解雪琴，張?zhí)燔?，潘文林，?璐，和麗華，楊建香

(云南民族大學(xué) 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，云南 昆明 650500)

飛速發(fā)展的現(xiàn)代科技和人們多樣化的生活方式與理念，使得中國(guó)少數(shù)民族的傳統(tǒng)文化和瀕危語(yǔ)言正處于一個(gè)前所未有的尷尬窘困之地.普米族擁有著悠久的歷史底蘊(yùn)和深厚的文化內(nèi)涵，我國(guó)少數(shù)民族瀕危語(yǔ)種的名單將其民族語(yǔ)言-普米語(yǔ)列入其中.就少數(shù)民族語(yǔ)言研究領(lǐng)域而言,研究者大多都是基于對(duì)其它少數(shù)民族語(yǔ)言有相關(guān)的語(yǔ)音信號(hào)研究，對(duì)于瀕危語(yǔ)言普米語(yǔ)的相關(guān)研究還是很少且尚未看到很好的成果.基于普米語(yǔ)的研究具有重要的文化價(jià)值和保護(hù)價(jià)值.

從20世紀(jì)60年代開始，大量學(xué)者開展了關(guān)于語(yǔ)音增強(qiáng)方面的研究并且取得了顯著的成果.譜減法[1]在對(duì)于帶噪語(yǔ)音信號(hào)的處理上有很多應(yīng)用,其主要目的是提取出盡可能純凈的原始語(yǔ)音.學(xué)者們?cè)趯?duì)語(yǔ)音信號(hào)進(jìn)行減噪時(shí)常使用此方法，如肖全寶和崔周培等[2-3].但此方法擁有一個(gè)弊端，就是減噪后的語(yǔ)音常常伴有“音樂噪聲”[4].1979年，Boll改進(jìn)了傳統(tǒng)的譜減法[5]，大大降低了“音樂噪聲”.近年來(lái)，提出了更多新的算法，而不是僅僅局限于在原有的語(yǔ)音增強(qiáng)算法上做改進(jìn)，例如小波變換[6-7]，離散余弦變換(DCT)[8-9]，人工神經(jīng)網(wǎng)絡(luò)[10]，非負(fù)矩陣分解[11]，壓縮感知[12]等.其中小波變換因其具有較好的減噪效果，一直被張飛等[13]用來(lái)進(jìn)行語(yǔ)音減噪.但此方法也存在噪聲殘留這一問題.很多學(xué)者選擇另辟蹊徑，不再單一的使用一種方法去減噪，而是嘗試將2種方法融合起來(lái)，以此達(dá)到減少噪聲殘留的效果.比如將譜減法和神經(jīng)網(wǎng)絡(luò)結(jié)合[14]，將小波和離散余弦變換相結(jié)合[15]等方法.馬明[16]基于譜減法和小波閾值分解進(jìn)行了聯(lián)合減噪算法的研究；張洪濤等[17]嘗試將譜減法與小波變換聯(lián)合起來(lái)，以此實(shí)現(xiàn)語(yǔ)音減噪；隨后朱建華等[18]也對(duì)一種基于譜減法和小波閾值的語(yǔ)音減噪算法進(jìn)行了研究.

最近幾年也有不少學(xué)者參與到普米語(yǔ)的研究中來(lái).李余芳等基于HTK對(duì)普米語(yǔ)孤立詞進(jìn)行了識(shí)別[19].楊花等使用基于粒子群算法優(yōu)化支持向量機(jī)識(shí)別算法實(shí)現(xiàn)了對(duì)普米語(yǔ)語(yǔ)音的識(shí)別[20].董華珍等利用免疫遺傳優(yōu)化支持向量機(jī)實(shí)現(xiàn)了普米語(yǔ)孤立詞語(yǔ)譜圖的分類[21].

