jù)小波分解的底層低頻系數(shù)和各層高頻系數(shù)進(jìn)行一維小波重構(gòu)。最關(guān)鍵的是如何選擇閾值及如何進(jìn)行閾值量化，在某種程度上，它關(guān)系到信號消噪的質(zhì)量。對于被高斯白噪聲污染的信號基本噪聲模型，選擇閾值的準(zhǔn)則 陳欣，語音增強(qiáng)算法的研究于實(shí)現(xiàn)d.北京郵電大學(xué)，2007,49-50如下 （1）無偏似然估計(jì)原理的自適應(yīng)閾值選擇。給定一個(gè)閾值，得到它的似然估計(jì)，再

48、將非似然最小化，就可得到所選的閾值。 （2）固定閾值準(zhǔn)則。利用固定形式的閾值，可取得較好的去噪特性。所產(chǎn)生的閾值為 n為待估計(jì)矢量的長度。 （3）混合準(zhǔn)則。它是前兩種閾值的綜合，所選擇的是最優(yōu)預(yù)測變量閾值。 （4）極小極大準(zhǔn)則。本準(zhǔn)則采用固定閾值獲得理想過程的極小極大特性。 通過正交小波變換將原始信號分解到若干不同頻帶上，采用分層閾值的方式對雷達(dá)視頻信號進(jìn)行處理。低頻子帶的縮放因子大，表示小波比較寬，度量的是信號輪廓；高頻子帶的縮放因子小，表示小波比較窄，度量的是信號的細(xì)節(jié)，所以低頻子帶就有較高的幅度值，從而較低頻率回波脈沖保留了的較詳細(xì)的輪廓；而高頻子帶有相對較低的幅度值，只保留下回波脈沖的

49、高頻細(xì)節(jié)部分，根據(jù)以上特征，采取有效措施，濾除幅度較低的高頻雜波和噪聲。 自適應(yīng)閾值算法的基本思想是由于信號對應(yīng)的小波系數(shù)其幅值較大，但數(shù)目較少，而噪聲對應(yīng)的小波系數(shù)是一致分布的，個(gè)數(shù)較多，但幅值小。 曹艷艷，基于小波變換的語音消噪d.西安電子科技大學(xué)，2008,65-66.基于以上性質(zhì)，可以假設(shè)初始閾值，將絕對值小于該閾值的小波系數(shù)置零，當(dāng)該閾值一步一步增大時(shí)，剛開始的非零值個(gè)數(shù)會(huì)快速下降，即小于閾值的小波系數(shù)個(gè)數(shù)快速增加（主要是噪聲信號），但當(dāng)下降到某一點(diǎn)假設(shè)只剩下有用信號的情況下，當(dāng)閾值進(jìn)一步增大時(shí)，此時(shí)所得出的非零值個(gè)數(shù)會(huì)減第4章 仿真實(shí)驗(yàn)與結(jié)果分析4.1. 自適應(yīng)噪聲抵消的matla

50、b仿真4.1.1. lms算法matlab仿真 本節(jié)講述了采用matlab語言進(jìn)行l(wèi)ms算法的程序設(shè)計(jì)仿真實(shí)驗(yàn)。通過自適應(yīng)算法對被噪聲影響的語音信號進(jìn)行恢復(fù)處理。在仿真實(shí)驗(yàn)中，分a、b、c三組，原始信號為record1、2、3，均為自行錄制的單聲道8位、采樣率為20500語音。每組語音都進(jìn)行加白噪聲處理，噪聲方差為10并進(jìn)行相應(yīng)地去噪。主要根據(jù)導(dǎo)出的初始語音、加噪語音、去噪語音的音頻文件進(jìn)行人耳辨聽，感受去噪效果。其次，也根據(jù)導(dǎo)出的初始波形、加噪波形、去噪波形以及信噪比進(jìn)行分析。以下是三組的波形圖：圖4.4 a組波形圖圖4.5 b組波形圖圖4.6 c組波形圖三組的信噪比（snr）:組別abcs

51、nr69.057772.030569.6084表格 1利用lms算法所得的三組信噪比由以上3圖可以看出，a、b、c三組的波形圖中濾波去噪后的波形和原始波形是非常接近的；同時(shí)由表格可得，a、b、c三組的信噪比（snr）分別為69.0577、72.0305和69.6084；由以上兩點(diǎn)可以得出，該算法對于不同的語音都能有不錯(cuò)的去噪效果。4.1.2. 小波閾值去噪的matlab仿真分析 本節(jié)講述了采用matlab語言進(jìn)行小波閾值去噪的程序設(shè)計(jì)仿真實(shí)驗(yàn)。通過自適應(yīng)算法對被噪聲影響的語音信號進(jìn)行恢復(fù)處理。在仿真實(shí)驗(yàn)中，分a、b、c三組，原始信號為record1、2、3，均為自行錄制的單聲道8位語音。每組語

