matlab如何获得最佳小波包基,基于听觉特性的小波包语音增强算法Matlab实现程序...

本文基于听觉特性的小波包语音增强算法Matlab实现程序如下：

说明：1.“D:\EXPERI\”为实验中纯净语音素材和生成的带噪语音以及增强后的语音在PC中的存放路径。

2.可以通过改变SNR的具体值根据需要将生成的带噪语音信号的信噪比

设为任意合理值。

3.实验中我们将Matlab的wthresh.m文件中的库函数wthresh(x,sorh,t)

就行了修改，sorh增加了一种类型'n'，该类型代表论文中提出的新的

阈值函数类型。

a)生成混杂白噪声的带噪语音部分

%读入纯净语音并显示

x=wavread('D:\EXPERI\clean.wav');

subplot(3,1,1);

plot(x);

axis([0 55521-0.5 0.5]);

x1=length(x);

%给定信噪比

SNR=5;

%利用信噪比和语音能量求得要添加的白噪声

clean_energy=sum(x.*x);

addnoise_energy=clean_energy*(10^-(SNR/10));

noise=normrnd(0,1,x1,1);

noise_energy=sum(noise.*noise);

q=addnoise_energy/noise_energy;noise_new=sqrt(q)*noise;

%在纯净语音中加入白噪声

y=x+noise_new;

%将数据写入语音文件并显示

wavwrite(y,8000,'D:\EXPERI\WN_clean.wav');

subplot(3,1,2);

plot(y);

axis([0 55521-0.5 0.5]);

b)基于听觉特性的小波包语音增强算法实现部分

%Bark小波包分解

x=wavread('D:\EXPERI\WN_clean.wav');

wptree=wpdec(x,7,'db5');

%把Bark小波分解包中的第五层的叶结点合并

for k=47:62

wptree=wpjoin(wptree,k);

end

%把Bark小波分解包中的第六层的叶结点合并

for k=79:86

wptree=wpjoin(wptree,k);

end

for k=91:94

wptree=wpjoin(wptree,k);