畢業(yè)論文--基于dsp的語音信號的去噪方法

1、<p><b>　　武漢工業(yè)學院</b></p><p>　　畢 業(yè) 設 計（論 文）</p><p>　　設計（論文）題目： 基于DSP的語音信號的去噪方法</p><p>　　姓 名____李yi__________</p><p>　　學 號___090000000_________</

2、p><p>　　院（系）_ 電氣與電子工程學院___</p><p>　　專 業(yè)___通信工程___________</p><p>　　指導教師_____00000________</p><p>　　2013年 5月5日 </p><p>　　基于DSP的語音信號的去噪方法</p><

3、;p>　　摘要：語音是語言信息的載體，是人類交流信息最自然、最有效、最方便的手段。在許多情況下，人們所關心的語音信號不可避免地被其他信號所污染，影響了人們的聽辨。</p><p>　　小波變換在當今信號處理領域中是一種十分活躍的理論，小波閾值消減法是對小波分解系數(shù)進行閾值化的降噪技術。本文簡要介紹主要針對基于小波變換的閾值去噪方法進行了研究，對小波閾值消噪從兩個方面進行改進。一方面，通過對傳統(tǒng)小波閾值消噪算

4、法中的軟閾值函數(shù)和硬閾值函數(shù)以及L．Breiman提出的非負死區(qū)閾值函數(shù)進行分析，提出了兩種改進的閾值函數(shù)。另一方面，受到譜減法思想的啟發(fā)，提出了新的閾值估計思想。經實驗證明，本文閾值函數(shù)和閾值估計的消噪結果保持了信號的邊緣特性，并且提高了語音信噪比。</p><p>　　關鍵詞：小波消噪 閾值估計 閾值函數(shù) 高斯白噪聲</p><p>　　Abstract：Speech signal i

5、s the carder of the speech information，and also is the most nature，convenient and shortcut way of intercommunication．However in most cases，speech signal is disturbed and polluted inevitably so that we can’t catch the exp

6、licit meaning of the speech signal．</p><p>　　Wavelet transform theory is one of the modem analysis methods．Wavelet threshold de-noising is a de-noising technique based on the threshold of the wavelet coeffic

7、ients．In this paper，several approaches of speech enhancement are introduced briefly．Wavelet threshold de-noising is the main part in this paper．Two aspects improvement is presented in this paper ，In one aspect，two new th

8、reshold function is presented based on the analysis of the traditional soft—threshold，hard—threshold functions and the</p><p>　　Key words：wavelet de-noising threshold estimation

9、 threshold functions white Gaussian noise</p><p><b>　　目 錄</b></p><p>　　摘要 基于DSP的語音信號的去噪方法1</p><p>　　目錄 ......................................

10、..............................................................................................2</p><p><b>　　第一章 緒論3</b></p><p>　　1．1課題的研究背景及意義4</p><p>　　1．2語音去噪的基礎知識

11、4</p><p>　　1．2．1語音信號的特點5</p><p>　　1．2．2噪聲特性5</p><p>　　1．3 TI DSP 介紹6</p><p>　　1.3.1　C54x芯片6</p><p>　　1.4.　CCS開發(fā)環(huán)境7</p><p>　　1.4.1 CCS集成開

12、發(fā)環(huán)境8</p><p>　　1.5 本文重點總結9</p><p>　　第二章 小波在語音消噪中的應用9</p><p>　　2.1經典的小波算法10</p><p>　　2.1.1 模極大值去噪算法10</p><p>　　2.1.2相關性去噪算法10</p><p>　　2.

13、1. 3小波閾值去噪算法10</p><p>　　2.2一種新的小波閾值去噪方法11</p><p>　　2.3 本章總結13</p><p>　　第三章 實驗設計原理及過程14</p><p>　　3.1 小波去噪原理分析14</p><p>　　3.1.1. 小波去噪原理14</p>

14、<p>　　3.1.2 小波去噪步驟15</p><p>　　3.2.閾值的選取與量化15</p><p>　　3.2.1. 軟閾值和硬閾值15</p><p>　　3.2.2. 閾值的幾種形式16</p><p>　　3.2.3. 閥值的選取16</p><p>　　3.3實驗步驟17</

15、p><p>　　3.3.1小波去噪驗證仿真17</p><p>　　3.3.2. 小波去噪與FFT去噪效果對比18</p><p>　　3.4本章總結19</p><p>　　第四章 實驗仿真及圖20</p><p>　　4.1實驗結論20</p><p><b>　　結論22

16、</b></p><p><b>　　致謝23</b></p><p>　　參 考 文 獻24</p><p><b>　　附錄25</b></p><p><b>　　第一章 緒論</b></p><p>　　語音信號處理是信息高速

17、公路、多媒體技術、辦公自動化、現(xiàn)代通信及智能系統(tǒng)等新興領域應用的核心技術之一。在高度發(fā)達的信息社會，用數(shù)字化的方法進行語音的傳送、存儲、識別、合成、增強等是整個數(shù)字化通信網中最重要、最基本的組成部分之一。同時，語言不僅是人類相互間進行溝通最自然和最方便的形式，也是人與機器之間進行通信的重要工具，它是一種理想的人機通信方式，因而可為計算機、自動化系統(tǒng)等建立良好的人機交互環(huán)境，進一步推動計算機和其他智能機器的應用，提高社會的信息化和自動化程

18、度。語音處理技術，其中最重要的包括語音編碼、語音合成、語音識別、說話人識別及語音增強，它的應用極其廣泛，包括工業(yè)、軍事、交通、醫(yī)學、民用等各個領域。目前，語音處理技術處于蓬勃發(fā)展的時期，己有大量產品投放市場，并且不斷有新產品被開發(fā)研制，具有及其廣闊的市場需要和應用前景。</p><p>　　1．1課題的研究背景及意義</p><p>　　語音是語言信息的載體，是人類交流信息最自然、最有效、

