1、隨著信息處理技術手段的發(fā)展,語音信號應用領域的不斷擴展,對語音信號處理的要求也越來越高。如語音識別技術,要求存在背景噪聲的環(huán)境下達到有效識別;語音通信技術,要求在不影響接收語音信號質(zhì)量的前提下,盡可能降低無語音段的數(shù)據(jù)傳輸;軍事上,有效截獲對方的信息和高效傳輸信息是電子對抗的重要組成部分。然而在復雜聲學環(huán)境下,由于強背景噪聲的影響,使得上述情況的語音信號變得相對較微弱,如室外嘈雜環(huán)境的語音通信與識別,短波通信噪聲較強情況下的信息截獲等,

2、然而,這些情況往往都是經(jīng)常出現(xiàn)的。為此,在復雜背景情況下,能否有效地對低信噪比語音信號進行檢測與增強具有重要意義。
　　 時頻分析是語音信號檢測與增強的有效手段之一。傳統(tǒng)的時頻分析算法主要有短時傅里葉、小波變換等,這些算法需要根據(jù)經(jīng)驗人為的設定信號分解尺度,而這些尺度有時并不能完全反應出信號的特征。此外,像小波變換需要根據(jù)變換對象事先選定小波基,而固定的小波基并不一定適合整個信號的分析。據(jù)此,本文選用一種可以根據(jù)信號特征自適應選

3、取基函數(shù)及濾波尺度的算法——希爾伯特-黃變換。該算法特別適合分析像語音信號這樣的非平穩(wěn)信號。
　　 本文針對希爾伯特-黃變換在低信噪比語音信號檢測及增強方面展開研究,主要研究成果如下:
　　 首先,采用了一種基于希爾伯特-黃變換的低信噪比語音信號檢測算法,解決高斯噪聲環(huán)境下低信噪比語音信號的檢測問題。該算法的核心思想是,利用經(jīng)驗模態(tài)分解的自適應分解特性,將低信噪比語音信號中噪聲含量較多的固有模態(tài)分量篩分出來,通過其它固有

4、模態(tài)分量構建希爾伯特能量譜,從而實現(xiàn)低信噪比語音信號的檢測:
　　 其次,提出了一種基于希爾伯特-黃變換譜矩陣的低信噪比語音信號檢測算法,解決多噪聲環(huán)境下低信噪比語音信號的檢測問題。該算法的核心思想是,利用語音信號與噪聲信號的希爾伯特-黃變換譜特征的不同,實現(xiàn)低信噪比語音信號的檢測。在構建低信噪比語音信號的希爾伯特-黃變換譜矩陣的過程中,考慮到能量集中問題,所以采用以幀為單位,構建該信號的譜矩陣。為了更有效、直觀地分析譜矩陣,提

5、出一種三維可視化分析方法。有效地找到了語音與噪聲在譜矩陣中的區(qū)別,通過該區(qū)別設定濾波參數(shù),對矩陣實施權值濾波,濾波后將譜矩陣轉(zhuǎn)換成以幀為單位的二維時-幅曲線,自適應計算閾值,實現(xiàn)語音段的檢測;
　　 再次,采用極值域均值模式分解算法,對經(jīng)驗模態(tài)分解的曲線擬合、端點效應進行了改進。該算法的核心思想是,利用信號的所有信息,構建均值曲線。在構造信號的均值曲線時,通過極值點及極值點間的所有數(shù)據(jù),利用積分中值定理的原理,尋找一個信號中的實

6、際存在的值作為均值,使求取的均值更能反映輸入信號的真實均值,提高了對局域均值的估計精度,降低了端點效應;
　　 再次,提出一種基于極值域均值模式分解最大相似度的低信噪比語音增強算法,解決部分噪聲環(huán)境下低信噪比語音信號增強問題。該算法核心思想是,對分解后得到的固有模態(tài)分量進行篩選后再做濾波處理,以此減少過濾波和欠濾波情況的發(fā)生。在篩選過程中,提出一種最大相似度判斷算法,通過檢測得到的噪聲信號與固有模態(tài)分量計算最大相似度,通過最大相

7、似度篩選出固有模態(tài)分量進行濾波,由于噪聲與語音信號容易發(fā)生頻譜混疊,在濾波器的選擇上采用時域濾波器。將濾波后的固有模態(tài)分量和未作處理的固有模態(tài)分量進行信號重構,得到增強后結果;
　　 最后,提出了一種基于極值域均值模式分解與獨立分量分析相結合的低信噪比語音增強算法,解決更多噪聲環(huán)境下低信噪比語音信號增強問題。該算法的核心思想是,利用獨立分量分析的特點,分離出選取的固有模態(tài)分量的固有特性,消除信息混淆。通過最大相似度,篩選出需要處

8、理的固有模態(tài)分量,對其進行獨立分量分析,使噪聲特性能夠進一步集中,提高最大相似度,這樣更有利于噪聲的濾除。由于獨立分量分析存在幅值、位置的不確定性,所以對濾波后的獨立分量要進行二度重構,即獨立分量分析重構和極值域均值模式分解重構,得到增強后結果。
　　 本文從復雜環(huán)境下低信噪比語音信號的希爾伯特-黃變換的特性出發(fā),圍繞著低信噪比語音信號的檢測與增強,針對不同噪聲環(huán)境進行了研究,提出了相應的算法,并對所提出的算法進行了性能分析和對