基于仿生小波变换的语音增强方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112530449A(43)申请公布日2021.03.19(21)申请号202011128758.5G10L21/007(2013.01)(22)申请日2020.10.20G10L25/27(2013.01)(71)申请人国网黑龙江省电力有限公司伊春供电公司地址153000黑龙江省伊春市伊美区透笼山街10号新区电力大厦申请人国家电网有限公司东北电力大学(72)发明人张世强王鸿飞李俐欣张婷娟黄雷(74)专利代理机构吉林市达利专利事务所22102代理人陈传林(51)Int.Cl.G10L21/02(2013.01)G10L21/0332(2013.01)权利要求书4页说明书8页附图1页(54)发明名称基于仿生小波变换的语音增强方法(57)摘要本发明的一种基于仿生小波变换的语音增强方法，采用构建仿生小波变换阈值函数，采用人工蜂群算法寻找最优阈值，利用构建的新阈值函数和最优阈值实现语音信号去噪等步骤，能够有效的降低噪声对语音信号的干扰，提高语音信号的信噪比，具有科学合理、结构简单、去噪效果好、适用范围广等优点。CN112530449ACN112530449A权利要求书1/4页1.一种基于仿生小波变换的语音增强方法，其特征是，它包括的内容有：构建仿生小波变换阈值函数，采用人工蜂群算法寻找最优阈值，利用构建的新阈值函数和最优阈值实现语音信号去噪，1)所述构建仿生小波变换阈值函数为解决阈值函数，包括软阈值函数、硬阈值函数在处理信号时存在着固有的缺点，硬阈值函数在阈值处存在着不连续的问题，而软阈值函数虽改善了平滑性，但其估计小波系数与wj,k之间总会产生恒定的偏差，这在很大程度上影响重构信号和真实信号的逼近程度，为此，采用硬阈值函数及软硬阈值折衷函数构造一种新阈值函数，表达式为：式中，α表示调节参数，α∈[0,0.5]，当α＝0时，新阈值函数近似为硬阈值函数，当α＝0.5时，新阈值函数接近于软硬阈值折衷函数，但改变了当|wj,k|<λ时，将当前小波系数置为0的缺陷；①新阈值函数具有连续性当函数的定义域|wj,k|>λ，新阈值函数|wj,k|→λ，即wj,k无限逼近于λ时当函数的定义域|wj,k|<λ，新阈值函数|wj,k|→λ，即wj,k无限逼近于λ时因此，由式(2)和式(3)可以看出，新阈值函数在wj,k＝±λ时，函数的值是固定的，因此该函数在wj,k＝±λ时是连续的，克服了硬阈值函数在wj,k＝±λ时不连续的缺点，改善了硬阈值函数的缺陷；②新阈值函数的渐进线为当|wj,k|≥λ时，新阈值函数当|wj,k|≥λ时，则2CN112530449A权利要求书2/4页由式(4)和(5)可知，而的阈值函数的数学表达形式为奇函数，所以，仍等于1，因此新阈值函数是以为渐近线的，即随着wj,k的增大，是无限趋近于|wj,k|，因而弥补了估计小波系数与wj,k之间恒定会产生偏差的不足，改善了软阈值函数的缺陷；2)所述采用人工蜂群算法寻找小波仿生变换的最优阈值将人工蜂群算法应用到语音信号阈值去噪的过程中，通过对阈值选取过程中增加调节参数，优化阈值的选取，采用人工蜂群算法最优蜜源搜索来求解优化问题，同时结合阈值去噪的特性，依照适应度函数获取适应度最优的参数，增强阈值去噪效果，在人工蜂群算法过程中，种群大小为SN，最大迭代次数(MaxCycle)，控制参数为limit，在搜索过程中获得随机初始解xi(i＝1,2,…,SN)，在搜寻过程中，首先进行初始化种群：式中，vi,j和xi,j分别为采蜜蜂搜索的前后位置，i为第i个蜜源，j∈{1,2,…,D}及k∈{1,2,…,N}是随机产生的，同时k≠i，适应度值的表达式为：其中，fi表示优化问题的目标函数。带噪语音信号增强后的信噪比SNR：式中，N表示语音信号长度；y(t)和分别表示去噪后的语音信号和带噪语音信号侦察蜂选择蜜源的概率计算：式中，fitnessi表示第i个解对应的适应度值，当全部的观察蜂搜索完毕之后，判断这个解经历limit次循环后是否被更新，如果未被更新，那么此蜜源被舍弃，如果舍弃蜜源xi，那么该蜜源对应的采蜜蜂变化为侦察蜂，侦察蜂此时寻觅新的蜜源替代旧的蜜源，xi,j＝xminj+rand(0,1)(xmaxj‑xminj)(10)式中，xmaxj和xminj分别表示维度j的上界和下界，j∈{1,2,…,D}，然后采蜜蜂继续搜寻过程，重复循环上述过程；人工蜂群算法对食物源评价是采用贪婪选择的方法，表示为：3CN112530449A权利要求书3/4页人工蜂群算法实现步骤为：(a)采用随机初始化的方法初始化种群，包括种群的大小SN，最大迭代次数(MaxCycle)以及控制参数limit：(b)通过式(7)采蜜蜂从相邻的域找寻新解和计