19、最方便的手段。在許多情況下，人們所關心的語音信號不可避免地被其他信號所污染，即語音總會受到外界環(huán)境噪聲的干擾，這些噪聲包括從周圍環(huán)境、傳輸媒質中引入的噪聲、電器設備的噪聲以及其他說話人干擾等等。環(huán)境噪聲會影響語音質量，嚴重的情況下語音將完全淹沒到噪聲中，無法分辨。這些背景噪聲對人們得到語言信號中夾帶的有效信息產生了很大的干擾，會引起有用語音信息的相對失效。計算機無法準確地分離出噪聲與有用信息，因此要讓它準確無誤地執(zhí)行所要求執(zhí)行的操作，就

20、必須對語音進行降噪處理。研究如何進行語音去噪的科學意義很大，它能幫助人們解決很多問題，同時它具有廣闊的應用前景。較好的降噪處理結果，有利于語音信號的編碼，從而也會減少數(shù)據(jù)的存儲量，利于在網絡中的傳送。語音增強技術就是從噪聲背景中提取、增強有用的信號，抑制、降低噪聲干擾的技術。比如，語音識別系統(tǒng)在實驗室環(huán)境中可取得相當好的效果，但在噪聲環(huán)境中，尤其是在強噪聲環(huán)境中使用時，系統(tǒng)的識別率將受到嚴重影響。由于干擾通常都是隨機的，因而從帶噪語音中

21、提取相對完全純凈的語音幾乎不可能。。語音降噪處理的意義非常重大，它可</p><p>　　1．2語音去噪的基礎知識</p><p>　　語音去噪不但與信號處理技術有關，而且涉及到人的聽覺感知和語音學。另外，噪聲來源不同，特性也不相同，因而很難找出一種適用于各種噪聲環(huán)境的去噪算法。對不同噪聲必須使用不同的語音去噪方法。語音去噪算法的基礎是對語音和噪聲特性的了解和分析。</p>

22、<p>　　1．2．1語音信號的特點</p><p>　　語音是時變的、非平穩(wěn)、非遍歷的隨機過程。語音可以分為周期性的濁音和非周期的清音。濁音和清音經常在一個音節(jié)中同時出現(xiàn)。濁音部分和音質關系密切，在時域上呈現(xiàn)出明顯的周期性，在頻域上有共振峰結構，而且能量大部分集中在較低頻段內，是語音中大幅度高能量的部分，清音則沒有明顯的時域和頻域特征，類似于白噪聲，能量較小，在強噪聲中容易被掩蓋，但信噪比較高時能提供

23、較多的信息。根據(jù)中心極限定理，傅里葉展開系數(shù)被認為是獨立的高斯隨機變量，均值為零但方差是時變的。語音的短時譜幅度的統(tǒng)計特性是時變的，只有當分析幀長趨于無窮大時，才能近似認為其具有高斯分布。這種高斯模型應用于有限幀長時只是一種近似的描述，在寬帶噪聲污染的帶噪語音的語音去噪中，這種假設可作為分析的前提。</p><p><b>　　1．2．2噪聲特性</b></p><p&g

24、t;　　噪聲的來源很多，因此噪聲的特性也是多樣的。根據(jù)噪聲對語音頻譜的干擾方式，噪聲主要分為加性噪聲和乘性噪聲。當噪聲對語音的干擾表現(xiàn)為兩者信號在時域進行相加時，該噪聲被稱為加性噪聲。顯然噪聲和語音在頻域也為相加關系。在實際環(huán)境中，背景噪聲可以看作加性噪聲，加性噪聲是對背景噪聲一種比較貼切的表述。乘性噪聲是指噪聲和語音在頻譜上是相乘的關系，在時域則是卷積的關系，因此也稱為卷積噪聲。</p><p>　　我們關注的

25、噪聲通常分為沖激噪聲、周期噪聲、寬帶噪聲、語音干擾噪聲等。非加性噪聲主要是傳送網絡的電路噪聲等。</p><p>　　(1) 周期噪聲：往往來源于電動機、風扇等周期運轉的機械，50或60Hz交流電源聲也是周期噪聲。它們的頻譜圖特點為有許多離散的窄譜峰，通?？梢酝ㄟ^功率譜發(fā)現(xiàn)，用濾波或變換技術予以濾除。</p><p>　　(2) 沖激噪聲：通常是放電時會產生。它的時域波形是類似于沖激函

26、數(shù)的窄脈沖。沖激噪聲可以在時域內進行消除。影響通常有兩種方法：對帶噪語音信號的幅度求均值，將該均值作為判斷閾值，凡是超過該閾值的均判為沖激噪聲，把它進行衰減或者完全置零：當沖激脈沖不太密集時，也可以通過某些點內插的方法避開或者平滑掉沖激點，從而能在重建語音信號中去掉沖激噪聲。</p><p>　　(3) 寬帶噪聲：呼吸噪聲、風、隨機噪聲源產生的噪聲、量化噪聲等均可視為寬帶噪聲，應用中常近似為高斯噪聲或白噪聲。量

27、化噪聲通常作為白噪聲來處理，也可以當作寬帶噪聲處理。其顯著特點是噪聲頻譜遍布于語音信號域頻譜中，導致消除噪聲較為困難。一般需要采用非線性處理方法。</p><p>　　(4) 語音干擾：可能是受到其他語音源的干擾造成的。干擾語音信號和待傳語音信號同時在一個信道中傳輸所造成的干擾稱為語音干擾。考慮到一般情況下兩種語音的基音不同，也不成整數(shù)倍，利用它們的基音差別可以用梳狀濾波器提取基音和各次諧波，再恢復出有用語音信

28、號。</p><p>　　(5) 傳輸噪聲：這是傳輸系統(tǒng)的電路噪聲。與背景噪聲不同的是，語音和噪聲需要通過卷積變換，轉化為加性噪聲來處理。</p><p>　　1．3 TI DSP 介紹</p><p>　　TI公司DSP種類多，品種齊全，適合各種需要。目前，使用較為廣泛的主要有三個系列：C2000，C5000和C6000。其他系列產品應用較少或已經淘汰。每個系

