基于HHT復(fù)雜環(huán)境下低信噪比語(yǔ)音檢測(cè)及增強(qiáng)方法研究.pdf

1、隨著信息處理技術(shù)手段的發(fā)展,語(yǔ)音信號(hào)應(yīng)用領(lǐng)域的不斷擴(kuò)展,對(duì)語(yǔ)音信號(hào)處理的要求也越來(lái)越高。如語(yǔ)音識(shí)別技術(shù),要求存在背景噪聲的環(huán)境下達(dá)到有效識(shí)別;語(yǔ)音通信技術(shù),要求在不影響接收語(yǔ)音信號(hào)質(zhì)量的前提下,盡可能降低無(wú)語(yǔ)音段的數(shù)據(jù)傳輸;軍事上,有效截獲對(duì)方的信息和高效傳輸信息是電子對(duì)抗的重要組成部分。然而在復(fù)雜聲學(xué)環(huán)境下,由于強(qiáng)背景噪聲的影響,使得上述情況的語(yǔ)音信號(hào)變得相對(duì)較微弱,如室外嘈雜環(huán)境的語(yǔ)音通信與識(shí)別,短波通信噪聲較強(qiáng)情況下的信息截獲等,

2、然而,這些情況往往都是經(jīng)常出現(xiàn)的。為此,在復(fù)雜背景情況下,能否有效地對(duì)低信噪比語(yǔ)音信號(hào)進(jìn)行檢測(cè)與增強(qiáng)具有重要意義。
　　 時(shí)頻分析是語(yǔ)音信號(hào)檢測(cè)與增強(qiáng)的有效手段之一。傳統(tǒng)的時(shí)頻分析算法主要有短時(shí)傅里葉、小波變換等,這些算法需要根據(jù)經(jīng)驗(yàn)人為的設(shè)定信號(hào)分解尺度,而這些尺度有時(shí)并不能完全反應(yīng)出信號(hào)的特征。此外,像小波變換需要根據(jù)變換對(duì)象事先選定小波基,而固定的小波基并不一定適合整個(gè)信號(hào)的分析。據(jù)此,本文選用一種可以根據(jù)信號(hào)特征自適應(yīng)選

3、取基函數(shù)及濾波尺度的算法——希爾伯特-黃變換。該算法特別適合分析像語(yǔ)音信號(hào)這樣的非平穩(wěn)信號(hào)。
　　 本文針對(duì)希爾伯特-黃變換在低信噪比語(yǔ)音信號(hào)檢測(cè)及增強(qiáng)方面展開(kāi)研究,主要研究成果如下:
　　 首先,采用了一種基于希爾伯特-黃變換的低信噪比語(yǔ)音信號(hào)檢測(cè)算法,解決高斯噪聲環(huán)境下低信噪比語(yǔ)音信號(hào)的檢測(cè)問(wèn)題。該算法的核心思想是,利用經(jīng)驗(yàn)?zāi)B(tài)分解的自適應(yīng)分解特性,將低信噪比語(yǔ)音信號(hào)中噪聲含量較多的固有模態(tài)分量篩分出來(lái),通過(guò)其它固有

4、模態(tài)分量構(gòu)建希爾伯特能量譜,從而實(shí)現(xiàn)低信噪比語(yǔ)音信號(hào)的檢測(cè):
　　 其次,提出了一種基于希爾伯特-黃變換譜矩陣的低信噪比語(yǔ)音信號(hào)檢測(cè)算法,解決多噪聲環(huán)境下低信噪比語(yǔ)音信號(hào)的檢測(cè)問(wèn)題。該算法的核心思想是,利用語(yǔ)音信號(hào)與噪聲信號(hào)的希爾伯特-黃變換譜特征的不同,實(shí)現(xiàn)低信噪比語(yǔ)音信號(hào)的檢測(cè)。在構(gòu)建低信噪比語(yǔ)音信號(hào)的希爾伯特-黃變換譜矩陣的過(guò)程中,考慮到能量集中問(wèn)題,所以采用以幀為單位,構(gòu)建該信號(hào)的譜矩陣。為了更有效、直觀地分析譜矩陣,提

