Hilbert-Huang變換及其在含噪語音信號處理中的應(yīng)用研究.pdf

1、隨著現(xiàn)代科學(xué)技術(shù)的蓬勃發(fā)展，數(shù)字語音信號處理作為一個跨學(xué)科、綜合性的研究領(lǐng)域已成為當(dāng)今的一個研究熱點。經(jīng)研究表明，語音信號是一個復(fù)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(shù)性能難以進(jìn)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(shù)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(zhì)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(jìn)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(zhì)量。語音增強不僅可以提高語音的清晰度，改善聽覺質(zhì)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(shù)已廣泛應(yīng)用于無線電話、電話會議、場景錄音和軍事竊聽等領(lǐng)域。語音檢測和增強技術(shù)無論在日常生活中，還是在軍事領(lǐng)域，或者對語音信號處理技術(shù)都很有應(yīng)用價值。 基于經(jīng)驗?zāi)B(tài)分解的時頻分析方法，被

3、認(rèn)為是近年來對以傅立葉分析為基礎(chǔ)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(biāo)，主要研究了以下幾個方面的內(nèi)容： 1.詳細(xì)地闡述了經(jīng)驗?zāi)B(tài)分解方法和以此為基礎(chǔ)的Hilbert-Huang變換的基本原理和算法。利用統(tǒng)計學(xué)的工具考察了經(jīng)驗?zāi)B(tài)分解前后數(shù)據(jù)分布的變化。研究了采樣率對經(jīng)驗?zāi)B(tài)分解效果的影響。利用功率譜密度研究了經(jīng)驗?zāi)B(tài)分解的濾波器特性。 2.針對經(jīng)驗?zāi)B(tài)分解中端點效應(yīng)問題，闡述了端點效應(yīng)

4、產(chǎn)生的機理，系統(tǒng)地介紹了以往處理端點效應(yīng)的方法，考慮到端點效應(yīng)問題在學(xué)習(xí)領(lǐng)域?qū)儆谛颖?或有限樣本)問題，將統(tǒng)計學(xué)習(xí)的理論應(yīng)用到了端點延拓的問題上來，利用回歸支持向量機技術(shù)有效地解決了數(shù)據(jù)的端點延拓問題。 3.針對經(jīng)驗?zāi)B(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(jīng)驗?zāi)B(tài)分解的結(jié)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(jīng)驗?zāi)B(tài)分解算法。 4.由于經(jīng)驗?zāi)B(tài)分解出的各個固有模態(tài)函數(shù)是AM-FM信號，為了準(zhǔn)確地提取信號的特征，結(jié)合TEO能量算子，提出了語音信號的EMD-TEO倒譜特征，利用相關(guān)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(jīng)驗?zāi)B(tài)分解，進(jìn)而進(jìn)行語音增強。一個是經(jīng)驗?zāi)B(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