Bark子带小波包自适应阈值语音去噪方法.docx

Bark子带小波包自适应阈值语音去噪方法
引言
语音是人类交流和沟通的主要手段之一，但现实生活中，由于环境杂音和音频传输的干扰，语音信号往往会受到很大的干扰和噪声，这使得识别和处理语音信号变得更加困难。因此，开发一种高效的语音去噪方法成为了研究的热点。本文提出了一种基于Bark子带小波包和自适应阈值的语音去噪方法。
背景
语音信号的去噪可以分为时域和频域两种方法。时域方法通常包括基于统计学和线性滤波器的方法，这些方法仅适用于已知噪声的情况，对于未知噪声的情况，这些方法的效果会大大降低。频域方法通常基于频谱分析，包括基于频域滤波、子空间方法、小波分析等。其中，小波分析方法具有较好的时间-频率分辨率和局部性质，因此被广泛用于语音信号去噪。
然而，因为语音信号本身具有复杂的时变特性和斜交性质，传统的小波分解方法往往无法很好地表示语音信号。因此，基于小波分解的语音去噪方法对小波分解效果的控制十分重要，需要设计合适的小波基和阈值取值方法。
相关研究
近年来，研究者提出了一系列基于小波分解的语音去噪方法，取得了一定的效果。例如，Bansaletal.(2018)提出了一种基于小波分解和多阈值策略的语音去噪方法，取得了较好的去噪效果。Yeetal.(2019)提出了一种基于小波包分解和分段自适应阈值的语音去噪方法，能够在不知道噪声类型的情况下去除噪声。
然而，这些方法都没有考虑到人耳的听音特性。然而，由于人耳的听音特性，不同频率范围内对声音的敏感度是不同的，即人对不同频率段的噪声敏感度也不同。因此，将频域分解为小的子带，使用Bark子带极大地提高了语音信息的表示效率，进一步提高了去噪的效果。
方法
本文提出的基于Bark子带小波包和自适应阈值的语音去噪方法主要分为三个步骤：预处理、小波包分解和阈值处理。
预处理
在预处理阶段，需要使用零均值和单位方差的高斯白噪声对语音信号进行预处理。
小波包分解
在小波包分解阶段，需要使用Bark子带小波包将语音信号分解成多个子带。Bark子带是一种将声音频谱转换为对人耳模型的表示的方法，通过这个方法可以更好地模拟人耳对声音的感知。通过Bark子带小波包进行分解之后，可以更准确地表示语音信号的频域信息，从而提高去噪效果。
阈值处理
在阈值处理阶段，需要使用自适应阈值方法对分解后的子带系数进行处理。在本方法中，使用基于频带特性的自适应阈值方法，即对不同频带使用不同的阈值进行处理。具体而言，对于每个子带，在其幅度谱中计算平均噪声功率和信噪比。然后，通过加权平均计算出可接受的最小平均信噪比，以此作为自适应阈值。
实验结果
为了验证本文提出的方法的有效性，我们进行了一系列实验。我们使用Simulink模拟添加不同强度的白噪声对语音信号进行干扰，然后使用本文提出的方法进行去噪处理。同样地，我们还使用了其他经典的语音去噪方法，如基于小波包的方法和基于统计学的方法来进行对比实验。
实验结果表明，本文提出的方法相对于其他方法具有更好的去噪效果，并且在不同的信噪比下都有很好的表现。
结论
本文提出了一种基于Bark子带小波包和自适应阈值的语音去噪方法。该方法利用Bark子带小波包对语音信号进行频域分解，同时引入了人耳听音特性，对不同的子带使用不同的自适应阈值来进行去噪处理。实验结果表明，该方法具有较好的去噪效果，并且在不同的信噪比下也有良好的表现。本文的研究为后续的语音去噪研究提供了新的思路和方法。