52、音都進(jìn)行加白噪聲處理，并進(jìn)行相應(yīng)地去噪。主要根據(jù)導(dǎo)出的初始語音、加噪語音、去噪語音的音頻文件進(jìn)行人耳辨聽，感受去噪效果。其次，也根據(jù)導(dǎo)出的初始波形、加噪波形、去噪波形以及信噪比進(jìn)行分析。以下是三組的波形圖：圖4.10 a組波形圖圖4.11 b組波形圖圖4.12 c組波形圖三組的信噪比（snr）：組別abcsnr59.476561.079860.3289表格 2 利用小波去噪所得的三組信噪比由以上3圖可以看出，a、b、c三組的波形圖中濾波去噪后的波形和原始波形是非常接近的；同時(shí)由表格可得，a、b、c三組的信噪比（snr）分別為59.4765、61.0798和60.3289；由以上兩點(diǎn)可以得出，該

53、算法對于不同的語音都能有不錯(cuò)的去噪效果。4.2. 兩種算法的對比關(guān)于兩種算法的對比，本文采用這樣的研究方法：選取一段自然噪聲較小的語音，然后分別對其加上噪聲方差從小到大的高斯白噪聲，用matlab仿真得出其信噪比snr，然后繪制出相應(yīng)的折線圖。如下圖4.13所示：圖4.13 兩種算法的去噪效果對比由圖可以看出，提供同一段語音信號再加上噪聲方差從小到大的高斯白噪聲，經(jīng)lms算法的去噪后輸出的信噪比(snr)均高于小波去噪后輸出的信噪比（snr），說明同等條件下，小波去噪算法的去噪性能優(yōu)于lms算法去噪。第5章 結(jié) 論 本文首先介紹了目前自適應(yīng)濾波技術(shù)和自適應(yīng)噪聲抵消技術(shù)的發(fā)展和現(xiàn)狀，并簡要介紹了

54、本文所要研究的主要內(nèi)容和所要達(dá)到的目標(biāo)。 其次，通過查閱資料對自適應(yīng)濾波原理進(jìn)行了歸納與總結(jié)，對自適應(yīng)濾波技術(shù)的主要應(yīng)用:自適應(yīng)信道均衡、信號增強(qiáng)、自適應(yīng)噪聲抵消等做了一定的了解和總結(jié)。而后，我們對一些基本的自適應(yīng)濾波算法做了歸納討論和相應(yīng)的一些公式推導(dǎo)。主要包括:lms(最小均方)自適應(yīng)算法和小波閾值去噪的算法等。著重對lms算法和小波閾值進(jìn)行了性能分析和討論，對lms算法的梯度v(n)的計(jì)算，步長因子的選取進(jìn)行了討論和估計(jì)。 在對自適應(yīng)濾波原理和自適應(yīng)基本算法有著充分了解的基礎(chǔ)上，本文的工作重點(diǎn)在第四章這一章上。第四章詳細(xì)的介紹了自適應(yīng)噪聲抵消技術(shù)的原理和相應(yīng)的自適應(yīng)噪聲抵消的matlab仿真。我們通過利用matlab仿真軟件，編寫了lms自適應(yīng)濾波算法和小波去噪對預(yù)先錄制的語音輸出信號進(jìn)行了仿真分析，實(shí)驗(yàn)結(jié)果符合我們在上一章所期望得到的結(jié)果。然后我們將這兩種算法應(yīng)用于自適應(yīng)語音抵消系統(tǒng)，通過自錄語音進(jìn)行了語音去噪仿真實(shí)驗(yàn)，從實(shí)驗(yàn)結(jié)果我們可以看出我們所設(shè)計(jì)的噪聲抵消系統(tǒng)的仿真結(jié)果同理論分析吻合，能有效的抑制各種噪聲污染，大幅度提高語音信噪比，同時(shí)引入的語音信號失真也很小。因此能大大地改善語音質(zhì)量，提高語音的可懂度，是語音增強(qiáng)的良好方法。 本文的局限性在于：論文的體裁選定上，語音去噪技術(shù)經(jīng)過幾十年的發(fā)展已口趨成熟，許多算法也口益