(DOC) 基于最大信息熵的小波包阈值去噪语音增强算法

(DOC) 基于最大信息熵的小波包阈值去噪语音增强算法 基于最大信息熵的小波包阈值去噪语音增 强算法 ? 12?《测控技术)2011年第30卷第1O期 基于最大信息熵的小波包阈值去噪语音增强算法 杨桂芹,徐红莉 (兰州交通大学电子与信息学院,甘肃兰州730070) 摘要:去噪算法在语音增强中占有极为重要的地位.而传统的小波阈值去噪算法会不可避免地造成部 分有用语音信号的损失.为了更好地对含噪语音信号进行去噪,选用小波包分析法进行语音分解,采用 一 种新的阈值函数,同时基于最大信息熵的原理确定了阈值和加权阈值函数中的权因子.仿真结果 明,该算法能够很好地抑制噪声,保证重建信号质量.无论在听觉效果上还是信噪比指标上,均具有更 好的去噪性能. 关键词:最大信息熵;闽值;闽值函数;小波阈值去噪;语音增强 中图分类号:TN912文献标识码:A文章编号:1000—8829(2011)10—0012—03 AWaveletPacketThresholdDe-NoisingAlgorithmforSpeechEnhancement BasedonMaximumInformationEntropy YANGGui-qin,XUHong—li (SchoolofElectronics&InformationEngineering,LanzhouJiaotongUniversity,Lanzhou730070,China) Abstract:De—noisingalgorithmplaysaveryimportantpositioninthespeechenhancement,whilethetraditional waveletthresholdde—noisingalgorithmwillcauselossofpartofusefulspeechsignalsinevitably.Inordertode— noisethespeechsignalswithnoisebetter,awaveletpacketanalysismethodforvoicedecompositionisseleted, andanewthresholdfunctionisused.Thethresholdandtheweightedfactorsintheweightedthresholdfunction aredeterminedbythetheoryofmaximuminformationentropy.Thesimulationresultsshowthattheposedalgo— rithmcansuppressnoisebetter,andensurethequalityofthereconstructedsigna1.Thede—noisingeffectisbet— ternotonlyintheaudioeffectsbutalsointhesignaltonoiseratio. Keywords:maximuminformationentropy;threshold;thresholdfunction;waveletthresholdde—noising;speech enhancement 语音增强的目的就是从带有噪声的语音信号中提 取尽可能纯净的原始语音,提高信噪比,改善语音质 量.人们已提出了许多语音增强的算法,但由于语音 信号本身所具有的复杂性和非平稳性,加之噪声的多 样性,这些算法尚不尽如人意. 小波变换是近年来发展起来的去噪新方法.利用 信号和噪声的小波系数在各尺度上不同的分布特性, 采取阈值的方法,达到去除噪声的目的,特别适合于处 理非平稳信号.但是在小波分析中每次只对上次分解 的低频部分进行再分解,对高频部分不再分解,所以在 收稿日期:2010—10—16 基金项目:甘肃省自然科学基金资助项目(1010RJZA065) 作者简介:杨桂芹(1970一),女,河南许昌人,副教授,硕士,主 要从事现代数字通信理论与现代数字信号处理教学和科研 工作. 