29、列又有多種DSP可供選擇。同一系列的DSP具有相同的內核、相同或兼容的匯編指令集；它們之間的差別是具有不同大小的片內存儲器、不同的片內外設和外部接口等，工作電壓和速度也有所區(qū)別。以上3大系列DSP實現(xiàn)功能的側重點不同，也就是說應用領域有所不同：</p><p>　　(1)C2000系列是16位定點DSP。它是一個控制器系列，主要應用于工業(yè)控制領域，它除了具有一個DSP內核外，還有大量的片內外設資源，如A/D、定時

30、器、各種同步和異步串口、看門狗、CAN總線接口等；加上其價格低廉，速度更高，可靠性更強，可以取代傳統(tǒng)單片機。內部具有Flash，方便固化程序，而其他系列DSP都沒有內部Flash。</p><p>　　(2)C5000系列DSP是16位定點低功耗DSP，性價比極高，主要應用于無線通信系統(tǒng)及手持式通訊產品，如手機，PDA和GPS等。C5000又分為C54X和C55X兩個系列。相對C2000系列來說，其內部存儲更大，

31、運行速度更快，更適合執(zhí)行較為復雜的數(shù)字信號處理任務，但控制功能相對較弱。一般由核心電壓和I/O電壓兩種電壓供電。核心電壓較低，所以功耗很低，且體積很小，方便集成。</p><p>　　(3)C6000系列是32位的DSP系列。在TI的所有系列DSP中運行速度最快。其中C62XX是定點DSP，而C64XX和C67XX是浮點DSP，它主要應用于需要大量快速運算的場合，如數(shù)字視頻處理、無線基站等。由于速度很高，所以功耗

32、也很大。</p><p>　　1.3.1　C54x芯片</p><p>　　在本設計中使用的DSP是TMS320VC5410。它屬于TI C5000系列中的C54X系列，正如前面所說，同一系列的DSP具有相同的內核、相同或兼容的匯編指令集，差別僅在于內存儲器的大小，片內外設等等，所以就首先介紹一下C54系列DSP普遍具有的特點和性能。</p><p>　　54X具有

33、改進的哈佛結構，使其處理能力達到最大。分開的程序空間和地址空間提供了高度的并行性，可以同時訪問程序指令和數(shù)據(jù)，例如三次讀操作和一次寫操作可以在一個周期內完成。帶并行存儲的指令和具有特殊應用的指令充分利用了這種結構。這種并行性支持一套強大的算術運算、邏輯運算和位操作運算，所以使得這些運算可以在單個機器周期內完成。而且54X的運行機制還支持中斷處理、重復操作和函數(shù)調用等等。</p><p>　　對于任意通用可編程芯片

34、來說，一般都具備以下幾個部分：</p><p>　　(1)內部存儲器：主要用來存儲程序、執(zhí)行程序、存儲數(shù)據(jù)等；</p><p>　　(2)中央處理單元(CPU)：用來實現(xiàn)各種運算功能；</p><p>　　(3)片內外設：用來實現(xiàn)一些特定功能，如時鐘發(fā)生器、硬件定時器等等；</p><p>　　(4)外部總線接口：用來和其他芯片接口，協(xié)同工作

35、；</p><p>　　(5)通信接口：用來從外圍芯片獲得數(shù)據(jù)或者將處理完的數(shù)據(jù)傳輸出去；</p><p>　　(6)內部總線：用來連接芯片中不同的單元。也就是說，以上各個部分的通信是通過內部總縣來完成的。</p><p>　　1.4.　CCS開發(fā)環(huán)境</p><p>　　本節(jié)將介紹CCS Code Composer Studio 的基本開發(fā)

36、環(huán)境、軟件開發(fā)過程、CCS組件。CCS 提供了配置、建立、調試、跟蹤和分析程序的工具，它便于實時、嵌入式信號處理程序的編制和測試，能夠加速開發(fā)進程，提高工作效率。</p><p>　　CCS 全稱是 Code Composer Studio 它提供了基本的代碼生成工具，具有一定的調試、分析能力，在CCS下的程序開發(fā)過程如圖2.4示。</p><p>　　圖2.4程序開發(fā)過程</p&g

37、t;<p><b>　　CCS 包括：</b></p><p>　　1、CCS代碼生成工具</p><p>　　2、CCS集成開發(fā)環(huán)境IDE</p><p>　　3、DSP/BIOS插件程序和API RTDX插件，主機接口和API等。</p><p>　　下面將著重介紹前兩項。</p><

38、;p>　　1.4.1 CCS集成開發(fā)環(huán)境　</p><p>　　調試DSP目標程序，它主要由幾個主要的窗口組成：工程組顯示窗口、程序內容顯示窗口、編輯信息提示窗口和主要工具欄。另外，在編輯過程中 還可以顯示諸如存儲器觀察窗口、變量監(jiān)視框、圖形顯示框等調試界面，他們?yōu)槌绦蚓帉懻{試提供多種手段為軟件開發(fā)提供了極大的方便。圖 2.5 就是基本編輯界面。</p><p>　　圖2.5 CCS

39、基本編輯界面</p><p>　　在利用CCS編程的過程中，不可避免的要遇到如何將程序變量分配到內存中去的問題。因為，即使 DSP 的存儲空間比較大，速度也十分快，但是如果內存空間分配不當?shù)脑?，還是會出現(xiàn)空間不夠行速度下降，甚至程序跑飛的情況，這樣會時程序調試起來十分麻煩。所以，一定要分配好內存空間CCS提供了兩種分配空間的方法：利用cmd文件或rcp文件分配空間，其中cmd 文件是純文本格式的描述性的空間分配方

40、式, 它的優(yōu)點是程序員對空間的可控制性較高，可以將不同的塊分配到指定的地址，并規(guī)定長度。但它對于初學者來說，要求對C5410的內存空間的分配有較清楚的認識，否則容易將數(shù)據(jù)分配到不該分配的地方，引起程序運行的沖突，甚至程序跑飛。所以，一般在編程過程中，使用 rcp 文件對程序進行內存分rcp文件全稱是 recipe 文件，這是一種圖形化界面的內存分配文件。對于一個新生成的工程組rcp文件的生成方法是：選擇CCS菜單上的Tools項，選擇l