1 小波分析

在數(shù)學(xué)領(lǐng)域里，作為一種時(shí)頻分析方法的小波分析發(fā)展得十分迅速.擁有多分辨率分析能力的小波分析，可以對(duì)信號(hào)中的任何一些細(xì)節(jié)做多分辨率的時(shí)頻域分析，同時(shí)它還擁有豐富的理論和寬泛的應(yīng)用.小波閾值法、小波模的極大值法、小波分解與重構(gòu)法都是小波減噪3種常用的主要方法.

小波閾值法先分解信號(hào)，得到分解后的系數(shù)，接著用閾值去處理這個(gè)系數(shù)，隨后通過小波重構(gòu)得到減噪后的信號(hào).它操作過程大體可分為3步.第1步，利用小波變換去處理疊加噪聲后的語(yǔ)音信號(hào)，從而獲得一組小波分解系數(shù).第2步，接著利用閾值去處理上一步所得到的小波分解系數(shù)，這一過程中的小波分解系數(shù)可以使得出盡可能小的估計(jì)小波系數(shù).第3步，通過利用逆小波變換對(duì)估計(jì)小波系數(shù)進(jìn)行小波重構(gòu)，從而得到估計(jì)信號(hào)，此時(shí)這個(gè)信號(hào)就是減噪后的信號(hào).圖1為小波閾值法減噪的流程圖.

小波閾值法作為一種常被用來(lái)進(jìn)行語(yǔ)音減噪的方法，其優(yōu)點(diǎn)在于它既能基本完全消除噪聲，又可以展現(xiàn)出峰點(diǎn)的最初信號(hào)特性.當(dāng)噪聲類型為高斯白噪時(shí)，最好選擇閾值法，其優(yōu)勢(shì)在于能夠獲得最初信號(hào)的近似最優(yōu)估量，且擁有普遍的適用性和較高的效率.但在現(xiàn)實(shí)運(yùn)用中還要考慮噪聲的減噪效果和計(jì)算速度間的平衡.用閾值法進(jìn)行減噪時(shí)，對(duì)減噪效果有著非常重要影響的是閾值的選取.實(shí)驗(yàn)中應(yīng)該將實(shí)際情況作為參考依據(jù)，從而選擇比較合適的閾值.這在實(shí)驗(yàn)中也是一大難題，同時(shí)也是小波閾值法減噪所存在的一大弊端.

2 Boll的改進(jìn)譜減法

2.1 基本譜減法基本原理

在時(shí)頻域上進(jìn)行分析，設(shè)序列x(n)代表疊加噪聲后的合成語(yǔ)音信號(hào)，通過對(duì)x(n)進(jìn)行加窗、分幀處理后得到的xi(m)代表第i幀的語(yǔ)音信號(hào)，N為此幀語(yǔ)音信號(hào)的幀長(zhǎng).對(duì)任意xi(m)做離散傅里葉變換后為

(1)

要計(jì)算出每個(gè)Xi(k)的幅值和相角，|Xi(k)|代表分量Xi(k)的幅值，分量Xi(k)的相角是

(2)

在基本譜減中，這2組數(shù)都將被保存下來(lái)，以便后面所需.

已知IS為前導(dǎo)無(wú)話段也即噪聲段的時(shí)長(zhǎng)，NIS為前導(dǎo)無(wú)話段對(duì)應(yīng)的幀數(shù)，此時(shí)可以求出該前導(dǎo)無(wú)話段的平均能量值為

(3)

譜減算法為

(4)

過減因子和增益補(bǔ)償因子在式(4)中分別用常數(shù)a、b來(lái)表示.

如今，媽媽正沉睡在遙遠(yuǎn)的美國(guó)西部大地、零下一百多攝氏度的低溫里。再見面，最短也要50年。這是科學(xué)家們給出的預(yù)言。預(yù)言可能落空，實(shí)驗(yàn)可能失敗，但總有希望。我會(huì)努力，像媽媽一樣努力，活到那個(gè)時(shí)候，等著見媽媽。

用基本譜減法對(duì)疊加噪聲后的語(yǔ)音進(jìn)行減噪處理，減噪后的語(yǔ)音信號(hào)中顯然是含有“音樂噪聲”的.要想有效的減少“音樂噪聲”，可以增加過減因子的數(shù)值，但要使用這種方式就必須使得過減因子不會(huì)過大，否則會(huì)使得減噪后的語(yǔ)音波形失真.是以在選取過減因子的數(shù)值時(shí)同樣要在一個(gè)恰當(dāng)?shù)姆秶鷥?nèi)選擇一個(gè)合適的值.