高频段分辨率较差.导致去噪的同时丢失了大量的语 音清音信息,严重影响重建信号质量.而小波包分析 不但对低频部分进行分解,而且对高频部分也进行了 二次分解,使其在信号去噪方面表现出明显优势,对信 号的分析能力更强. 在阈值去噪算法中,常用两种阈值函数:硬阈值函 数和软阈值函数.硬阈值函数的不连续性使消噪后的 信号仍含有明显噪声;采用软阈值方法虽然连续性好, 但估计小波系数与含噪信号的小波系数间存在恒定的 偏差,达不到更好的去噪效果.为此,笔者采用一种加 权阈值函数,利用最大信息熵原理确定阈值和加权阈 值函数中的权因子,仿真实验表明该算法具有较好的 语音增强效果. 1基于小波包分析的语音分解 假设带噪语音信号可表示为 基于最大信息熵的小波包闽值去噪语音增强算法?13? ()=s(|i})+(矗),(k=0,1,2,3,…,N一1)(1) 式中,(k)为含有噪声的语音信号;()为纯净语音 信号;()为差为的高斯白噪声,服从标准正 态分布. 已知信号与白噪声在小波域表现出截然不同的特 点,语音信号由于具有奇异性,随着小波分解尺度的增 加,其小波系数的幅度值有逐渐增大的趋势.总体在 低频部分的能量较高,但高频分量较少.而高斯白噪 声总体杂舌L无章,不具有奇异性,信号中分布着大量高 频信号,而代表信号轮廓特征的近似信号相对较少. 随着小波分船尺度的增力g,高斯自噪声的能量分布逐 渐减少.当带噪信号经过小波分解后,相对来说,语音 信号的小波系数值必然大于那些能量分散且幅度较小 的噪声的小波系数值,据此依据最大信息熵原理,选择 一 个合适的阈值进行处理,可达到消除噪声而保留有 用信号的目的. 利用小波包对语音进行分解消噪的步骤: (1)对语音信号进行小波包分解. 选择一种小波并确定小波分解层次,然后对信 号(jI=)进行层离散小波包分解,得到一组小波包 分解系数它由两部分组成:一部分是s()对应的 小波包系数,记为si;另一部分是()对应的小波包 系数,记为. 针对语音信号,由于语音信号的频率范围一般为 300,3400Hz,经过4层小波分解后,在第4层低频部 分的频率范围为0,500Hz,再做一次分解后,第5层 的低频部分的频率范围将低于语音信号的下限范围, 这部分将失去意义.因此本文对语音信号进行4层 分解. (2)计算最佳树(最p确定最佳小波包基). 选用Shannon熵原则得出最佳小波包分姆树. (3)小波包分解系数的阕值量化. 对于每个小波包分解系数,根据所选阈值函数及 最大信息熵原理,选择一个适当的阈值A,并对系数进 行阈值量化,得出估计小波系数刍,并使lf珏一smII 尽量小. (4)语音的小波包重构. 根据第层的小波包分解系数和阈值量化处理 系数,利用进行小波包重构. 2阈值函数的选取 硬软阈值法虽在实际中得到了广泛应用,但这些 算法本身存在着一些缺陷.在硬阈值方法中,对大于 阈值的小波系数不加处理,但实际情况下大于阈值的 小波系数中也存在噪声,因此对噪声清除不够干净. 软阂值函数虽然连续性好,但估计小波系数与含噪信 号的小波系数问存在恒定的偏差,不可避免地给重构 语音带来误差,使语音清晰度大大降低. 已知噪声分量随着小波系数增大而逐渐减小,所 以希望随着,}的增大,扛与之间的偏差也能逐 渐减小,为此采用一种加权阈值函数: r(O+5+通常含有很少的 语音信息,其能量主要由噪声提供.此外,由于独立同 分布的加性高斯白噪声,在经过正交小波变换后,仍然 为独立同分布的高斯自噪声,而且噪声方差保持不变. 因而可根据第1层细节信号的小波系数,采用鲁棒中 值算法来估计噪声的方差,即 6-_C…4)—广 式中,Wm为尺度为1的小波系数;median()为Matlab 中的中值运算命令. 通用阈值具备良好的理论支撑,但其实际的应用 效果并不十分理想,这是因为通用阐值与信号的长度 裙关,当较大时,通用阂值趋向于将所有的小波 系数置零,出现所谓的”过扼杀”小波系数的现象,此 时小波滤波器退化为低通滤波器,从而使去噪后的语 音失去大量清音信息,重构语音失真明显增大.