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独立的高斯随机变量，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武汉工业学院毕业设计论文设计论文题目基于的语音信号的去噪方法姓名李学号院系电气与电子工程学院专业通信工程指导教师年月日基于的语音信号的去噪方法摘要语音是语言信息的载体，是人类交流信息最自然最有效最方便的手段。在许多情况下，人们所关心的语音信号不可避免地被其他信号所污染，影响了人们的听辨。小波变换在当今信号处理领域中是种十分活跃的理论，小波阈值消减法是对小波分解系数进行阈值化的降噪技术。本文简要介绍主要针对基于小波变换的阈值去噪方法进行了研究，对小波阈值消噪从两个方面进行改进。方面，通过对传统小波阈值消噪算法中的软阈值函数和硬阈值函数以及提出的非负死区阈值函数进行分析，提出了两种改进的阈值函数。另方面，受到谱减法思想的启发，提出了新的阈值估计思想。经实验证明，本文阈值函数和阈值估计的消噪结果保持了信号的边缘特性，并且提高了语音信噪比。关键词小波消噪阈值估计阈值函数高斯白噪声，整个数字化通信网中最重要最基本的组成部分之。同时，语言不仅是人类相互间进行沟通最自然和最方便的形式，也是人与机器之间进行通信的重要工具，它是种理想的人机通信方式，因而可为计算机自动化系统等建立良好的人机交互环境，进步推动计算机和其他智能机器的应用，提高社会的信息化和自动化程度。语音处理技术，其中最重要的包括语音编码语音合成语音识别说话人识别及语音增强，它的应用极其广泛，包括工业军事交通医学民用等各个领域。目前，语音处理技术处于蓬勃发展的时期，己有大量产品投放市场，并且不断有新产品被开发研制，具有及其广阔的市场需要和应用前景。课题的研究背景及意义语音是语言信息的载体，是人类交流信息最自然最有效最方便的手段。在许多情况下，人们所关心的语音信号不可避免地被其他信号所污染，即语音总会受到外界环境噪声的干扰，这些噪声包括从周围环境传输媒质中引入的噪声电器设备的噪声以及其他说话人干扰等等。环境噪声会影响语音质量，严重的情况下语音将完全淹没到噪声中，无法分辨。这些背景噪声对人们得到语言信号中夹带的有效信息产生了很大的干扰，会引起有用语音信息的相对失效。计算机无法准确地分离出噪声与有用信息，因此要让它准确无误地执行所要求执行的操作，就必须对语音进行降噪处理。研究如何进行语音去噪的科学意义很大，它能帮助人们解决很多问题，同时它具有广阔的应用前景。较好的降噪处理结果，有利于语音信号的编码，从而也会减少数据的存储量，利于在网络中的传送。语音增强技术就是从噪声背景中提取增强有用的信号，抑制降低噪声干扰的技术。比如，语音识别系统在实验室环境中可取得相当好的效果，但在噪声环境中，尤其是在强噪声环境中使用时，系统的识别率将受到严重影响。由于干扰通常都是随机的，因而从带噪语音中提取相对完全纯净的语音几乎不可能。。语音降噪处理的意义非常重大，它可以帮助我们解决许多有关听辨的问题。但是当今从事语音降噪处理研究的机构和单位并不是很多。在国外虽然有些这方面的产品，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，目录摘要基于的语音信号的去噪方法目录第章绪论课题的研究背景及意义语音去噪的基础知识语音信号的特点噪声特性介绍芯片开发环境集成开发环境本文重点总结第二章小波在语音消噪中的应用经典的小波算法模极大值去噪算法相关性去噪算法小波阈值去噪算法种新的小波阈值去噪方法本章总结第三章实验设计原理及过程小波去噪原理分析小波去噪原理小波去噪步骤阈值的选取与量化软阈值和硬阈值阈值的几种形式阀值的选取实验步骤小波去噪验证仿真小波去噪与去噪效果对比本章总结第四章实验仿真及图实验结论结论致谢参考文献附录第章绪论语音信号处理是信息高速公路多媒体技术办公自动化现代通信及智能系统等新兴领域应用的核心技术之。在高度发达的信息社会，用数字化的方法进行语音的传送存储识别合成增强等是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，高成小波分析及应用国防工业出版社刘涛使用小波分析入门国防工业出版社金宝龙李辉赵乃杰何海峰种新的小波阈值去噪算法弹箭与制导学报刘宗昂杨莘元王丽安种新的小波去噪算法弹箭与制导学报吴伟蔡培升基于的小波去噪仿真信息与电子工程李祥兵肖合林基于的小波阈值折中算法研究电脑开发与应用杜浩潘丛爽基于小波去噪方法研究计算机仿真张兆宁董肖红潘云峰基于小波变换模极大值去噪方法的改进电力系统及其自动化学报附录阈值去噪的验证仿真程序小波与对比验证仿真程序