41、inker configuration項，將分配方式改為use the visual linker之后直接編譯，編譯信息提示窗口中會顯示出錯信息，提示找不到rcp文件，雙擊提示C</p><p>　　當程序中新增加了變量后，在rcp文件中會出現(xiàn)Not yet placed項，只要將其下的文件夾，根據(jù)類型拖動到run_view下的相應的數(shù)據(jù)存儲器或程序存儲器即可。還可以選擇用何種類型的存儲器空間裝載，通過觀察存儲空

42、間以使用的狀況自行分配空間，所以十分靈活，并且不會出現(xiàn)空間重疊的現(xiàn)象，避免了程序跑飛。</p><p>　　1.5 本文重點總結</p><p>　　人們研究了許多種語音降噪算法。目前有代表性的語音去噪算法主要有自相關相減法、自適應噪聲濾波法、諧波增強法、基于語音生成模型的降噪算法、短時譜幅度估計算法、譜相減算法、小波變換法、人耳掩蔽效應法等。本文所研究的重點在于通過小波分析方法對含高斯白

43、噪聲的語音信號的去噪。論文中的實驗中采用的語音信號有兩種，一種是在安靜的環(huán)境下，用普通計算機錄制的語音信號。用Matlab軟件實現(xiàn)仿真，用函數(shù)生成噪聲信號并對錄制的語音信號進行軟件加噪，然后用提出的改進思想進行降噪處理。另一種就是錄制的帶有機箱噪聲的語音信號。</p><p>　　本文研究的主要目的就是適應目前信息社會對語音信號處理技術的要求，結合DSP理論在小波信號去噪方面的應用，對小波語音去噪的處理過程提出改

44、進。主要在以下幾個方面進行研究：</p><p>　　(1)分析已有的語音降噪方法，包括短時譜估計算法、譜減法等。</p><p>　　(2)對小波去噪方法進行研究，介紹小波去噪基本知識及原理，重點研究和討論小波閾值函數(shù)和閾值兩個方面。</p><p>　　第二章 小波在語音消噪中的應用</p><p>　　小波分析理論是一種新興的信號處理

45、理論，它在時間上和頻率上都有很好的局部性，這使得小波分析非常適合于時-頻分析，借助時- 頻局部分析特性，小波分析理論已經成為信號去噪中的一種重要的工具。利用小波方法去噪，是小波分析應用于實際的重要方面。小波去噪的關鍵是如何選擇閾值和如何利用閾值來處理小波系數(shù)，通過對小波閾值化去噪的原理介紹,運用MATLAB 中的小波工具箱，對一個含噪信號進行閾值去噪，實例驗證理論的實際效果，證實了理論的可靠性。本文簡述了幾種小波去噪方法，其中的閾值去噪

46、的方法是一種實現(xiàn)簡單、效果較好的小波去噪方法。</p><p>　　2.1經典的小波算法</p><p>　　2.1.1 模極大值去噪算法</p><p>　　模極大值去噪算法是根據(jù)信號和噪聲在多尺度空間上小波變換系數(shù)的模極值傳播規(guī)律的不同而發(fā)展起來的一種去噪算法。理論上只要信號與噪聲的奇異性有差異，就能產生很好的去噪效果。一般信號小波系數(shù)的模極大值將隨著小波分解層

47、數(shù)的增大而增大；而對于白噪聲信號，其模值隨著分解層數(shù)的增大而減小。因此，觀察不同尺度間小波變換模極大值變化的規(guī)律，去除幅度隨尺度的增加而減小的點（對應噪聲的極值點），保留幅度隨尺度增加而增大的點（對應于有用信號的極值點）。然后再由保留的模極大值點用交替投影法進行重建，即可以達到去噪的目的。但是，交替投影法算法復雜，容易造成投影信號的偏差，難以在實際應用中對信號進行實時處理。</p><p>　　2.1.2相關性去

48、噪算法</p><p>　　相關性去噪算法是根據(jù)信號經小波變換后，其小波系數(shù)在各尺度上有較強的相關性，尤其是在信號的邊緣附近，其相關性更加明顯，而噪聲對應的小波系數(shù)在各尺度間卻沒有這種明顯的相關性來去噪的。在尺度空間上的相關運算能使噪聲的幅值大為減小，從而抑制了噪聲和小的邊緣，增強了信號的主要邊緣，更好地刻畫了原始信號。并且在小尺度上，這種作用明顯大于在大尺度上的作用。由于噪聲能量主要是分布在小尺度上，因而這種隨

49、尺度增大而作用強度遞減的性質，恰好濾除了噪聲，很好的保留了有用信號。</p><p>　　2.1. 3小波閾值去噪算法</p><p>　　小波變換具有一種“集中”的能力，能將信號的能量集中到少數(shù)的小波系數(shù)上，而白噪聲在任何正交基上的變換仍然是白噪聲，其分量分布在大多數(shù)展開系數(shù)上。相對來說，有用信號所對應的小波系數(shù)幅值較大，但數(shù)目較少，而噪聲對應的小波系數(shù)是一致分布的，個數(shù)較多，但幅值小。

50、基于這一思想，Donoho等人提出硬閾值和軟閾值去噪方法，即在眾多小波系數(shù)中，把絕對值較小的系數(shù)置為零，而讓絕對值較大的系數(shù)保留或收縮，得到估計小波系數(shù)，然后利用估計小波系數(shù)直接進行信號重構，即可達到去噪的目的。</p><p>　　小波閾值去噪算法主要分為4個步驟：</p><p>　　第1步：選擇一個小波基函數(shù)，確定小波分解層數(shù)并對信號進行小波分解。常用于去噪的小波函數(shù)有dbN小波、s

51、ymN小波和coifN小波，層數(shù)一般為3-5層。</p><p><b>　　第2步：閾值的確定</b></p><p>　　小波閾值在去噪過程中起到決定性的作用。如果閾值太小，那么閾值處理后的小波系數(shù)中包含了過多的噪聲分量；如果閾值太大，那么將會丟失信號的一部分有用信息, 從而造成小波系數(shù)重構后的信號失真。常用的閾值選擇方案有四種：</p><p

