【26页】毕业论文：基于DSP的语音信号的去噪方法文档优秀范文

我们关注的噪声通常分为冲激噪声周期噪声宽带噪声语音干扰噪声等。

非加性噪声主要是传送网络的电路噪声等。

语音信号的特点在国内，从事这方面研究的机构己经做成语音降噪产品的单位很少，而且在对语音降噪处理过程中并没有用到什么新的数字语音处理技术，也没有什么独特的方法，未取得较大的突破。

语音去噪的基础知识语音去噪不但与信号处理技术有关，而且涉及到人的听觉感知和语音学。

另外，噪声来源不同，特性也不相同，因而很难找出种适用于各种噪声环境的去噪算法。

对不同噪声必须使用不同的语音去噪方法。

使用不同的语音去噪方法。

语音去噪算法的基础是对语音和噪声特性的了解和分析。

另外，噪声来源不同，特性也不相同，因而很难找出种适用于各种噪声环境的去噪算法。

语音去噪的基础知识语音去噪不但与信号处理技术有关，而且涉及到人的听觉感知和语音学。

部分内容简介产品，但是这些产品往往不成熟，在实际应用中，这些产品并不能有效的降低语音信号中的噪音，提高信噪比。

在国内，从事这方面研究的机构己经做成语音降噪产品的单位很少，而且在对语音降噪处理过程中并没有用到什么新的数字语音处理技术，也没有什么独特的方法，未取得较大的突破。

语音去噪的基础知识语音去噪不但与信号处理技术有关，而且涉及到人的听觉感知和语音学。

另外，噪声来源不同，特性也不相同，因而很难找出种适用于各种噪声环境的去噪算法。

对不同噪声必须使用不同的语音去噪方法。

语音去噪算法的基础是对语音和噪声特性的了解和分析。

语音信号的特点语音是时变的非平稳非遍历的随机过程。

语音可以分为周期性的浊音和非周期的清音。

浊音和清音经常在个音节中同时出现。

浊音部分和音质关系密切，在时域上呈现出明显的周期性，在频域上有共振峰结构，而且能量大部分集中在较低频段内，是语音中大幅度高能量的部分，清音则没有明显的时域和频域特征，类似于白噪声，能量较小，在强噪声中容易被掩盖，但信噪比较高时能提供较多的信息。

根据中心极限定理，傅里叶展开系数被认为是的高斯随机变量，均值为零但方差是时变的。

语音的短时谱幅度的统计特性是时变的，只有当分析帧长趋于无穷大时，才能近似认为其具有高斯分布。

这种高斯模型应用于有限帧长时只是种近似的描述，在宽带噪声污染的带噪语音的语音去噪中，这种假设可作为分析的前提。

噪声特性噪声的来源很多，因此噪声的特性也是多样的。

根据噪声对语音频谱的干扰方式，噪声主要分为加性噪声和乘性噪声。

当噪声对语音的干扰表现为两者信号在时域进行相加时，该噪声被称为加性噪声。

显然噪声和语音在频域也为相加关系。

在实际环境中，背景噪声可以看作加性噪声，加性噪声是对背景噪声种比较贴切的表述。

乘性噪声是指噪声和语音在频谱上是相乘的关系，在时域则是卷积的关系，因此也称为卷积噪声。

我们关注的噪声通常分为冲激噪声周期噪声宽带噪声语音干扰噪声等。

非加性噪声主要是传送网络的电路噪声等。

周期噪声往往来源于电动机风扇等周期运转的机械，或交流电源声也是周期噪声。

它们的频谱图特点为有许多离散的窄谱峰，通常可以通过功率谱发现，用滤波或变换技术予以滤除。

冲激噪声通常是放电时会产生。

它的时域波形是类似于冲激函数的窄脉冲。

冲激噪声可以在时域内进行消除。

影响通常有两种方法对带噪语音信号的幅度求均值，将该均值作为判断阈值，凡是超过该阈值的均判为冲激噪声，把它进行衰减或者完全置零当冲激脉冲不太密集时，也可以通过些点内插的方法避开或者平滑掉冲激点，从而能在重建语音信号中去掉冲激噪声。

宽带噪声呼吸噪声风随机噪声源产生的噪声量化噪声等均可视为宽带噪声，应用中常近似为高斯噪声或白噪声。

量化噪声通常作为白噪声来处理，也可以当作宽带噪声处理。

其显著特点是噪声频谱遍布于语音信号域频谱中，导致消除噪声较为困难。

般需要采用非线性处理方法。

语音干扰可能是受到其他语音源的干扰造成的。

干扰语音信号和待传语音信号同时在个信道中传输所造成的干扰称为语音干扰。

考虑到般情况下两种语音的基音不同，也不成整数倍，利用它们的基音差别可以用梳状滤波器提取基音和各次谐波，再恢复出有用语音信号。

传输噪声这是传输系统的电路噪声。

与背景噪声不同的是，语音和噪声需要通过卷积变换，转化为加性噪声来处理。

介绍公司种类多，品种齐全，适合各种需要。

目前，使用较为广泛的主要有三个系列，和。

其他系列产品应用较少或已经淘汰。

每个系列又有多种可供选择。

同系列的具有相同的内核相同或兼容的汇编指令集它们之间的差别是具有不同大小的片内存储器不同的片内外设和外部接口等，工作电压和速度也有所区别。

以上大系列实现功能的侧重点不同，也就是说应用领域有所不同系列是位定点。

它是个控制器系列，主要应用于工业控制领域，它除了具有个内核外，还有大量的片内外设资源，如定时器各种同步和异步串口看门狗总线接口等加上其价格低廉，速度更高，可靠性更强，可以取代传统单片机。

