_语音去噪算法的研究要点.pdf

《_语音去噪算法的研究要点.pdf》由会员分享，可在线阅读，更多相关《_语音去噪算法的研究要点.pdf（29页珍藏版）》请在三一文库上搜索。

1、 I 语音去噪算法的研究 专业：通信工程姓名 摘 要语音去噪处理是对我们语音通话过程中受到的各种外界声音特别是 噪声进行处理，从而得到纯净的语音信号。本文利用一种常用的语音去噪算 法谱减法来进行语音去噪的研究。谱减法使用简单且可执行，其输出语 音质量很高，能有效的除去语音中的噪声。本文通过添加不同的噪声：高斯 白噪声和随性噪声，通过谱减法对高斯白噪声与随性噪声分别进行了去噪处 理，并对去噪能力进行比较，通过仿真结果可以看出当加入噪声强度低于2 时，谱减法对白噪声的去噪效果较好，当加入噪声强度高于2 时，谱减法对 随性噪声的去噪效果较好。 关键词语音去噪，谱减法，高斯白噪声，随性噪声 ABSTR

2、ACT Speech denoising is dealing with the noise in our voice calls suffering from different kinds of external voice especially noise and provides us a clear voice signal. In the paper, Spectral subtraction which is one of common Speech denoising methods is studied. Spectrum subtraction is easy to be

3、carried out and it can improve the quality of the output voice, the noise in the voice can be high effectively removed. In the paper, two types of noise: Gaussian noise and random noise were added in voice signal. The simulation results shou that spectrum subtraction has a better effect on Gaussian

4、noise while the intensity of added noise is less than 2 and it has a better effect on random noise while the intensity of added II noise is higher than 2. KeywordsRemoving the noise, Spectral subtraction, Gaussian white noise, Random noise 目录 1 绪论 1 1.1 选题背景 1 1.2 语音去噪的算法研究现状 1 1.3 本文各章节主要内容 3 2 语音去

5、噪的理论基础 . . 3 2.1 语音信号的特性 3 2.2 噪声信号的特性 4 2.2.1 噪声的分类 . 4 2.2.2. 噪声的度量 5 2.2.3. 噪声表示 6 2.2.4 带噪语音模型 . 7 3 应用谱减法进行语音去噪. . 7 3.1 谱减法 7 3.2 谱减法的实现流程图 9 3.3 谱减法的实现 . 10 3.3.1 读取语音文件添加噪声. . 10 3.3.2 分帧加窗 . 10 3.3.3 加噪信号傅里叶变换 . . 11 3.3.4 逆傅里叶变换 . . 11 3.3.5 去除汉明窗引起的增益. . 11 4 仿真结果 . 12 4.1 原始语音信号的仿真 . 12

6、4.2 加入噪声信号强度为1 的白噪声仿真图 . 12 4.3 加入噪声信号强度为2 的白噪声仿真图 . 13 4.4 加入噪声信号强度为3 的白噪声仿真图 . 15 4.5 加入随性噪声的仿真图 . 16 5. 总结 . 19 参考文献 . 20 附录 . 21 答谢 . . 25 1 1 绪论 1.1 选题背景 语音是信息传播和情感表达的重要媒介，在日常生活中起着非常重要的 作用。二十一世纪是信息科学世纪，人机交互式语音处理系统如电话通信， 导航系统，远程控制等在人们日常生活中的应用越来越多。因此，对人类交 流中最常用的语音其进行处理，在现代信息处理中占有极其重要的地位。 当我们在日常生活

7、中进行语音通信时，会遇到噪声干扰的问题。如：我 们在马路旁使用公用电话进行通信，路人的嘈杂声、汽车的鸣笛声等噪声都 会干扰我们语音通讯的话音质量。对于接收语音方来说，受干扰的语音可能 会使接收方产生听觉疲劳，还有可能无法听清对方声音。 在我们进行语音通信的过程中，语音质量的好坏是很重要的。如果音质 很差，接收方无法听清对方的话音，可能会工作造成无法估量的损失。 人类社会已经离不开通信，语音是我们信息交流中最平常、最快速和最 方便的方式之一。但目前语音识别系统很难在噪声环境中工作，其受到的影 响很大。因此，语音增强技术对于我们的日常生活有着极其重要的价值。 1.2 语音去噪的算法研究现状 语音增