5、出一種三維可視化分析方法。有效地找到了語(yǔ)音與噪聲在譜矩陣中的區(qū)別,通過(guò)該區(qū)別設(shè)定濾波參數(shù),對(duì)矩陣實(shí)施權(quán)值濾波,濾波后將譜矩陣轉(zhuǎn)換成以幀為單位的二維時(shí)-幅曲線,自適應(yīng)計(jì)算閾值,實(shí)現(xiàn)語(yǔ)音段的檢測(cè);
　　 再次,采用極值域均值模式分解算法,對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解的曲線擬合、端點(diǎn)效應(yīng)進(jìn)行了改進(jìn)。該算法的核心思想是,利用信號(hào)的所有信息,構(gòu)建均值曲線。在構(gòu)造信號(hào)的均值曲線時(shí),通過(guò)極值點(diǎn)及極值點(diǎn)間的所有數(shù)據(jù),利用積分中值定理的原理,尋找一個(gè)信號(hào)中的實(shí)

6、際存在的值作為均值,使求取的均值更能反映輸入信號(hào)的真實(shí)均值,提高了對(duì)局域均值的估計(jì)精度,降低了端點(diǎn)效應(yīng);
　　 再次,提出一種基于極值域均值模式分解最大相似度的低信噪比語(yǔ)音增強(qiáng)算法,解決部分噪聲環(huán)境下低信噪比語(yǔ)音信號(hào)增強(qiáng)問(wèn)題。該算法核心思想是,對(duì)分解后得到的固有模態(tài)分量進(jìn)行篩選后再做濾波處理,以此減少過(guò)濾波和欠濾波情況的發(fā)生。在篩選過(guò)程中,提出一種最大相似度判斷算法,通過(guò)檢測(cè)得到的噪聲信號(hào)與固有模態(tài)分量計(jì)算最大相似度,通過(guò)最大相

7、似度篩選出固有模態(tài)分量進(jìn)行濾波,由于噪聲與語(yǔ)音信號(hào)容易發(fā)生頻譜混疊,在濾波器的選擇上采用時(shí)域?yàn)V波器。將濾波后的固有模態(tài)分量和未作處理的固有模態(tài)分量進(jìn)行信號(hào)重構(gòu),得到增強(qiáng)后結(jié)果;
　　 最后,提出了一種基于極值域均值模式分解與獨(dú)立分量分析相結(jié)合的低信噪比語(yǔ)音增強(qiáng)算法,解決更多噪聲環(huán)境下低信噪比語(yǔ)音信號(hào)增強(qiáng)問(wèn)題。該算法的核心思想是,利用獨(dú)立分量分析的特點(diǎn),分離出選取的固有模態(tài)分量的固有特性,消除信息混淆。通過(guò)最大相似度,篩選出需要處

8、理的固有模態(tài)分量,對(duì)其進(jìn)行獨(dú)立分量分析,使噪聲特性能夠進(jìn)一步集中,提高最大相似度,這樣更有利于噪聲的濾除。由于獨(dú)立分量分析存在幅值、位置的不確定性,所以對(duì)濾波后的獨(dú)立分量要進(jìn)行二度重構(gòu),即獨(dú)立分量分析重構(gòu)和極值域均值模式分解重構(gòu),得到增強(qiáng)后結(jié)果。
　　 本文從復(fù)雜環(huán)境下低信噪比語(yǔ)音信號(hào)的希爾伯特-黃變換的特性出發(fā),圍繞著低信噪比語(yǔ)音信號(hào)的檢測(cè)與增強(qiáng),針對(duì)不同噪聲環(huán)境進(jìn)行了研究,提出了相應(yīng)的算法,并對(duì)所提出的算法進(jìn)行了性能分析和對(duì)