本文介绍了使用Matlab进行小波语音降噪的方法，包括软阈值、硬阈值和折中阈值策略。通过小波变换将信号分解，设置不同阈值来保留或修剪小波系数，以此去除噪声。文章提供了一部分源代码，并展示了处理前后的语音信号波形。实验基于Matlab 2014a，参考了韩纪庆等人的《语音信号处理》和柳若边的《深度学习：语音识别技术实践》。
⛄一、小波语音降噪简介
对于噪声频谱遍布于语音信号频谱之中的宽带噪声，如果噪声振幅比大部分的语音信号振幅低，则削去低幅度成分也就削去了宽带噪声。基于这种思路，可以在频域中采取中心限幅的方法，即让带噪语音信号通过一限幅滤波器，高幅度频谱可以通过而低幅成分不允许通过，从而实现噪声抑制。需要注意的是中心削波不可避免地要损害语音质量，通常只在频域中进行，而一般不在时域中实施。
小波降噪的原理类似于中心削波法。小波降噪最初是由Donoho和Johnstone提出的， 其主要理论依据是，小波变换具有很强的去数据相关性，它能够使信号的能量在小波域集中在一些大的小波系数中；而噪声的能量却分布于整个小波域内。因此，经小波分解后，信号的小波系数幅值要大于噪声的系数幅值。因此，幅值比较大的小波系数一般以信号为主，而幅值比较小的系数在很大程度上是噪声。于是，采用阈值的办法可以把信号系数保留，而使大部分噪声系数减小至0。小波降噪的具体处理过程为：将含噪信号在各尺度上进行小波分解，设定一个阈值，幅值低于该阈值的小波系数置为0，高于该阈值的小波系数或者完全保
留，
订阅专栏 解锁全文
扫一扫
552
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