8、强方法在 20 世纪 70 年代中期就对其进行研究。 当时取得了一些 基础性成果。随着近代科学的发展，数字信号处理理论逐渐成熟，语音增强 也取得了快速的发展，如今语音增强成为语音处理领域的一个重要分支。 1978 年 Lim 和 Oppenheim提出了语音增强的维纳滤波方法，1979 年 Boll 提 出了谱相减方法来抑制噪声，1980 年 Maulay 和 Malpass提出了软判决噪声 抑制方法， 1984年 Ephraim 和 Malah 提出基于 MMSE 短时谱幅度估计的语 2 音增强方法， 1987 年 Paliwal 把卡尔曼滤波引入到语音增强领域 10 。语音增 强技术在这近

9、30 年的发展中，各种方法被不断的提出，从而奠定了语音增 强理论基础，并使之逐渐走向成熟 1 。 解决噪声污染的一种有效途径是语音增强，他的主要功能是在混有噪声 的语音信号中处理原始语音信号，随着通信技术的发展，语音增强技术也有 了很大程度的发展。它主要用于降低噪声、语音识别系统和预处理。 语音增强涉及的内容很广，它还涉及到听觉感知和语音学。噪声有许多 来源，随着外部环境的变化， 噪声特性也不相同。 我们必须针对不同的噪声， 采取不同的语音增强方法 1 ： 频谱相减法：单声道语音增强，是目前常用的一类基于短时谱幅度估计 的语音增强方法，该方法对语音信号的感知没有必要精确计算。所以，基于 STS

10、A 估计的方法通常接采用带噪语音的相位作为增强语音信号的相位。基 于语音增强 STSA 估计方法，包括谱减法和各种变形，最低均方误差估计法 等。 自适应噪声对消法：自适应噪声对消是由自适应滤波器来完成的，它的 基本原理是根据Widrow 方法，利用自适应滤波器，从带噪语音中减去噪声 的最佳估计值，得到纯净的语音。这种方法中，一个关键的问题是如何得到 噪声的最佳值，自适应滤波器的目的是使设计出的噪声与实际噪声接近，因 而根据 LMS 准则来调整滤波器系数。 小波变换法： 小波变换是对信号的时间尺度和时间频率进行分析的一种 方法，即在时域上对信号离散变换，在频域上进行谱分析的方法。具有非常 高的高

11、分辨率，而且在时、频两域上都具有对信号局部特征进行表征的能力 1 。 3 图 1.1.语音增强处理改善语音质量 1.3 本文各章节主要内容 第一章为绪论， 对课题背景即语音去噪的重要性与应用的普遍性进行了 介绍。同时，还介绍了去噪算法研究的发展历史。最后，对去噪算法的分类 进行了介绍，确立了本论文的研究方法谱减法。 第二章介绍了去噪过程中必备的两个要素语音信号特性和噪声信号特 性，噪声的质量和分类，以及噪声的表示和模型。 第三章介绍了谱减法的基本概念，实现的流程图，以及通过谱减法进行 语音去噪的步骤：输入语音信号，添加不同的噪声信号，分帧加窗，傅里叶 变换以及逆傅里叶变换与去除窗增益。通过仿真

12、图形对谱减法的去噪效果以 及谱减法对哪种噪声的去噪效果更好进行了论述。 2 语音去噪的理论基础 2.1 语音信号的特性 语音是由清音和浊音组成。其中浊音在时域上是具有周期性的；在频域 上有共振峰结构，在低频段内聚集着大部分能量。而清音段无时域和频域特 性，与白噪声相似。在我们进行语音增强时，可以对浊音的周期特征进行有 效地使用，我们一般采用梳状滤波器，通过该滤波器对语音分量进行提取， 增 强 语 音 干扰语音和背景噪声 信 道 传输噪声 语音增强纯净语音 4 也可以有效地抑制非语音信号 1 。 语音信号一般利用统计分析来表示。因为语音是一种随机过程，他是非 平稳，非遍历的。所以对语音信号进行长