2.2 Boll的改進(jìn)譜減法基本原理

Boll對(duì)基本譜減給做出了一種改進(jìn)，在其理論的基礎(chǔ)上E.Zavarehei編寫了Matlab的函數(shù)SSBoll79.m.Boll對(duì)基本譜減法做出了以下幾個(gè)方面的改進(jìn).

1)將信號(hào)的功率譜或頻譜幅值放入譜減中使用

上述式(4)中已給出了按功率譜計(jì)算的基本譜減.式(3)中使用了噪聲段的平均功率譜.而函數(shù)SSBoll79中給出

(5)

噪聲段的平均譜值為

(6)

式中，γ可以為1，也可以為2，分別表示著用譜幅值、功率譜做譜減.過減因子和增益補(bǔ)償因子在式(5)中分別用α、β來(lái)表示.

2)計(jì)算平均譜值

每幀語(yǔ)音信號(hào)xi(m)做DFT后得

(7)

式中，Xi(k)的下標(biāo)i表示語(yǔ)音信號(hào)的第i幀，然后在相鄰幀之間求平均值：

(8)

為了得到較小的譜估算方差，第i幀將在Xi-M(k),Xi-M+1(k),…,Xi(k),…,Xi+M(k)等(2M+1)幀之間求平均值.若要求3幀之間的平均值，只需在程序中取M=1.

3)減小噪聲殘留

用基本譜減法減噪后的語(yǔ)音信號(hào)中常伴有“音樂噪聲”，這主要是由噪聲殘留所造成的.通過式(5)，可以知道譜減法的核心是

(9)

噪聲具有隨機(jī)性，在某個(gè)時(shí)段某條譜線的譜值有可能會(huì)大于α×D(k)，按式(9)相減后并沒有完全消除噪聲，而是把它的峰值保留下來(lái)了，稱為噪聲殘留，在譜減后的語(yǔ)音中就形成了“音樂噪聲”.為了在譜減中盡可能地減少“音樂噪聲”，Boll提出了在減噪過程中保留噪聲的最大值.

3 2種算法及其聯(lián)合算法的語(yǔ)音減噪實(shí)驗(yàn)分析

對(duì)于在錄音棚無(wú)噪音環(huán)境下錄取的一段普米族的單純語(yǔ)音，在實(shí)驗(yàn)進(jìn)行前先對(duì)其進(jìn)行加噪處理，采取疊加初始信噪比為0的隨機(jī)高斯白噪聲，并計(jì)算出疊加隨機(jī)高斯白噪聲后的信噪比.信噪比的計(jì)算公式為

(10)

其中s(n)為原始純凈的普米語(yǔ).利用式(10)計(jì)算出疊加隨機(jī)高斯白噪聲后的信噪比.圖4為普米族的單純語(yǔ)音與疊加高斯噪聲后的語(yǔ)音.

