基于小波的音頻信號(hào)的濾波與頻譜分析.pdf

1、隨著科技的發(fā)展,音頻信號(hào)的重要作用已經(jīng)越來越多的體現(xiàn)在實(shí)際生活的各個(gè)方面中,比如在移動(dòng)通信、廣播、電視臺(tái)以及一些重要的工程項(xiàng)目中。但是,實(shí)際的音頻信號(hào)含有的噪聲給人們帶來很大的影響。目前,對(duì)于音頻信號(hào)去噪最有效方法的是借助小波變換對(duì)其進(jìn)行處理。其中,小波域閾值濾波算法應(yīng)用最為廣泛,但是在算法中幾種選取閾值的方法均是不考慮信號(hào)分解層數(shù),這會(huì)造成噪聲不能被完全濾除或者是有效信號(hào)的特征被濾除掉。因此,使用小波域閾值去噪算法對(duì)音頻信號(hào)進(jìn)行去噪時(shí)

2、,應(yīng)該充分考慮到信號(hào)分解的尺度來選取合適的閾值,并且對(duì)結(jié)果進(jìn)行頻譜、功率譜等方面的綜合分析。
　　對(duì)音頻信號(hào)進(jìn)行濾波與頻譜分析的過程主要分為兩個(gè)步驟。第一步是應(yīng)用小波域閾值去噪算法對(duì)音頻信號(hào)去噪,為了解決閾值選取方法沒有考慮到分解層數(shù)的問題,提出了一種基于相鄰層高頻系數(shù)圖比較的自適應(yīng)確定最優(yōu)分解層數(shù)和基于分解層的自適應(yīng)確定最優(yōu)閾值的改進(jìn)方法。通過與FFT、軟閾值和硬閾值去噪算法比較的結(jié)果表明,改進(jìn)的算法在信噪比與均方誤差兩個(gè)指標(biāo)上

3、均優(yōu)于上述三種方法,同時(shí)有效保留了音頻信號(hào)的特征信息。第二步是用小波包變換對(duì)去噪后的音頻信號(hào)進(jìn)行頻譜分析并進(jìn)行功率譜估計(jì)。提出了將最小熵原則與小波二叉樹相結(jié)合的辦法獲得小波包的最優(yōu)分解二叉樹,再進(jìn)行音頻信號(hào)子頻帶的分析以及重構(gòu),仿真結(jié)果表明重構(gòu)信號(hào)很好的保留了原信號(hào)的特征。考慮到音頻信號(hào)的非平穩(wěn)性,在對(duì)其進(jìn)行功率譜估計(jì)時(shí)使用最大熵譜估計(jì)算法,建立了等價(jià)的AR模型,利用Yule-Walker算法求解模型參數(shù),進(jìn)行誤差功率的估計(jì)以及功率譜圖