13、时间的时域统计特性是徒劳的，长 时间的时域统计在语音增强中意义不大 6 。因为语音的谱幅度在短时是时变 的，所以我们要将帧长趋于无穷大，这样才能近似认为该短时语音信号具有 高斯分布的特性。我们在这对短时语音信号做了一种近似的描述。我们一般 在研究宽带噪声的语音增强方法时，认为这种假设是前提 3 。 2.2 噪声信号的特性 2.2.1 噪声的分类 噪声来源由外界的应用环境决定，噪声一般可分为加性噪声与非加性噪 声。在非加性噪声中，一些噪声可以转化为加性的。我们一般研究的加性噪 声分为：周期性噪声、脉冲噪声、宽带噪声和同声道语音干扰等。 周期性噪声：离散的窄谱峰是周期性噪声的特点，其主要来源于周期

14、性 运转的机器，周期性噪声引发的问题最少，可以通过滤波技术将噪声去掉。 但是，其中交流噪声的抑制很困难，因为其频率成分不是基音，而是谐波成 分。 脉冲噪声：一般是在时域波形中突发的窄脉冲，一般是由于放电产生的。 脉冲噪声的消除方法一般在时域内进行，通过混合信号幅度的平均值来确定 阈值。当混合信号幅度大于这一阈值时，该信号被认为是冲激噪声，然后在 对该信号进行衰减，从而去除该脉冲噪声。 宽带噪声：一般可以设定为高斯噪声和白噪声，他有很多来源，包括一 般随机噪声源，量化噪声可以认为是宽带噪声，因为混合信号中宽带噪声与 5 语音信号在时域和频域上重叠， 所以滤波方法是无效的， 因而消除它最困难。 宽

15、带噪声只会单独存在于语音间歇时期，平稳的宽带噪声认为是高斯白噪声 6 。 同声道语音干扰噪声：是指当单信道中有多个语音信号叠加传输时，对 称信号因相互抵消而消失。此外，发音也会受到背景噪声的影响，噪声信号 对原有语音信号的声学特征和参数造成了破坏，从而无法分清不同语音的差 别，话音质量有所下降。因此，噪声会对语音信号产生严重的影响 5 。 背景噪声：背景噪声信号不仅对原有的声学特征进行破坏，而且还破坏 原有信号的模型参数，使不同语音间的差别减弱，语音质量下降。较强的背 景噪声会改变讲话人的发音方式，对于相同的语音，其语音的特征参数也会 与安静环境下不同 4 。 单频噪声：它主要源于无线电干扰。

16、它的特点是一种连续干扰，并且 其频率是可以通过实测来确定的，因此在采取适当的措施后就有可能防止。 2.2.2.噪声的度量 声音是由声压、声强、声功率度量的。 声压级 Lp (dB)或 SPL 的定义为： 0 lg20 p p Lp （2-1） 其中 0 p =20 a p ， a p 为基准声压 (空气中 )。 声强级 I L (dB)或 SIL 定义为 o i I I Llg20（2-2） 其中 212 0 10mWI 为基准声强。 6 声功率 w L (dB)或 SWL 的定义为： 0 lg10 W W LW （2-3） 其中)(nw= 2 12 10mW 为基准功率。 声压级与声强级的关

17、系如下式表示： c LL pI 0 400 lg10 （2-4） 其中 C 为声速 (ms)。 2.2.3.噪声表示 噪声是一个随时间变化的过程。一般的时域周期信号可用振幅、频率、 相位来表征。但是噪声的时域特性不是很明显，噪声的时域波形称为噪声信 号，将其进行频域变换，得到噪声信号的频域特性频谱。 噪声的频率特性一般由功率谱密度描述。设频率在 )(fff 间的噪声 功率为 ),(fffPN ， 则功率谱密度 )( fGXX 定义为单位频率间隔内所含的噪声 功率，即有： df dP ffffPfG N N f XX ),(lim)( 0 （2-5） 2 1 )( f f XXN dffGP （

