基于维纳-小波分析的语音去噪新方法

郑永敏; 鲍鸿; 张晶

doi:10.12052/gdutxb.160179

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于维纳-小波分析的语音去噪新方法

综合研究 | 更新时间：2026-05-27

- 基于维纳-小波分析的语音去噪新方法
- A New Speech Denoising Method Based on Wiener Filtering and Wavelet Analysis
- 广东工业大学学报 2017年34卷第5期页码：52-55
- 作者机构：
- 作者简介：
  
  郑永敏(1991-),男,硕士研究生,主要研究方向为声音去噪与识别.
  张晶(1977-),女,副教授,主要研究方向为语音识别.E-mail:ha_go@163.com
- 基金信息：
  
  广东省科技计划资助项目（2013B040401015）
- DOI：10.12052/gdutxb.160179
  中图分类号： TN912.35
- 网络首发：2017-09-09，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
郑永敏, 鲍鸿, 张晶. 基于维纳-小波分析的语音去噪新方法[J]. 广东工业大学学报, 2017, 34(5): 52-55.

Zheng Yong-min, Bao Hong, Zhang Jing. A New Speech Denoising Method Based on Wiener Filtering and Wavelet Analysis[J]. 2017, 34(5): 52-55.
郑永敏, 鲍鸿, 张晶. 基于维纳-小波分析的语音去噪新方法[J]. 广东工业大学学报, 2017, 34(5): 52-55. DOI： 10.12052/gdutxb.160179.

Zheng Yong-min, Bao Hong, Zhang Jing. A New Speech Denoising Method Based on Wiener Filtering and Wavelet Analysis[J]. 2017, 34(5): 52-55. DOI： 10.12052/gdutxb.160179.

摘要

小波分析具备多分辨性、低熵性和灵活选择基底的特性，是目前较常用的语音去噪技术之一.但是由于在小波分析去噪中需要设定合适的阈值消除含有噪声信号的小波系数，这会过滤部分有用的语音信号，降低去噪后的语音质量.为了解决这个问题，提出了一种将维纳滤波和小波分析进行结合的去噪新方法.该方法根据维纳滤波具备最小均方误差的特点，可以先过滤掉大部分噪声信号，再进行小波分析二次去噪.仿真实验结果表明，该新方法较小波分析去噪在信噪比和整体质量方面得到较大提升.

Abstract

Denoising in wavelet analysis sets the threshold to eliminate the wavelet coefficients of the noise

which filters some useful speech signals and reduces voice quality. In order to resolve the problem

a new speech denoising method based on Wiener filter and wavelet analysis is proposed. According to the characteristic of the least mean square error of the Wiener filter

the method filters out most of the noise signal

and then denoises it by the wavelet analysis. Experiments is carried out in simulation

and the results reveal that the method is more improved than wavelet analysis in terms of signal-to-noise ratio (SNR) and speech quality.

关键词

Keywords

references

Mallat S. A theory for multiresolution signal decomposition:the wavelet representation[J]. IEEE Trans On Pattern Analysis and Machine Intelligence, 1989, 11(7):674-693.

宋知用. MATLAB在语音信号分析与合成中的应用[M]. 北京:北京航空航天大学出版社, 2013:195-199.

李战明, 尚丰. 一种基于语音端点检测的维纳滤波语音增强算法[J]. 电子设计工程, 2016, 24(2):42-44.LI Z M, SHANG F. A wiener filtering speech enhancement algorithm based on speech endpoint detection[J]. Electronic Design Engineering, 2016, 24(2):42-44.

张植奎. 基于LabVIEW的语音信号小波去噪分析[D]. 天津:南开大学生物物理学院, 2009.

朱宗明, 姜占才. 小波递归最小二乘语音自适应增强[J]. 电子设计工程, 2016, 24(1):69-72.ZHU Z M, JIANG Z C. Algorithm for speech adaptive enhancement of wavelet recursive least square[J]. Electronic Design Engineering, 2016, 24(1):69-72.

ZHOU Y, LAI S, LIU L, et al. An improved approach to threshold function de-noising of mobile image in CL2 Multi-wavelet transform domain[C]//Mobile Technology, Applications and Systems, 20052nd International Conference,[S.l.]:[s.n.], 2005:1-4.

刘凤山, 吕钊, 张超, 等. 改进小波阈值函数的语音增强算法研究[J]. 信号处理, 2016, 32(2):203-213.LIU F S, LYU Z, ZHANG C, et al. Research on speech enhancement algorithm based on modified wavelet threshold function[J]. Journal of Signal Processing, 2016, 32(2):203-213.

林颖, 常永贵, 李文举, 等. 基于一种新阈值函数的小波阈值去噪研究[J]. 噪声与振动控制, 2008, 1(1):79-81.LIN Y, CHANG Y G, LI W J, et al. A de-nosing algorithm of wavelet threshold based on a new thresholding function[J]. Noise and Vibration Control, 2008, 1(1):79-81.

何文. 基于小波变换与模糊理论的医学超声图像增强与去噪方法研究[J]. 电子设计工程, 2015, 23(12):101-104.HE W. Enhancement and denoising method of medical ultrasound image based on wavelet transform and fuzzy theory[J]. Electronic Design Engineering, 2015, 23(12):101-104.

TUFEKCI Z, GOWDY J N. Feature extraction using discrete wavelet transform for speech recognition[J]. Department of Electrical and Computer Engineering, 2000, 4(7-9):116-123.

DANIEL V, DAVID O, JEFERSON S, et al. Comparison analysis between rigrsure, sqtwolog, heursure and minimaxi techniques using hard and soft thresholding methods[J]. IEEE Program of Electronics Engineering, 2016, 1(16):01-05.

陆真, 裴东兴. 基于连续小波阈值函数的语音增强技术[J]. 山西电子技术, 2016, 1(1):40-42, 57.LU Z, PEI D X. The algorithm of image denoising based on the optimized wavelet thresholding function[J]. Shanxi Electronic Technology, 2016, 1(1):40-42, 57.

秦叶, 陈新度, 冯文贤. 小波基的选择与振动信号分析[J]. 广东工业大学学报, 1997, 14(4):61-64.QIN Y, CHEN X D, FENG W X. Selection of wavelet basis and analysis of vibration signal[J]. Journal of Guangdong University of Technology, 1997, 14(4):61-64.

韦力强. 基于小波变换的信号去噪研究[D]. 长沙:湖南大学电气与信息工程学院, 2007.

雷鸣. 基于小波神经网络的车辆发动机故障诊断[J]. 制造业自动化, 2012, 34(6):24-26.LEI M. The fault diagnosis of vehicle engine based on wavelet neural network[J]. Manufacturing automation, 2012, 34(6):24-26.

袁野, 王夏天, 张子辰, 等. 基于小波变换和改进的瞬态独立成分分析融合算法的心电信号降噪方法[J]. 中国医学物理学杂志, 2016, 33(4):415-422.YUAN Y, WANG X T, ZHANG Z C, et al. Electrocardiogram noise reduction based on fused algorithm of wavelet transform and improved independent component analysis[J]. Chinese Journal of Medical Physics, 2016, 33(4):415-422.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于PCA方法的PET图像多示踪剂分离

多尺度对比嵌入增强的自适应入侵检测模型

储能变流器电能质量治理策略研究

具守恒量波动方程的循环双子网物理信息神经网络

融合沟道倾斜角的3D NAND存储单元建模及编程策略优化