为了 有效地弥补这些缺陷,需要对阈值和阈值函数进行改 进.根据信号的不同特点,利用最大信息熵原理对阈 值的大小和阈值函数中的加权因子进行改进,这样不 仅能够有效去除语音中的噪声,而且还可以更好地保 留语音的清音信息. 3.2最大信息熵原理及阈值函数中调节因子及阈值 大小的选取 3.2.1最大信息熵原理 设离散随机变量盖取值为A的概率为P,其中i = 1,2,…,N,P>0,?P=l,则随机变量的信息 ? 14?《测控技术>>2011年第30卷第l0期 熵定义为 , 日():一?Pi1ogP(bi符号)(5) 最大信息熵原理描述在一定条件下,随机变量满 足何种分布时信息熵取得最大值.已经证明,在离散 随机变量的情况下,当为等概率分布时,信息熵达 到最大值. 对噪声语音在m个尺度上进行小波分解,每个尺 度上有几个小波系数,设在尺度上的小波系数矢 量为 IV . i_.Wj, 1,Wj, 2,…, , )(6) 经过改进加权阈值函数处理后,得到的小波系数矢 量为 = (奶,.,奶l2,…,奶.)(7) 去噪后语音信号在尺度上的能量定义为 =wjIl.=?I(8) 由小波的正交性,经过阈值函数处理后,语音信号 的总能量为 E=?(9) 信号的能量越大就表明它对系统的影响也就越 大,即贡献越显着,在小波去噪中,则说明对含噪信号 中原始信号恢复的贡献越大.故可将尺度上的小波 能量在小波总能量中的比重作为该层小波对去噪的贡 献,即 p,:等:—., 根据式(5)信息熵的定义,可以得到小波的信息 熵为 H()=一?PJl~g2PJJ=1 lI ‘—一 log2一 ??l??li=1k=1=1k=1 根据式(2)可知,式(11)中m与调节因子?和 阈值A有关,因此H()也与?和A有关,是它们的 函数. 根据最大信息熵原理,求得H()=日(?,A)(约 束条件为一0.5???O.5)取最大值时的?和A,由此 便可确定阈值的大小和加权阈值函数的表达式. 3.2.2二重循环搜索法求解?和A 在实际中要想求得日(?,A)在约束条件下取最大 值时的?和A是比较复杂和繁琐的,因此,需要用一 种切实可行的来进行求解. 因一0.5???0.5,故可令?的初始值为一0.5,步 长为0.1,终值为0.5;同样将A的初始值也设为0,终值 则为式(10)的通用阈值,步长为0.001,进行二重循环 搜索法来计算日(?,A)在约束条件下取最大值时的? 和A.通过改变步长的大小可得到更加精确的结果. 3.3仿真结果分析 实验中采用的语音材料为一段在安静的实验室环 境下录制的纯净语音,采样率为8kHz,编码位数为 l6-bit.在Matlab软件中,对原始纯净语音分别加入均 值为0,方差为0.002,0.008,0.05,0.1及1的高斯白 噪声,然后对含噪语音分别进行小波包分解,采用 coif5小波,分解层数为4,最后根据最大信息熵原理, 采用二重循环搜索法确定的调节因子及阈值分别进行 去噪处理. 为了进一步评价本文方法的性能,引入信噪比的 客观评价指标,它反映了信号的感知质量. 为证明本算法的有效性,仿真实验中同时对比了 采用软阈值函数,硬阈值函数时的去噪效果.参见表 1及图1. 表1基于最大信息熵的小波去噪与硬阈值及软阈值去噪比较 ..iio—-.1——噌..-一1- 占_——————————————l04 (a)原始语音信号 一 123456×10 (b)原始带噪语音信号 oHH-...._—?l一_.1’_-.-——--_—H.-__.._.-, 11————————————————— ×10 (c)软阀值去噪后语音信号 1 0HH——..._一—————_-.———-1.-.1-_.一1 1———————_——————1o4 (d)硬阀值去噪后语音信号 .-_1..