18、2-6） 噪声还具有统计特性。看起来噪声的时域波形像是无规则的的，但是任 何噪声都都是有一定规律的，它们具有一定的统计规律。对于一个系统的噪 声来说，测量值是不确定的，即有一定的随机性；但是当我们对该系统噪声 进行 N 次测量之后， 我们可以看出该系统噪声分布是有一定的规律。测量噪 声的概率是确定的，因此可用概率来描述噪声的统计规律。 7 随机过程的统计特性可用定量值平均值 1和标准偏差 表示。期望 值 1是 X 的平均值，表示测量一次可期望的值， 并用大量测量的平均值表示， 即： )()()(mnmsmy www （2-7） 标准偏差是 X 的分散程度或变化部分的表示，即： 2 222 )(

19、xxxx （2-8） 在一般交变量中，平均值 1 为零，则标准偏差就是有效值， 2 称为均 方差。 2.2.4 带噪语音模型 带噪语音模型如图2.1 所示。 )()()(knksky(2-9) 其中，)(y k、)(ks、)(kn分别为带噪语音、纯净语音和干扰噪声。 其带噪语音模型可以用下图表示： 图 2.1 带噪语音模型 3 应用谱减法进行语音去噪 3.1 谱减法 谱减法是语音去噪技术中较传统有效的方法，谱减法认为加性噪声与短 纯净语音 )(ks 带噪语音 )(kx 干扰噪声 )(kn 8 时平稳语音是相互独立的， 从而可以利用混合语音的功率减去噪声功率得到 去噪后的语音信号。 图 3.1

20、谱减法原理框图 我们假设 )(ms 、 )(mn 和 )(my 分别代表语音、噪声和带噪语音， )( s S 、 )( n S 和 )( y S 分别表示其短时谱。由上面假设可以得到信号的加性模型： )()()(mnmsmy (3-1) 经过加窗处理后的信号分别表示为 )(myw ， )(msw ， )(mnw ，则有 )()()(mnmsmy www (3-2) 对上式两端分别做傅立叶变换，得 )()()(wNwSwY www (3-3) 对功率谱有 )()()()(| )(|)(| )(| *222 wNwSwNwSwNwSwY w ww wwww (3-4) 可以根据观测数据估计 2 |

21、)(| w Y ，其余各项必须近似为统计均值。由于 )(ms 和 )(mn 独立，则互相的统计均值为0，所以原始语音的估值为： | )(|)(|)(| 222 wNEYwS ww w (3-5) 频 域 装换 nx 频域滤 波器 时域转 换 噪 声 能 增 益 计 fx fw fs fg ns 9 上式为功率谱减法的表达式。整个系统原理图如图所示： 图 3.2 传统谱减法原理框图 1 谱减法的建立的假设：噪声与语音信号是没有联系的，在频域上是加 性的关系 8 。 外界背景噪声看做是近似稳态的。如果背景噪声发生变化， 形成其他的稳态，则必须有足够的时间(约 300ms)来便估计新的背景噪声谱 幅

22、度值 9 。对于非平稳缓慢变化的环境噪声，谱减法算法会激活话音检测 环节，用以适时的判断并进行调整。假设主要噪声影响的消除的方法是通 过在带噪语音谱幅度中减去噪声而实现 6 。 3.2 谱减法的实现流程图 图 3.3 谱减法实现流程图 信号分帧加窗 傅里叶变换 逆傅里叶变换 去除汉明窗引起的增益 得到增强后的语音信号 FFT mnmsmy 2 相位恢复 IFFT ms Y(w) + - n P 读取语音信号、并添加噪声 10 3.3 谱减法的实现 3.3.1读取语音文件添加噪声 在本次语音信号的去噪研究中， 使用的纯净语音文件是利用一段wav 格 式的语音文件。 Wav语音文件室多媒体使用的声

23、波文件格式之一。程序实现 中我们用 wavread函数读取 wav 语音文件，返回抽样数据、抽样速率、每一 抽的比特数。 本设计对原始信号加入了2 种噪声：高斯白噪声和随性噪声并对这两 种噪声的去噪效果进行了比较。同时也对高斯白噪声中加入的噪声强度不同 进行了比较。 3.3.2 分帧加窗 下一步是按帧读取语音数据，一帧一帧的处理，直到处理完所有语音数 据。取出每一帧语音信号进行窗函数处理。窗函数的实质是利用短时窗对信 号进行截取。本设计使用的是汉明窗，汉明窗是对汉宁窗改进，叫做升余弦 窗。这种窗函数使能量集中在主瓣上，主瓣能量约占99。96%瓣峰值幅度为 40dB 7 ，其主瓣宽度和汉宁窗一样

