语音信号中常见的噪声大致可以分为以下几类[1, 2]:周期性噪声、脉冲噪声、宽带噪声和语音干扰噪声。
- 周期性噪声的特点是有很多离散的窄谱峰,它往往是由汽车发动机和其他周期性运转机械以及电气干扰所引起的噪声。
- 脉冲噪声通常来源于爆炸、撞击、放电及突发性干扰等,其特点是时间上的宽度很窄。
- 宽带噪声的来源较多,例如热噪声、气流(如:风、呼吸),量化噪声及各种随机源噪声。宽带噪声在处理时通常可以假定为高斯噪声和白噪声。
- 语音干扰噪声是指在语音信号采集时记录下的其他说话人的声音对主要说话人语音造成的干扰。
- 谐波增强法不但能增强语音信号,也可以抑制各种噪声的干扰,其关键是要准确的估计出基音的周期,基音周期的估计可以采用语音信号处理中的各种基音估算法实现。
- 由于语音信号的短时谱具有较强的相关性,而噪声的前后相关性很弱,因此可以利用短时谱估计的方法从带噪语音中估计原始语音,即基于短时谱估计的增强算法。该算法在处理未知噪声和线性滤波干扰的问题
上,具有比较好的效果。
- 低熵性。小波系数的稀疏分布,使图像变换后的熵降低;
- 多分辨率特性。由于采用了多分辨率的方法,所以可以非常好地刻画信号的非平稳特征,如边缘、尖峰、断点等,以便于特征提取和保护。
- 去相关性。因小波变换可对信号去相关,且噪声在变换后有白化趋势,所以小波域比时域更利于去噪;
- 选基灵活性。由于小波变换有形式多样的小波基可供选择,所以可以针对不同的应用场合选取合适的小波基函数,以获取最佳的去噪效果。
- 模极大值去噪法主要适用于信号中混有白噪声,且信号中含有较多奇异点的情况。
- 基于小波系数尺度间相关性去噪可以取得良好的去噪效果,去噪效果比较稳定,尤其适用于高信噪比的信号。它的不足之处在于计算量过大,且需要估计噪声方差。
- 小波阈值去噪法计算速度快,噪声能得到较好抑制,且反映原始信号的特征尖峰点能得到很好的保留,目前该方法是众多小波去噪方法中应用最广泛的一种。但小波阈值去噪法的去噪效果受信号信噪比的影响很大,这一点在低信噪比情况下尤其明显。
- 平移不变量法主要适用于信号中混有白噪声且还有若干个不连续点的情况。
参考文献
[1]赵力.语音信号处理(第2版)[M].北京:机械工业出版社.2009
[2]张雄伟,陈亮.现代语音处理技术及应用[M].北京:机械工业出版社.2003
[3]成礼智等.小波的理论与应用[M].北京:科学出版社.2004
[4]孙延奎.小波分析及其应用[M].北京:机械工业出版社.2005
转自:http://blog.sina.com.cn/s/blog_69cd07790100oxnc.html