52、>　?。ㄒ唬┗跓o偏似然估計的軟閾值估計（rigsure）</p><p>　?。ǘ╅L度對數(shù)閾值（sqtwolog）計算公式為：</p><p>　　（三）啟發(fā)式SURE閾值（heursure）是前兩種閾值的綜合。</p><p>　　（四）最小極大方差閾值（minimaxi）產生一個最小均方誤差的極值，在給定的函數(shù)集中實現(xiàn)最大均方誤差最小化。</p&

53、gt;<p>　　在實際應用中，斯坦無偏似然估計和最大最小值法比較保守，而其他兩種方法產生的閾值則過大。</p><p>　　第3步：選擇合適的閾值函數(shù)對小波系數(shù)進行閾值處理。</p><p>　　常用的閾值函數(shù)有以下兩種：</p><p>　　硬閾值法： </p><p><b>　?。?）</b

54、></p><p>　　軟閾值法： （2）</p><p>　　第4步：小波重構。根據(jù)閾值化處理后的高頻小波系數(shù)以及未處理的低頻小波系數(shù)進行離散小波反變換重構信號。</p><p>　　2.2一種新的小波閾值去噪方法</p><p>　　小波閾值算法比較簡單，運算量小，因此在信號去噪方面得到

55、了廣泛的應用。但是這種方法還存在以下兩種不足：①白噪聲信號的模極大值隨著分解層數(shù)的增大而減小，對不同的分解層數(shù)采用相同的閾值進行處理，會在低頻系數(shù)中濾除過多有用信息而在高頻系數(shù)保留了一些過多的噪聲；②在進行閾值處理時，硬閾值處理能更多的保留真實信號的尖峰等特征，但由于其本身的不連續(xù)性，去噪的的結果會出現(xiàn)震蕩，軟閾值是一種更平滑的方式，在去噪后能產生更光滑的結果，但估計的小波系數(shù)與原小波系數(shù)之間存在恒定的偏差。本文采用的改進方法如下：&l

56、t;/p><p>　　一、各層采用不同的閾值</p><p>　　由文獻[4]可知： （3）</p><p>　　其中K為一個常數(shù)，j為分解層數(shù)，為Lip指數(shù)，為第j層的小波系數(shù)。Lip指數(shù)與信號的奇異性有關，越大，信號越平滑。對于一般信號，即有用信號對應小波系數(shù)隨分解尺度j的增大而變大。而白噪聲的Lip指數(shù)則為負

57、值， ，即噪聲對應的小波系數(shù)隨分解尺度j的增大而減小。</p><p>　　有文獻[8]可知，白噪聲的Lip指數(shù)滿足（4）式：</p><p><b>　　（4）</b></p><p>　　由（3）式和（4）式可知</p><p><b>　?。?）</b></p><p&g

58、t;　　其中為噪聲對應的第j層小波系數(shù)，由式 可知噪聲對應的第j+1層小波系數(shù)的最大值小于第j層小波系數(shù)的最大值，因此，本論文在閾值處理時每層系數(shù)采用不相同的閾值，用前面所述的四種閾值計算方法確定第一層閾值，以后各層閾值為前一層閾值的倍，即。</p><p>　　二、采用新的閾值函數(shù)</p><p>　　鑒于軟閾值和硬閾值的缺點，本論文采用一種新的閾值函數(shù)。該閾值函數(shù)既要保證其連續(xù)性，又

59、要盡可能的消除軟閾值函數(shù)中的恒定偏差。閾值函數(shù)如下： （6）</p><p><b>　　其中,</b></p><p>　　式中N為一個正常數(shù)，為處理前的小波系數(shù)，為處理后的小波系數(shù)。該閾值函數(shù)和軟閾值函數(shù)一樣具有連續(xù)性，而且當時, 函數(shù)是高階可導的，并且隨著系數(shù)的增大，t的值逐漸減小，使得

60、處理前后的小波系數(shù)不變。當N取值很大時, 新閾值函數(shù)相似于軟閾值函數(shù); 當N 趨近于0時, 新閾值函數(shù)相似于硬閾值函數(shù)。通過調節(jié)N的大小可以改變新閾值函數(shù)的類型，與經典的閾值函數(shù)相比更具有靈活性。</p><p>　　圖1硬閾值函數(shù)、軟閾值函數(shù)及改進法制函數(shù)的曲線</p><p>　　圖1為硬閾值函數(shù)、軟閾值函數(shù)及改進法制函數(shù)的曲線圖，其中閾值。從圖中可以看出，硬閾值函數(shù)在閾值點處不連續(xù)，

61、軟閾值函數(shù)存在恒定的偏差。改進閾值函數(shù)在閾值點處連續(xù)，并且以硬閾值曲線為漸近線。</p><p>　　本章首先介紹小波去噪的定義及其特點，然后了解小波變換進行降噪的原理，對閾值去噪方法做重點研究。下一章將用仿真實驗來說明消噪效果。</p><p>　　2.3 本章總結</p><p>　　本章首先介紹了小波閾值去噪的基本原理以及～般方法，并且消噪時兩個重要的方面

62、進行重點研究，提出了一些改進。</p><p>　　第一方面是對閾值函數(shù)進行改進。由于傳統(tǒng)的軟閾值函數(shù)和硬閾值函數(shù)各有各的優(yōu)缺點。因此針對它們的缺點，提出了兩種改進的閾值函數(shù)，一種是介于軟閾值和硬閾值函數(shù)。另一個是基于非負死區(qū)閾值函數(shù)改進的函數(shù)。本章就其單調性、連續(xù)性方面給出的證明。</p><p>　　第二個改進的方面是閾值的估計。受到了譜減法思想的啟發(fā)，對噪聲的估計也是基于無音段的噪聲

63、分析。由于信號的小波系數(shù)與噪聲的小波系數(shù)的不同表現(xiàn)，所以把噪聲經過小波分析后的模最大值作為閾值。這樣就可以較好地恢復出純凈語音，當然這個過程中語音信號也會受到一定程度的損害。</p><p><b>　　實驗設計原理及過程</b></p><p>　　3.1 小波去噪原理分析</p><p>　　3.1.1. 小波去噪原理</p>