24、，是一种高效的窗函数，其表达式为： 为其他n Nn N n nw , 0 ) 1.(0,)1 1 2 cos(64.054.0 )( (3-6) 窗函数的的选择对语音信号分析来说是极其重要的。窗函数不同，其结 果就会不同，矩形窗的谱平滑效果较好，但是在波形得细节方面有所丢失； 然而汉明窗与其反。因此，在我们对语音的频域进行处理时，一般使用汉明 11 窗。 窗函数中窗的长度有着很重要的作用。如果窗的长度 L 很大，那么该窗 函数相当于一个很窄的低通滤波器。语音信号的时域特性几乎没有变化，很 难用于反映语音信号的变化，从而波形细节变化无法看出；当L 太小时，滤 波器的通带会变得很宽，此时语音信号时

25、域特性会产生急剧变化，因而无法 看出平稳的语音变化特性。因此，窗口长度选择应合适。 3.3.3 加噪信号傅里叶变换 傅里叶变换是在数字信号处理中很重要的数字变换，傅里叶变换分为离 散傅里叶变换和快速傅里叶变换。离散傅里叶变换实质上是有限长序列的有 限点的离散采样，实现了频域的离散化，经过分帧加窗之后，对信号进行傅 里叶变换并对信号的功率谱密度进行计算。 3.3.4 逆傅里叶变换 顾名思义，逆傅里叶变换是傅里叶变换的逆过程，即将离散的频域信号 通过逆变换变成原有的连续的语音信号。该方法用于离散信号的整合，用于 语音信号的输出。 3.3.5 去除汉明窗引起的增益 窗函数的主要功能是是谱函数的主瓣包

26、含更多的能量，相应的旁瓣幅度 更小，去除汉明窗增益即是将主瓣能量削弱，谱函数能量的相应旁瓣能量增 加，增加信号的连续性。 12 4 仿真结果 经过上述步骤就可以对信号进行谱减法信号增强，实现去噪处理。从而 得到增强的语音信号。 本文利用 MATLAB 软件进行语音信号的输入与输出， 以及语音波形的仿真，下面是对语音信号的仿真图形： 4.1 原始语音信号的仿真 图 4.1 原始信号图像 4.2 加入噪声信号强度为1 的白噪声仿真图 加入噪声强度为 1 的白噪声之后，输出的语音混合信号仿真波形： 13 图 4.2 加入高斯白噪声之后的混合信号 加入噪声强度为 1 的白噪声之后，输出增强的语音信号仿

27、真波形： 图 4.3 运用谱减法进行语音增强之后的信号图形 4.3 加入噪声信号强度为2 的白噪声仿真图 加入噪声强度为 2 的白噪声之后，输出的语音混合信号的仿真波形： 14 图 4.4 加入高斯白噪声之后的混合信号 加入噪声强度为 2 的白噪声之后，输出的增强的语音信号仿真波形： 图 4.5 运用谱减法进行语音增强之后的信号图形 15 4.4 加入噪声信号强度为3 的白噪声仿真图 加入噪声强度为 3 的白噪声之后，输出的语音混合信号的仿真波形： 图 4.6 加入高斯白噪声之后的混合信号 加入噪声强度为 3 的白噪声之后，输出的增强的语音信号仿真波形： 图 4.7 运用谱减法进行语音增强之后

28、的信号图形 16 通过对以上三种不同强度值时的仿真图形可以看出随着噪声强度值的 增加，输出信号信噪比也在增加，且随着输入噪声强度值的增加，输出增强 信号有点失真。 4.5 加入随性噪声的仿真图 加入随性噪声之后，输出的语音混合信号和增强信号的仿真波形： 图 4.8 加入随性噪声之后的混合信号仿真波形 加入随性噪声之后，输出语音增强信号的仿真波形： 17 图 4.9 运用谱减法进行语音增强之后的信号图形 下表为不同强度高斯白噪声与随性噪声的信噪比较表格： 表 1 不同强度高斯白噪声与随性噪声的信噪比较 信噪强度 信噪比 所测信号 噪声强度为1 的高斯 白噪声 噪声强度为2 的高斯 白噪声 噪声强