一—-一一叶1— 1——————————————×lo4 (e)本算法去噪后语音信号 图1纯净语音中加入均值为0,方差为0.008的 高斯白噪声时的去噪效果 (下转第17页) 基于PCI总线的多功能可定制数据采集系统?l7? No.BYTEMode);//设置串墨的工作模式 Sio— SetRevMode(HANDLEhAECMFC4B,BYTEChannelNo, REVMODE_STRUCTRevMode);//设置串墨数据接收方式 Sio—SetFrameFormat(HANDLEhAECMFCAB,BYTEChan— neiNo,FRAMEFORMAT_STRUCTFrameFmt);//设置串口帧 起始符和帧长度 SioSetDataFormat(HANDLEhAECMFC4B,BYTEChannd- No.DATAFORMAT—STRUCT%OataFmt);//设置串口数据位 传输格式 采集任务配置子模块可灵活设置本次试验的测试 数据类型,软件对1553B总线,422总线,429总线, AFDX总线,AD,DI以及DO所对应的数据格式进行 解析并整理成为统一的格式,通过界面可以方便选择 测试类型,软件中定制界面如4所示. 图4任务定制界面 根据界面的选择定制本次试验任务,选择范围基 本上包含了所有常用的航空电子总线类型,这是该数 据采集系统多功能的体现之一.用户根据自己的ICD 可以进行ICD定制,采集系统根据ICD规则进行 统一解析,呈现给用户的就是统一的解析结果,用户只 需要如图4所示进行任务定制,即可得到辐关参数的 测试,解析过程对用户来说是透明的. 3.2数据采集显示模块关键技术 数据采集显示模块主要采用了多线程,多视图,双 缓冲,Teechart等关键技术.该模块需要的额外线程 包括采集线程,存储线程,显示线程,监控报警线程. 由于采集任务较多,采集频率大于存储频率,因此存储 线程需要采用双缓冲结构,将采集到的数据先存到内 存缓冲区中,然后再将内存缓冲区的数据存储到本地 磁盘上.监控显示的参数较多,而且某些参数之间呈 现相关性,因此需要采用多视图技术,将视图进行分 割,将具有相关性的参数在同一个视图中进行监控显 示,便于用户进行比较.在曲线监控方面用到了图表 控件Teechart,Teecha~由西班牙Steema开发,功能非 常强大,支持二维三维图表显示,鼠标取值,鼠标缩故, 曲线游动等功能,Teecha~控件显示曲线的界面如图5 所示. 3.3数据分析处理模块关键技术 数据分析处理模块采用的关键技术包括Teechart 曲线绘制,ADO组件访问数据库,Excel服务器数据报 表等.Teechart技术在3.2节已经介绍;Excel服务器 用于将从数据库中读出来的数据进行报表和打印,操 作Excel常用的类包括=~pplication,Workbooks,Work一 (上接第l4页) 由表l数据可以看出:与输入信噪比相比,本算法 的输出信噪比有很大的提高,并且本算法的输出信噪 比要明显高于硬阈值去噪法和软阈值去噪法.本算法 在输入信噪比比较大的情况下,输出信嗓比的改善更 大.这表明基于最大信息熵的小波包阈值去噪算法在 抑制白噪声方面要明显优于硬阈值和软阈值去噪法. 通过图1的对比可以看出,基于最大信息熵的小 波去噪算法,在去噪后的信噪比方面,要明显优于传统 的硬阈值及软阈值去噪,这表明该算法能够很好地抑 制高斯白噪声,提高语音增强效果. 4结束语 阈值的设定和阕值函数的选取直接关系到小波阈 值去噪算法的去噪效果.笔者提出了一种基于最大信 息熵的小波去噪语音增强算法,根据最大信息熵的理 论确定阈值和加权阂值函数中加权因子的大小.仿真 结果表明,该算法能够很好地抑制高斯白噪声,为语音 增强提供了一种新的途径,在实际应用中具有一定的 意义. 参考文献: [1]胡广书.现代信号处理教程[M].北京:清华大学出版 社,2007. [2]张天瑜.基于最大信息熵的小波图像去噪算法研究[1], 长春工业大学(自然科学舨),2009,30(5). [3]DonohoL,JohnstonelM.Idealspatialadaptationbywave. 1etshrinkage[J].Biometrika,1994,8l(3):425—455. [4]邓玉娟.基于小波包的阂值语音去噪算法研究[J].电声 技术,2009,33(9):65—69. 口