64、<p>　　疊加性高斯白噪聲是最常見的噪聲模型，受到疊加性高斯白噪聲“污染”的觀測信號可以表示為：</p><p>　　(7) </p><p>　　其中yi為含噪信號，為“純凈”采樣信號，zi為獨立同分布的高斯白噪聲，為噪聲水平，信號長度為n. 為了從含噪信號yi中還原出真實信號，可以利用信號和噪聲在小波變換下的不同的特性，通過對小波分解系數(shù)進行處理來達到信號和噪

65、聲分離的目的。在實際工程應用中，有用信號通常表現(xiàn)為低頻信號或是一些比較平穩(wěn)的信號，而噪聲信號則通常表現(xiàn)為高頻信號，所以我們可以先對含噪信號進行小波分解（如進行三層分解）：</p><p><b>　　(8)</b></p><p>　　圖1 三層小波分解示意圖</p><p>　　其中為分解的近似部分， 為分解的細節(jié)部分，,則噪聲部分通常包含在

66、，，中，用門限閾值對小波系數(shù)進行處理，重構信號即可達到去噪的目的。</p><p>　　3.1.2 小波去噪步驟</p><p>　　總結去噪過程，可以分成以下三個步驟：</p><p>　　1) 對觀測數(shù)據(jù)作小波分解變化：</p><p><b>　　(9)</b></p><p>　　其中y表

67、示觀測數(shù)據(jù)向量y1，y2，…y，f是真實信號向量f1，f2，…fn，z是高斯隨 機向量z1，z2，…zn ，其中用到了小波分解變換是線性變換的性質。</p><p>　　2）對小波系數(shù)W0作門限閾值處理（根據(jù)具體情況可以使用軟閾值處理或硬閾值 處理，而且可以選擇不同的閾值形式，這將在后面作詳細討論），比如選取最著 名的閾值形式：</p><p><b>　　(10)&l

68、t;/b></p><p>　　門限閾值處理可以表示為，可以證明當n 趨于無窮大時使用閾值公式(4)對 小波系數(shù)作軟閾值處理可以幾乎完全去除觀測數(shù)據(jù)中的噪聲。</p><p>　　3) 對處理過的小波系數(shù)作逆變換重構信號：</p><p><b>　　(11)</b></p><p>　　即可得到受污染采樣

69、信號去噪后的信號。</p><p>　　3.2.閾值的選取與量化</p><p>　　Donoho-Johnstone小波收縮去噪方法的關鍵步驟是如何選擇閾值和如何進行門限閾值處理，在這將作較為詳細的討論。</p><p>　　3.2.1. 軟閾值和硬閾值</p><p>　　在對小波系數(shù)作門限閾值處理操作時，可以使用軟閾值處理方法或硬閾值處

70、理方法，硬閾值處理只保留較大的小波系數(shù)并將較小的小波系數(shù)置零：</p><p><b>　　(12)</b></p><p>　　軟閾值處理將較小的小波系數(shù)置零但對較大的小波系數(shù)向零作了收縮：</p><p><b>　　(13)</b></p><p>　　直觀形式見圖2（圖中取t=1）從圖上我們

71、可以看出軟閾值處理是一種更為平滑的形式，在去噪后能產生更為光滑的結果，而硬閾值處理能夠更多的保留真實信號中的尖峰等特征軟閾值處理實質上是對小波分解系數(shù)作了收縮，從而Donoho-Johnstone將這種去噪技術稱之為小波收縮。</p><p>　　圖2 硬閥值和軟閥值</p><p>　　3.2.2. 閾值的幾種形式</p><p>　　閾值的選取有多種形式，選取

72、規(guī)則都是基于含噪信號模型式(1.1)中信號水平為1 的情況，對于噪聲水平未知或非白噪聲的情況可以在去噪時重新調整得到的閾值。</p><p>　　在MATLAB中有4種閾值函數(shù)形式可以選用：</p><p>　　(1) sqtwolog:采用固定的閾值形式，如式(10)，因為這種閾值形式在軟門限閾值處理中能夠得到直觀意義上很好的去噪效果。</p><p>　　(2)

73、 minimaxi采用極大極小原理選擇的閾值，和sqtwolog一樣也是一種固定的閾值，它產生一個最小均方誤差的極值，計算公式為:</p><p><b>　　(14)</b></p><p>　　(3) rigrsure:采用史坦的無偏似然估計原理進行閾值選擇，首先得到一個給定閾值的風險估計，選擇風險最小的閾值 作為最終選擇。</p><p>

74、;　　(4) heursure：選擇啟發(fā)式閾值它是sqtwolog和rigrsure 的綜合，當信噪比很小時,估計有很大的噪聲，這時heursure, 采用固定閾值sqtwolog。</p><p>　　3.2.3. 閥值的選取</p><p>　　閾值化處理的關鍵問題是選擇合適的閾值如果閾值(門限) 太小,去噪后的信號仍然有噪聲存在;相反,如果太大,重要信號特征將被濾掉,引起偏差。從直觀

75、上,對于給定小波系數(shù),噪聲越大,閾值就越大。大多數(shù)閾值選擇過程是針對一組小波系數(shù),即根據(jù)本組小波系數(shù)的統(tǒng)計特性,計算出一個閾值。</p><p>　　Donoho 等提出了一種典型閾值選取方法,從理論上給出并證明閾值與噪聲的方差成正比,其大小為：</p><p><b>　　3.3實驗步驟</b></p><p>　　3.3.1小波去噪驗證仿真

76、</p><p>　　實驗信號是由wnoise()函數(shù)產生的含標準的高斯白噪聲信噪比為3 的heavy sine信號，用wden()函數(shù)進行去噪處理。</p><p>　　1) 首先產生一個長度為210點，包含高斯噪聲的heavy sine信號及heavy sine含噪信號, 其噪聲標準差為3 , 如圖3 a及b所示。</p><p>　　2) 利用‘sym8’小波

77、對信號分解，在分解的第5層上，利用軟閾值法去噪，結果如圖3 c所示</p><p>　　3) 同樣的條件下,利用固定閾值選擇算法對信號去噪，結果如圖3 d 所示。</p><p><b>　　驗證仿真程序如下：</b></p><p>　　x=wnoise(3,10);</p><p>　　ind=linspace(0,