29、度为3 的高斯 白噪声 加入白噪声， 输出的语 音混合信号的仿真波 形 6.808 6.2097 5.2664 加入随性噪声之后， 输 出的语音混合信号和 增强信号的仿真波形 7.874 7.874 7.874 对加入高斯白噪声混 合信号进行去噪之后 的语音信号 10.1034 9.1004 8.2833 对加入随性噪声混合 信号进行去噪之后的 语音信号 9.0173 9.0173 9.0173 通过对上述仿真图形的对你分析可以看出，当加入噪声强度为1 的白噪 声时，用谱减法去噪以后其信噪比为SNR=10.1034，而当加入噪声强度为2 18 的白噪声时，用谱减法去噪以后其信噪比为SNR=9.

30、1004，与加入随性噪声 时，谱减法去噪之后的语音信号信噪比为SNR=9.0173相近。而加入噪声强 度为 3 的高斯噪声时，谱减法去噪之后的语音信号信噪比为SNR=8.2833， 其信噪比低于随性噪声的信噪比。由此我们可以看出加入噪声强度为低于2 的高斯噪声去噪效果比加入随性噪声的混合信号去噪效果好，而当白噪声的 噪声强度大于 2 时，谱减法对随性噪声的去噪效果好些。 19 5.总结 本次设计是对一段语音信号，通过谱减法对其进行加噪与去噪，在设计 中首先对语音信号加噪声，然后再对其进行傅里叶变换，对信号进行分帧处 理，通过分帧把不平稳的一段语音变成一帧帧短时平稳的语音。然后再添加 窗函数进行

31、滤波，最后通过谱减法得到增强后的语音信号。通过对仿真结果 图形的比较，可以看出谱减法有很好的去噪能力。 本文在原始信号中加入了2 种噪声：高斯白噪声和随性噪声，并对这两 种噪声的去噪效果进行了比较。同时也对高斯白噪声中加入的不同强度的噪 声进行了比较。通过仿真图可以看出随着噪声强度值的增加，输出信号信噪 比也随之增加，且输入噪声强度值增加的越高， 输出增强信号有点偏向失真。 在随性噪声与白噪声的比较中， 我们可以看出当加入噪声的强度值低于2时， 高斯噪声去噪效果比加入随性噪声的混合信号去噪效果要好，而当白噪声的 噪声强度值大于 2 时，谱减法对随性噪声的去噪效果更好些。 本文设计还有一些不足之

32、处， 比如很难从输出语音信号与原始信号比较 中分辨出两者之间存在的差别，只能通过仿真图来进行比较。另外由于信号 输出时信噪比是上下浮动的，不是固定值，无法做出精确的分隔，本文只是 对三种噪声强度（ 1，2，3）的白噪声进行去噪处理，从而得出上述结论， 缺乏一定的严谨性。 20 参考文献 1 胡航。语音信号处理。哈尔滨工业大学出版社，2000年 5 月 2 Berouti M，Schwartz R。Makhoul J。Enhancement of SpeechCorrupted by Acoustic NoiseJ。IEEE Trans。on Acoustics，Speech ，and Sign

33、al Processing ，1979，4:208-211、 3 语音信号、人耳感知和噪声信号的特性 http:/www 。 copycheck 。 cn/Compare?purl=http:/www 。 readfree 。 net/bbs/read 。 php?tid=4469300 4 语 音 信 号http:/www。 copycheck 。 cn/Compare?purl=http:/bbs 。 cnttr 。 com/thread-186429-1-1 。 html 5 应用谱减法进行语音去噪的算法研究与仿真http:/www 。doc88。com/p-003206221306 。

34、html 6 应用谱减法进行语音去噪的算法研究与仿真http:/wenku。 baidu。 com/view/820f02c361 37ee06eff91800 。html 7高西全，丁玉美，数字信号处理先弟子科技大学出版社2008 年 8 月 8 李少伟， 后置感知滤波的多带语音增强方法研究，西北工业大学 ，2006 9 李经智， 说话人识别系统的研究及DSP 实现 ，哈尔滨工程大学， 2009 10 李玉， 基于小波变换的语音增强方法的研究 ，江南大学， 2007 21 附录 winsize=256；%窗长 n=0.1；%噪声水平 a=2； b=6； speech ，fs，nbits=wa