内部具有，方便固化程序，而其他系列都没有内部。

系列是位定点低功耗，性价比极高，主要应用于无线通信系统及手持式通讯产品，如手机，和等。

又分为和两个系列。

相对系列来说，其内部存储更大，运行速度更快，更适合执行较为复杂的数字信号处理任务，但控制功能相对较弱。

般由核心电压和电压两种电压供电。

核心电压较低，所以功耗很低，且体积很小，方便集成。

系列是位的系列。

在的所有系列中运行速度最快。

其中是定点，而和是浮点，它主要应用于需要大量快速运算的场合，如数字视频处理无线基站等。

由于速度很高，所以功耗也很大。

芯片在本设计中使用的是。

它属于系列中的系列，正如前面所说，同系列的具有相同的内核相同或兼容的汇编指令集，差别仅在于内存储器的大小，片内外设等等，所以就首先介绍下系列普遍具有的特点和性能。

具有改进的哈佛结构，使其处理能力达到最大。

分开的程序空间和地址空间提供了高度的并行性，可以同时访问程序指令和数据，例如三次读操作和次写操作可以小波去噪与去噪效果对比选择中含有噪声的仿真信号作为原始信号，分别使用和小波分析方法对信号进行去噪处理，采用的小波是，分解层数为，对比结果如图所示。

验证仿真程序如下本章总结基于的算法实现算法实现主要分为三个部分小波分解部分小波系数阈值量化部分和小波重构部分。

具体程序实现流程为图。

开始小波分解建立数据仿真文件及外设初始化小波系数阈值量化小波重构结束读取数据仿真文件第四章实验仿真及图实验结论图小波去噪验证仿真图为原始信号为含噪信号为软阀值去噪信号为硬阀值去噪信号通过对图的分析，可以看出对原始信号添加噪声后得到含噪信号，利用中的小波工具箱对含噪信号分别进行软阈值化和硬阈值化去噪处理，得出的去噪结果与原始信号效果非常接近，由此可以看出利用中的小波变换工具箱对信号进行去噪处理是非常理想的。

由图可以看出，利用小波分析去噪的结果明显优于变换，这是由于变换只能在频域范围内表述，对系数进行处理的方法也相对单，而利用小波对信号进行分解后，可以采用多种计算阈值和处理阈值的方法对信号的噪声成分进行抑制，手段更加灵活。

为了更加精确地表示去噪结果，可以计算去噪后信号的信噪比和均方根误差。

图小波去噪和去噪效果对比图为含噪信号图，为软阀值去噪信号图，为硬阀值去噪图，为去噪图表几种方法去噪后的和信号的信噪比越高，原始信号和去噪信号的均方根误差越小，去噪信号就越接近原信号，去噪的效果也就越好。

表给出了种方法去噪后信噪比和均方根误差的比较，可以看出，小波分析去噪结果的信噪比和均方根误差指标均优于。

结论数模极大值之间的关系，提出对各层系数采用不同的阈值进行处理，并针对软阈值函数和本文利用噪声与信号在小波变换各层系数的传输特性的不同预计噪声对应的小波系硬阈值函数各自的缺陷，提出了种新的阈值函数，更增加了小波去噪的灵活性。

通过最后的仿真结果表明，新的小波阈值去噪方法可大幅度提升去噪效果，具有较好的工程应用价值。

小波去噪是个正在研究的课题，新的方法在不断地提出。

小波变换是种信号的时频分析方法，它具有多分辨率分析的特点，很适合探测正常信号中夹带的瞬态反常现象并展示其成分，有效区分信号中的突变部分和噪声。

因此利用小波变换能有效的对信号进行消噪的同时提取含噪信号。

用传统的傅立叶变换分析，显得无能为力，因为傅立叶分析是将信号完全在频率域中进行分析，它不能给出信号在个时间点的变化情况，使得信号在时间轴上的任何个突变，都会影响信号的整个频谱。

小波变换正广泛的应用于各个领域，给我们提供了个很方便的工作平台，通过编制程序给定信号的噪声抑制和非平稳信号噪声的消除。

通过实例证明基于小波变换的消噪方法是种提取有用信号展示噪声和突变信号的优越方法，具有广阔的实用价值。

致谢短暂而充实的大学四年时光即将接近尾声，而该毕业论文的设计是大学最后个学期的学习目标和任务，在论文完成之际，特向我的指导老师甘露致以诚挚的谢意。

甘老师为人诚恳，待人和蔼可亲，这种可贵的待人精神为我的毕业论文的设计营造了良好的氛围。

在本次设计中，甘老师给予我很大的关怀和帮助，特别是在论文的选题前期课题指导及各段落内容衔接等各环节都细心的指导和讲解，由于我在以前的课程学习中没有扎实的数字信号处理基础及程序设计经验，甘老师为我提供了诸多方面的资料，让我在课题设计中更加得心应手，最终才能圆满的完成毕业论文的设计。

在这次毕业论文设计中，使我深刻的体会到只有理论知识还是不够的，要能在原有的理论基础上加以动手实践，使理论和实践很好的结合起来，这样才能对该知识点有更加深刻的认识，希望这种经验体会能够为我以后的学习工作中不断成长不断进步。

最后祝愿我所有的老师和同学工作顺利，阖家欢乐，生平安。

参考文献胡昌华，张军波，夏军基于的系统分析与设计，西安西安电子科技大学出版社朱云芳，戴朝华，陈维荣小