【信号去噪】基于谱减法、最小均方和维纳滤波三种算法实现信号去噪含Matlab源码...

1 简介

语音信号在实际场合中通常容易受噪声的干扰,较强的噪声会降低语音识别的效率,为了使语音信号可懂,需要对噪声进行处理.本文先分析了语音和噪声的特性,介绍了谱减法、最小均方和维纳滤波三种语音去噪算法,以及这些算法实现的仿真结果对比。

2 部分代码

登录后复制

          
          

           
           ​
           
           
1 简介
           
           
语音信号在实际场合中通常容易受噪声的干扰,较强的噪声会降低语音识别的效率,为了使语音信号可懂,需要对噪声进行处理.本文先分析了语音和噪声的特性,介绍了谱减法、最小均方和维纳滤波三种语音去噪算法,以及这些算法实现的仿真结果对比。
           
           

           
           
2 部分代码
           
           
function [ss,po]=specsubm(s,fs,p)
           
           
%SPECSUBM performs speech enhancement using spectral subtraction [SS,PO]=(S,FS,P)
           
           
%
           
           
% implementation of spectral subtraction algorithm by R Martin (rather slow)
           
           
% algorithm parameters: t* in seconds, f* in Hz, k* dimensionless
           
           
% 1: tg = smoothing time constant for signal power estimate (0.04): high=reverberant, low=musical
           
           
% 2: ta = smoothing time constant for signal power estimate
           
           
%        used in noise estimation (0.1)
           
           
% 3: tw = fft window length (will be rounded up to 2^nw samples)
           
           
% 4: tm = length of minimum filter (1.5): high=slow response to noise increase, low=distortion
           
           
% 5: to = time constant for oversubtraction factor (0.08)
           
           
% 6: fo = oversubtraction corner frequency (800): high=distortion, low=musical
           
           
% 7: km = number of minimisation buffers to use (4): high=waste memory, low=noise modulation
           
           
% 8: ks = oversampling constant (4)
           
           
% 9: kn = noise estimate compensation (1.5)
           
           
% 10:kf = subtraction floor (0.02): high=noisy, low=musical
           
           
% 11:ko = oversubtraction scale factor (4): high=distortion, low=musical
           
           
if nargin<3 po=[0.04 0.1 0.032 1.5 0.08 400 4 4 1.5 0.02 4].'; else po=p; end
           
           
ns=length(s);
           
           
ts=1/fs;
           
           
ss=zeros(ns,1);
           
           
​
           
           
ni=pow2(nextpow2(fs*po(3)/po(8)));
           
           
ti=ni/fs;
           
           
nw=ni*po(8);
           
           
nf=1+floor((ns-nw)/ni);
           
           
nm=ceil(fs*po(4)/(ni*po(7)));
           
           
​
           
           
win=0.5*hamming(nw+1)/1.08;win(end)=[];
           
           
zg=exp(-ti/po(1));
           
           
za=exp(-ti/po(2));
           
           
zo=exp(-ti/po(5));
           
           
​
           
           
px=zeros(1+nw/2,1);
           
           
pxn=px;
           
           
os=px;
           
           
mb=ones(1+nw/2,po(7))*nw/2;
           
           
im=0;
           
           
osf=po(11)*(1+(0:nw/2).'*fs/(nw*po(6))).^(-1);
           
           
​
           
           
imidx=[13 21]';
           
           
x2im=zeros(length(imidx),nf);
           
           
osim=x2im;
           
           
pnim=x2im;
           
           
pxnim=x2im;
           
           
qim=x2im;
           
           
​
           
           
for is=1:nf
           
           
   idx=(1:nw)+(is-1)*ni;
           
           
   x=rfft(s(idx).*win);
           
           
   x2=x.*conj(x);
           
           
   
           
           
   pxn=za*pxn+(1-za)*x2;
           
           
   im=rem(im+1,nm);
           
           
   if im
           
           
      mb(:,1)=min(mb(:,1),pxn);
           
           
   else
           
           
      mb=[pxn,mb(:,1:po(7)-1)];
           
           
   end
           
           
   pn=po(9)*min(mb,[],2);
           
           
   %os= oversubtraction factor
           
           
   os=zo*os+(1-zo)*(1+osf.*pn./(pn+pxn));
           
           
   
           
           
   px=zg*px+(1-zg)*x2;
           
           
   q=max(po(10)*sqrt(pn./x2),1-sqrt(os.*pn./px)); 
           
           
   ss(idx)=ss(idx)+irfft(x.*q);
           
           
   
           
           
end
           
           
if nargout==0
           
           
   soundsc([s; ss],fs);
           
           
end
           
           
​
           
           
​
           
           
​
           
           
​
           
           
​
           
           
3 仿真结果
           
           

           
           

           
           

           
           

           
           

           
           

           
           
4 参考文献
           
           
[1]吴马军, 俞兴莉, 陈亮. 语音降噪算法的实现研究[J]. 信息通信, 2019, 000(001):72-74.​
           
           

           
           
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
           
           
部分理论引用网络文献，若有侵权联系博主删除。
           
           

           
           
​
          
          

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.
• 61.
• 62.
• 63.
• 64.
• 65.
• 66.
• 67.
• 68.
• 69.
• 70.
• 71.
• 72.
• 73.
• 74.
• 75.
• 76.
• 77.
• 78.
• 79.
• 80.
• 81.
• 82.
• 83.
• 84.
• 85.
• 86.
• 87.
• 88.
• 89.
• 90.
• 91.
• 92.
• 93.
• 94.
• 95.

3 仿真结果

正在上传…重新上传取消

​

编辑

​

编辑

4 参考文献

[1]吴马军, 俞兴莉, 陈亮. 语音降噪算法的实现研究[J]. 信息通信, 2019, 000(001):72-74.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。

​

编辑