35、vread(e:qq.wav)；%读入 wav 文件 size=length(speech) ；%语音长度 numofwin=floor(size/winsize) ；%窗数 %定义汉明窗 ham=hamming(winsize)； hamwin=zeros(1，size)； enhanced=zeros(1 ，size)； improved=zeros(1，size)； 1。生成随性噪声信号 noise=n*randn(1，size)； y=speech+noise ； %噪声处理 noisy=n*randn(1，winsize)； 2 生成噪声强度为 1 的高斯噪声信号 noise=n*w

36、gn(1，size，1)； y=speech+noise ； %噪声处理 noisy=n*wgn(1，winsize，1)； 22 N=fft(noisy) ； npow=abs(N)； for q=1:2*numofwin-1 yframe=y(1+(q-1)*winsize/2:winsize+(q-1)*winsize/2) ；%分帧 hamwin(1+(q-1)*winsize/2:winsize+(q-1)*winsize/2)=hamwin(1+(q-1)*winsize/ 2:winsize+(q-1)*winsize/2)+ham；% %加噪信号 FFT y1=fft(yfra

37、me.*ham) ； ypow=abs(y1)；%加噪信号幅度 yangle=angle(y1)；%相位 %计算功率谱密度 Py=ypow.2； Pn=npow.2； Pyy=ypow.a； Pnn=npow.a ； %基本谱减 for i=1:winsize if Py(i)-Pn(i)0 Ps(i)=Py(i)-Pn(i)； else Ps(i)=0； end 23 end s=sqrt(Ps).*exp(j*yangle)； for i=1:winsize if Pyy(i)-b*Pnn(i)0 Pss(i)=Pyy(i)-b*Pnn(i) ； else Pss(i)=0； end en

38、d ss=Pss.(1/a).*exp(j*yangle)； %去噪语音 IFFT enhanced(1+(q-1)*winsize/2:winsize+(q-1)*winsize/2)=enhanced(1+(q-1)*winsi ze/2:winsize+(q-1)*winsize/2)+real(ifft(s) ； improved(1+(q-1)*winsize/2:winsize+(q-1)*winsize/2)=improved(1+(q-1)*winsi ze/2:winsize+(q-1)*winsize/2)+real(ifft(ss) ； end %去除汉明窗引起的增益 f

39、or i=1:size if hamwin(i)=0 enhanced(i)=0 ； improved(i)=0； else enhanced(i)=enhanced(i)/hamwin(i) ； 24 improved(i)=improved(i)/hamwin(i) ； end end SNR1=10*log10(var(speech)/var(noisy)；%加噪语音信噪比 SNR2=10*log10(var(speech)/var(enhanced-speech) ；%增强语音信噪比 SNR3=10*log10(var(speech)/var(improved-speech) ； fi

40、gure(1)；plot(speech)； %原始语音波形 title(Original V oice(n=，num2str(n)，)； figure(2)；plot(y)； title(Noise Added(SNR=，num2str(SNR1)，dB)； figure(3)；plot(enhanced) ； title(Enhanced Voice(SNR=，num2str(SNR2)，dB)； figure(4)；plot(improved)； title(Improved Voice(SNR=，num2str(SNR3)，dB)； 25 答谢 大学生活即将画上一个句号，这是我人生的一个转折点，在这四年的大 学生活中，在老师的关爱和同学的帮助下，我学到了很多东西，明白了许多 做人的道理。在此多我的老师和同学们表示由衷的感谢。 毕业论文设计已接近尾声，在这二个多月的论文写作过程中，我要向我 的论文指导老师表示感谢，老师为我们的论文倾注了大量的心血，文老师 学识渊博，治学严谨，对我们的论文认真指导，细心检查错误，直到论文的 完成，在此我表示衷心的感谢。文老师，谢谢您。 同时我还要感谢给我关心和支持的各位老师以及关心我的同学和朋友 们。是你们在我无助的时候给了我力量，感谢你们。