78、1,2^10);</p><p>　　subplot(4,1,1);</p><p><b>　　plot(x);</b></p><p>　　title('(a)')；</p><p>　　[x,noisyx]=wnoise(3,10,3,2^10);</p><p>　　sub

79、plot(4,1,2);</p><p>　　plot(noisyx);</p><p>　　title('(b)')；</p><p>　　xd=wden(x,'rigrsure','s','sln',5,'sym8');</p><p>　　subplot(4

80、,1,3);</p><p><b>　　plot(xd);</b></p><p>　　title('(c)')</p><p>　　xd=wden(x,'sqtwolog','h','sln',5,'sym8');</p><p>　　s

81、ubplot(4,1,4);</p><p><b>　　plot(xd);</b></p><p>　　title('(d)')；</p><p>　　3.3.2. 小波去噪與FFT去噪效果對比</p><p>　　選擇MATLAB6.5 中含有噪聲的仿真信號noisbloc 作為原始信號，分別使用FF

82、T 和小波分析方法對信號進行去噪處理，采用的小波是sym8，分解層數(shù)為5，對比結果如圖4所示。</p><p><b>　　驗證仿真程序如下：</b></p><p>　　load noisbloc;</p><p>　　x=noisbloc;</p><p>　　subplot(2,2,1);</p>&

83、lt;p>　　plot(x);title('a')</p><p>　　xd=wden(x,'rigrsure','s','sln',5,'sym8');</p><p>　　subplot(2,2,2);</p><p>　　plot(xd);title('b')

84、</p><p>　　p1=1/length(x)*norm(x)^2; </p><p>　　p2=1/length(x)*norm(x-xd)^2; </p><p>　　snr1=10*log(p1/p2) </p><p>　　RMSE1=sqrtm(p2)</p><p>　　xd=wden(x,'s

85、qtwolog','h','sln',5,'sym8');</p><p>　　subplot(2,2,3);</p><p>　　plot(xd);title('c')</p><p>　　p1=1/length(x)*norm(x)^2; </p><p>　　p2=

86、1/length(x)*norm(x-xd)^2; </p><p>　　snr2=10*log(p1/p2)</p><p>　　RMSE2=sqrtm(p2)</p><p><b>　　wc=0.3;</b></p><p><b>　　N=5;</b></p><p>

87、;　　[b,a]=butter(N,wc);</p><p>　　xd=filter(b,a,x);</p><p>　　subplot(2,2,4);plot(xd);title('d');</p><p>　　p1=1/length(x)*norm(x)^2; </p><p>　　p2=1/length(x)*norm(

88、x-xd)^2; </p><p>　　snr3=10*log(p1/p2)</p><p>　　RMSE3=sqrtm(p2)</p><p><b>　　3.4本章總結</b></p><p>　　基于DSP的算法 實現(xiàn)算法實現(xiàn)主要分為三個 部分 ：小波分解部分、小波系數(shù)閾值 量化部分和小波重構部分。具體程序實現(xiàn)流程

89、為圖1。</p><p><b>　　實驗仿真及圖</b></p><p><b>　　4.1實驗結論</b></p><p>　　圖3 小波去噪驗證仿真圖</p><p>　?。╝）為原始信號（b）為含噪信號（c）為軟閥值去噪信號（d）為硬閥值去噪信號</p><p>　　

90、通過對圖3的分析,可以看出對原始信號添加噪聲后得到含噪信號,利用MATLAB 中的小波工具箱對含噪信號分別進行軟閾值化和硬閾值化去噪處理,得出的去噪結果與原始信號效果非常接近, 由此可以看出利用MATLAB 中的小波變換工具箱對信號進行去噪處理是非常理想的。</p><p>　　由圖4可以看出，利用小波分析去噪的結果明顯優(yōu)于Fourier 變換，這是由于Fourier 變換只能在頻域范圍內表述，對系數(shù)進行處理的方

91、法也相對單一，而利用小波對信號進行分解后，可以采用多種計算閾值和處理閾值的方法. 對信號的噪聲成分進行抑制，手段更加靈活。為了更加精確地表示去噪結果，可以計算去噪后信號的信噪比(RSN) 和均方根誤差(RMSE)。</p><p>　　圖4 小波去噪和FFT去噪效果對比圖</p><p>　　a為含噪信號圖，b為軟閥值去噪信號圖，c為硬閥值去噪圖，d為FFT去噪圖</p>

92、<p>　　表4 幾種方法去噪后的RSN 和RMSE</p><p>　　信號的信噪比越高，原始信號和去噪信號的均方根誤差越小，去噪信號就越接近原信號，去噪的效果也就越好。表4.給出了3種方法去噪后信噪比和均方根誤差的比較，可以看出，小波分析去噪結果的信噪比和均方根誤差指標均優(yōu)于FFT。</p><p><b>　　結論</b></p>&l

93、t;p>　　數(shù)模極大值之間的關系，提出對各層系數(shù)采用不同的閾值進行處理，并針對軟閾值函數(shù)和本文利用噪聲與信號在小波變換各層系數(shù)的傳輸特性的不同預計噪聲對應的小波系硬閾值函數(shù)各自的缺陷，提出了一種新的閾值函數(shù)，更增加了小波去噪的靈活性。通過最后的仿真結果表明，新的小波閾值去噪方法可大幅度提升去噪效果，具有較好的工程應用價值。小波去噪是一個正在研究的課題，新的方法在不斷地提出。小波變換是一種信號的時頻分析方法，它具有多分辨率分析的特點

94、，很適合探測正常信號中夾帶的瞬態(tài)反?，F(xiàn)象并展示其成分，有效區(qū)分信號中的突變部分和噪聲。因此利用小波變換能有效的對信號進行消噪的同時提取含噪信號。用傳統(tǒng)的傅立葉變換分析，顯得無能為力，因為傅立葉分析是將信號完全在頻率域中進行分析，它不能給出信號在某個時間點的變化情況，使得信號在時間軸上的任何一個突變，都會影響信號的整個頻譜。小波變換正廣泛的應用于各個領域，MATLAB給我們提供了一個很方便的工作平臺，通過MATLAB編制程序給定信號的噪聲

