Hilbert-Huang變換及其在含噪語音信號處理中的應用研究.pdf

1、隨著現(xiàn)代科學技術的蓬勃發(fā)展，數(shù)字語音信號處理作為一個跨學科、綜合性的研究領域已成為當今的一個研究熱點。經研究表明，語音信號是一個復雜的非線性、非平穩(wěn)隨機過程，這使得基于線性平穩(wěn)線性系統(tǒng)理論發(fā)展起來的傳統(tǒng)語音信號處理技術性能難以進一步提高。近年來發(fā)展起來并逐步完善的非線性、非平穩(wěn)信號處理方法為語音信號處理技術的發(fā)展帶來了新的生機。 實際中，語音常常受到環(huán)境噪聲的干擾而使通話質量下降，使得語音處理系統(tǒng)不能正常工作。在這種情況下，必須

2、采用信號處理方法進行語音的檢測和語音增強，抑制背景噪聲，以提高語音通信質量。語音增強不僅可以提高語音的清晰度，改善聽覺質量，而且在許多語音編碼和識別系統(tǒng)中，通過增強處理可以大大改善系統(tǒng)在含噪條件下的性能。語音增強是語音信號處理的一個重要分支，該技術已廣泛應用于無線電話、電話會議、場景錄音和軍事竊聽等領域。語音檢測和增強技術無論在日常生活中，還是在軍事領域，或者對語音信號處理技術都很有應用價值。 基于經驗模態(tài)分解的時頻分析方法，被

3、認為是近年來對以傅立葉分析為基礎的線性和穩(wěn)態(tài)數(shù)據(jù)分析的一個重大突破。本文以背景噪聲下語音流檢測和增強為目標，主要研究了以下幾個方面的內容： 1.詳細地闡述了經驗模態(tài)分解方法和以此為基礎的Hilbert-Huang變換的基本原理和算法。利用統(tǒng)計學的工具考察了經驗模態(tài)分解前后數(shù)據(jù)分布的變化。研究了采樣率對經驗模態(tài)分解效果的影響。利用功率譜密度研究了經驗模態(tài)分解的濾波器特性。 2.針對經驗模態(tài)分解中端點效應問題，闡述了端點效應

4、產生的機理，系統(tǒng)地介紹了以往處理端點效應的方法，考慮到端點效應問題在學習領域屬于小樣本(或有限樣本)問題，將統(tǒng)計學習的理論應用到了端點延拓的問題上來，利用回歸支持向量機技術有效地解決了數(shù)據(jù)的端點延拓問題。 3.針對經驗模態(tài)分解中模態(tài)混疊現(xiàn)象，從兩個角度給予了考慮，一個是從經驗模態(tài)分解的結束條件入手，利用信息論中系統(tǒng)信息變差的概念控制模態(tài)的分解；另一個是從隱含尺度的角度入手，如果信號中存在極值點無法檢測到的波動，勢必造成模態(tài)的混疊

5、，針對這一現(xiàn)象提出了隱含經驗模態(tài)分解算法。 4.由于經驗模態(tài)分解出的各個固有模態(tài)函數(shù)是AM-FM信號，為了準確地提取信號的特征，結合TEO能量算子，提出了語音信號的EMD-TEO倒譜特征，利用相關熵判別噪聲環(huán)境下語音信號是否存在，實現(xiàn)了語音流的檢測。 5.從兩個角度理解經驗模態(tài)分解，進而進行語音增強。一個是經驗模態(tài)分解是一個不斷抽取、插值過程，利用這一過程從不同的層面上觀察數(shù)據(jù)，我們利用分解出的各個模態(tài)形成信號的觀測陣列