基于小波变换的语音增强算法简单综述

前言：

语音通信是人类传播信息，进行交流时使用最多、最自然、最基本的一种手段。而这种通信中的信息载体—语音信号却是一种时变的、非平稳的信号，只有在很短的一段时间内(通常为10~30ms)才被认为是平稳的。在语音的产生、处理和传输过程中，不可避免地会受到环境噪声的干扰，使得语音信号处理系统，如语音编码和语音识别系统的性能大大降低。为了改善语音质量，提高语音的可懂度，人们根据语音和噪声的特点，采取各种语音增强方法抑制背景噪声。但是语音信号去噪是一个很复杂的问题，必须考虑语音本身的特点、千变万化的噪声的特点、人耳对语音的感知特性以及大脑如何处理信号等问题，所以，语音增强技术的研究是语音信号处理中永恒的课题。

尽管语音信号的去噪理论和方法目前还远远没有解决，但是40多年来，研究者们针对不同的噪声、不同的应用对加性噪声提出了很多方法。流行的语音增强方法有维纳滤波、卡尔曼滤波、谱减法和自适应滤波等。其中维纳滤波是在平稳条件下的基于最小均方误差的最优估计，但对语音这种非平稳信号不是很适合;卡尔曼滤波克服了维纳滤波的平稳条件，在非平稳条件下也可保证最小均方误差最优，但是仅适用于清音；谱减法是常用的一种方法，但是在信噪比低的情况下，对语音的可位度和自然度损害较大，并且重建语音中产生了音乐噪声；自适应滤波是效果最好的一种语音增强方法，但是由于需要一个在实际环境中很难获得的参考噪声源，实际工作中并不好用，而且和谱减法一样伴有音乐噪声。同时，以上各种方法在进行语音增强时，都需要知道噪声的一些特征或统计特性，而在没有噪声先验知识的情况下，从带噪语音信号中提取语音信号是比较困难的。

小波变换是近10年来迅速发展起来的一种时频局部分析方法，它克服了短时傅里叶变换