95、抑制和非平穩(wěn)信號噪聲的消除。通過實例證明：基于小波變換的消噪方法是一種提取有用信號、展示噪聲和突變信號的優(yōu)越方法，具有廣闊的實用價值。</p><p><b>　　致謝</b></p><p>　　短暫而充實的大學四年時光即將接近尾聲，而該畢業(yè)論文的設計是大學最后一個學期的學習目標和任務，在論文完成之際，特向我的指導老師甘露致以誠摯的謝意。</p>&l

96、t;p>　　甘老師為人誠懇，待人和藹可親，這種可貴的待人精神為我的畢業(yè)論文的設計營造了良好的氛圍。在本次設計中，甘老師給予我很大的關懷和幫助，特別是在論文的選題、前期課題指導及各段落內容銜接等各環(huán)節(jié)都細心的指導和講解，由于我在以前的課程學習中沒有扎實的數(shù)字信號處理基礎及Matlab程序設計經驗，甘老師為我提供了諸多方面的資料，讓我在課題設計中更加得心應手，最終才能圓滿的完成畢業(yè)論文的設計。</p><p>

97、　　在這次畢業(yè)論文設計中，使我深刻的體會到只有理論知識還是不夠的，要能在原有的理論基礎上加以動手實踐，使理論和實踐很好的結合起來，這樣才能對該知識點有更加深刻的認識，希望這種經驗體會能夠為我以后的學習工作中不斷成長不斷進步。</p><p>　　最后祝愿我所有的老師和同學工作順利，闔家歡樂，一生平安。</p><p><b>　　參 考 文 獻</b></p&g

98、t;<p>　　【1】胡昌華，張軍波，夏軍．基于MATLAB的系統(tǒng)分析與設計[M]， 西安：西安電子科技【J】大學出版社，2001，9</p><p>　　【2】朱云芳，戴朝華，陳維榮．小波消噪閾值選取的一種改進方 法[J]．電測與儀表，2005，42(475)，4-6 </p><p>　　【3】Y Zhou，S．Lai，L．Liu，P．Lv；J．

99、Yu．A Novel Approach To Image Denoising in Multi—wavelet Domain[C].International Conference on Communications，Circuits and Systems Proceedings，2006：463—466</p><p>　　【4】L．Su，G Zhao．De-Noising of ECG Signal Usi

100、ng Translation-Invariant Wavelet De-Noising Method Improved Thresholding[C]．27th IEEE EMBS(Engineering in Medicine and Biology Society)Annual International Conference，2005，Shanghai，China：5946—5949</p><p>　　【

101、5】高成.Matlab小波分析及應用.國防工業(yè)出版社.2007</p><p>　　【6】劉濤.使用小波分析入門.國防工業(yè)出版社.2006</p><p>　　【7】 金寶龍、李輝、趙乃杰、何海峰.一種新的小波閾值去噪算法[M].彈箭與制導學報.2011</p><p>　　【8】劉宗昂、楊莘元、王麗安.一種新的小波去噪算法[M]. 彈箭與制導學報.2009<

102、/p><p>　　【9】吳偉、蔡培升.基于Matlab的小波去噪仿真[M]. 信息與電子工程.2008</p><p>　　【10】李祥兵、肖合林. 基于Matlab的小波閾值折中算法研究[M]. 電腦開發(fā)與應用.2009</p><p>　　【11】杜浩潘、叢爽. 基于Matlab小波去噪方法研究[M]. 計算機仿真.2003</p><p>

103、　　【12】張兆寧、董肖紅、潘云峰. 基于小波變換模極大值去噪方法的改進[M]. 電力系統(tǒng)及其自動化學報.2005</p><p><b>　　附錄</b></p><p>　　閾值去噪的驗證仿真程序：</p><p>　　x=wnoise(3,10);</p><p>　　ind=linspace(0,1,2^10);

104、</p><p>　　subplot(4,1,1);</p><p><b>　　plot(x);</b></p><p>　　title('(a)')；</p><p>　　[x,noisyx]=wnoise(3,10,3,2^10);</p><p>　　subplot(4,1

105、,2);</p><p>　　plot(noisyx);</p><p>　　title('(b)')；</p><p>　　xd=wden(x,'rigrsure','s','sln',5,'sym8');</p><p>　　subplot(4,1,3);&l

106、t;/p><p><b>　　plot(xd);</b></p><p>　　title('(c)')</p><p>　　xd=wden(x,'sqtwolog','h','sln',5,'sym8');</p><p>　　subplot(4

107、,1,4);</p><p><b>　　plot(xd);</b></p><p>　　title('(d)')；</p><p>　　小波與FFT對比驗證仿真程序：</p><p>　　load noisbloc;</p><p>　　x=noisbloc;</p>

108、<p>　　subplot(2,2,1);</p><p>　　plot(x);title('a')</p><p>　　xd=wden(x,'rigrsure','s','sln',5,'sym8');</p><p>　　subplot(2,2,2);</p>

109、;<p>　　plot(xd);title('b')</p><p>　　p1=1/length(x)*norm(x)^2; </p><p>　　p2=1/length(x)*norm(x-xd)^2; </p><p>　　snr1=10*log(p1/p2) </p><p>　　RMSE1=sqrtm(p

110、2)</p><p>　　xd=wden(x,'sqtwolog','h','sln',5,'sym8');</p><p>　　subplot(2,2,3);</p><p>　　plot(xd);title('c')</p><p>　　p1=1/length

111、(x)*norm(x)^2; </p><p>　　p2=1/length(x)*norm(x-xd)^2; </p><p>　　snr2=10*log(p1/p2)</p><p>　　RMSE2=sqrtm(p2)</p><p><b>　　wc=0.3;</b></p><p><

112、b>　　N=5;</b></p><p>　　[b,a]=butter(N,wc);</p><p>　　xd=filter(b,a,x);</p><p>　　subplot(2,2,4);plot(xd);title('d');</p><p>　　p1=1/length(x)*norm(x)^2; &l