Библиографическое описание:

Гапочкин А. В. Применение вейвлет-анализа для очистки речевого сигнала от шума [Текст] // Технические науки: проблемы и перспективы: материалы II Междунар. науч. конф. (г. Санкт-Петербург, апрель 2014 г.). — СПб.: Заневская площадь, 2014. — С. 23-25.

В работе предложен метод очистки речевого сигнала от шума при помощи вейвлет-анализа. Приводятся результаты теоретических и экспериментальных исследований, подтверждающих преимущество данного метода над другими.

Ключевые слова: вейвлет-анализ, очистка от шума, речевой сигнал.

Для удаления шумов обычно используется хорошо известный из техники фильтрации прием – удаление высокочастотных составляющих из спектра сигнала [1]. С помощью вейвлет-преобразования эта задача решается ограничением уровня детализирующих коэффициентов. Кратковременные особенности сигнала, а к ним можно отнести и шумы в виде множества таких особенностей, создают детализирующие коэффициенты с высоким содержанием шумовых компонент, имеющих большие случайные выбросы значений сигнала. Поэтому уровень шума можно понизить, сделав нулевыми детализирующие коэффициенты меньше выбранного порога [2].

Основная модель для зашумленного сигнала имеет вид [3]:

s(п)=f(п)+е(п),                                            (1)

где s(п) – зашумленный сигнал; f(п) – полезный сигнал; е(п) – шум.

Цель удаления шума состоим в том, чтобы подавить шумовую часть е(п) речевого сигнала и восстановить f.

Процедура очистки от шума включает в себя три шага:

1.    Выбор вейвлета и уровня декомпозиции N. Вейвлет-разложение сигнала до уровня N.

2.    Детализация. Для каждого уровня от 1 до N выбирается определенный порог и применяется пороговая обработка детализирующих коэффициентов.

3.    Производится вейвлет-восстановление, основанное на исходных коэффициентах аппроксимации на уровне N, модификация детализирующих коэффициентов на уровнях от 1 до N.

При вейвлет анализе сигнал раскладывается на аппроксимирующие коэффициенты, которые представляют сглаженный сигнал, и детализирующие коэффициенты, описывающие колебания. Следовательно, шумовая компонента больше отражается в детализирующих коэффициентах. Поэтому при очистке речевого сигнала от шума обрабатываются обычно детализирующие коэффициенты. Второе предположение заключается в том, что шумовая компонента представляет собой сигнал, меньший по модулю, чем основной. Поэтому простейший способ очистки от шума состоит в том, чтобы сделать нулевыми значения коэффициентов, меньшие некоторого порогового значения. Эта процедура называется пороговой обработкой (трешолдингом) коэффициентов. Широкое распространение получили такие методы пороговой обработки,как жесткий трешолдинг и мягкий трешолдинг.[3]

При жесткой пороговой обработке сохраняются неизменными все коэффициенты, большие или равные по абсолютной величине порога, а меньшие коэффициенты обращаются в нуль. При мягкой пороговой обработке наряду с обращением в нуль коэффициентов, по модулю меньших, чем порог, происходит уменьшение по модулю остальных коэффициентов на величину самого порога.[5]

При решении задачи очистки речевого сигнала от шума необходимо: оценить спектральный состав шумовой компоненты, выбрать тип пороговой обработки (тешолдинга) и критерий расчета самого порога.

Ниже на Рис.1 приведены результаты подавления шума в модельном ступенчатом речевом сигнале на основе вейвлет-анализа и метода Фурье. Видно, что с использованием вейвлет-преобразования достигается более глубокое подавление шума при сохранении структуры сигнала.


Зашумленный ступенчатый речевой сигнал.

Сигнал, очищенный при помощи вейвлет-анализа.

Сигнал, очищенный при помощи обрезания высоких гармоник Фурье.

Рис. 1. Пример очистки речевого сигнала.

Из рис.1 видно что, из-за присутствия в речевом сигнале скачков и меняющейся в больших пределах частоты сигнала, что оз­начает наличие непрерывного частотного спектра, получение удовлетворительной фильтрации методом преобразований Фурье крайне затруднительно.

Идея нелинейного (порогового) удаления шума состоит в том [4], что ортогональное вейвлет-преобразование "сжимает" сигнал до небольшого числа относительно больших коэффициентов. С другой стороны, шум при любом ортогональном преобразовании сохраняет свою структуру и амплитуду. Поэтому пороговое обрезание коэффициентов вейвлет-преобразования не влияет на структуру сигнала, сильно понижая шум вейвлет-преобразование близко к "идеальному" проектору, сохраняющему те и только те коэффициенты, для которых сигнал превышает шум. На рисунке 2 показано последовательное разложение речевого сигнала при фильтрации шума с помощью вейвлет-анализа.

Рис. 2 Дерево последовательного разложения сигнала при фильтрации шума с помощью вейвлет-преобразования.

В данной статье рассмотрен метод очистки речевого сигнала при помощи вейвлет- анализа. Использование новых методов предобработки речевых сигналов на основе вейвлет-анализа существенно повышает их точность и снижение искажений при дальнейшей обработке. Так же показано преимущество применения вейвлет – анализа для очистки от шума перед преобразованием Фурье.

Литература:

1.      Davis, G.M. Noise reduction in speech applications/G.M. Davis. – Washington: CRC Press, 2002. – 432 p.

2.      Fundamentals of Wavelets: theory, algorithms, and applications/C. Jaideva, C. Goswami, K. Andrew et al. – Indianapolis:Wiley-Intersci. Publ., 1999.-306 p.

3.      Смоленцев, Н.К. Основы теории вейвлетов. Вейвлеты в Matlab/H.K. Смоленцев. – М.:ДМК Пресс, 2005. – 304 с.

4.      Астафьева Н.М. Вейвлет – анализ. Основы теории и применения. Успехи физических наук, т.166, вып. 11, ноябрь 1996 г.

5.      Л. Левкович-Маслюк, А. Перебрин. Вейвлет-анализ и его приложения. Москва, 1997.

Основные термины: речевого сигнала, очистки речевого сигнала, детализирующие коэффициенты, удаления шума, метод очистки речевого, разложения речевого сигнала, очистке речевого сигнала, фильтрации шума, сжатия речевого сигнала, речевой сигнал, выбросы значений сигнала, разложение речевого сигнала, Кратковременные особенности сигнала, спектра сигнала, последовательного разложения сигнала, Вейвлет-разложение сигнала, пределах частоты сигнала, сохранении структуры сигнала, Цель удаления шума, структуру сигнала

Обсуждение

Социальные комментарии Cackle