將疊加噪聲后的普米語(yǔ)音信號(hào)在Matlab仿真平臺(tái)上使用小波分析中的小波閾值法進(jìn)行減噪處理.通過前人的實(shí)驗(yàn)經(jīng)驗(yàn)和結(jié)果，本文作者選取lev=3作為小波分解的層數(shù).反復(fù)試聽并對(duì)比減噪前后的語(yǔ)音效果，最后選取db3小波，因其聽覺質(zhì)量和減噪效果都相對(duì)較好.在閾值的選取上，用ddencmp函數(shù)獲得了信號(hào)的默認(rèn)閾值sorh=’s’、閾值向量thr=0.696 0和參數(shù)keepapp=1.其中s代表著此次實(shí)驗(yàn)?zāi)J(rèn)的閾值是軟閾值，若是h則代表實(shí)驗(yàn)?zāi)J(rèn)的閾值是硬閾值.用wdencmp小波函數(shù)獲得信號(hào)的軟閾值、硬閾值前，先重新設(shè)置閾值向量thr.使用庫(kù)函數(shù)wnoisest提取出第一層的細(xì)節(jié)系數(shù)來(lái)估算噪聲的標(biāo)準(zhǔn)偏差sigma=0.1477，最后利用標(biāo)準(zhǔn)偏差求出最終閾值向量thr=0.693 5.這3種閾值的選取方法來(lái)進(jìn)行實(shí)驗(yàn)并觀察實(shí)驗(yàn)結(jié)果，以得到最合適的閾值選取方法.通過波形圖的觀察和信噪比的對(duì)比，可以發(fā)現(xiàn)分別采用這3種閾值減噪后所得到的語(yǔ)音效果和信噪比都差不多(圖5), 信噪比提高了8.845 00 dB.多次運(yùn)行實(shí)驗(yàn)，可以發(fā)現(xiàn)每次實(shí)驗(yàn)結(jié)果中的波形圖和信噪比都會(huì)有一些差異，這是因?yàn)樵趯?shí)驗(yàn)前本文作者給原始純凈普米語(yǔ)音疊加的是隨機(jī)高斯白噪聲.與此同時(shí)，也會(huì)發(fā)現(xiàn)小波閾值法減噪后的普米族語(yǔ)音信號(hào)，雖然減噪效果很好，但仍有很嚴(yán)重的音樂噪聲.

采用Boll的改進(jìn)譜減法對(duì)帶噪的普米族語(yǔ)音進(jìn)行減噪處理時(shí)設(shè)置前導(dǎo)無(wú)話段長(zhǎng)度IS為0.1 s，從而得到圖6所示的波形.輸出的信噪比變化為：初始信噪比為0 dB，Boll改進(jìn)譜減后的語(yǔ)音信噪比為0.371 80 dB，減噪后的信噪比提高了0.371 80 dB.顯然信噪比的變化很微小.同時(shí)經(jīng)過試聽可以發(fā)現(xiàn)采用Boll的改進(jìn)譜減法減噪后的普米族語(yǔ)音信號(hào)進(jìn)行減噪處理雖然減少了噪聲殘留，也即是減少了音樂噪聲，但減噪效果并不理想.

本文將對(duì)小波閾值法減噪后的普米族語(yǔ)音采取Boll的改進(jìn)譜減法再次減噪處理.通過多次實(shí)驗(yàn)，可以發(fā)現(xiàn)3種閾值選取的方法中，用ddencmp函數(shù)獲得信號(hào)的默認(rèn)閾值的小波閾值法與Boll的改進(jìn)譜減法聯(lián)合減噪后得到的信噪比最高，減噪效果最佳，圖8為聯(lián)合減噪后的波形.經(jīng)過試聽發(fā)現(xiàn)經(jīng)過Boll的改進(jìn)譜減法再次減噪后，“音樂噪聲”顯著減少，減噪水平也得到了進(jìn)一步的提升，最終減噪后的普米語(yǔ)音與原始的純凈普米語(yǔ)音更加接近，并且信噪比也更高了.輸出的信噪比變化為：初始信噪比為0 dB，聯(lián)合減噪后的語(yǔ)音信噪比為10.688 58 dB，減噪后的信噪比提高了10.688 58 dB.

從減噪實(shí)驗(yàn)中，發(fā)現(xiàn)采用小波分析與Boll的改進(jìn)譜減法聯(lián)合減噪算法減噪時(shí)，可以在很大程度上彌補(bǔ)這兩種方法單獨(dú)減噪時(shí)所存在的缺點(diǎn).

4 結(jié)語(yǔ)

基于小波分析和Boll改進(jìn)譜減法，提出了一種它們的聯(lián)合算法，并使用這種算法對(duì)加噪后的普米語(yǔ)進(jìn)行語(yǔ)音減噪實(shí)驗(yàn).實(shí)驗(yàn)中主要運(yùn)用了Matlab和數(shù)值仿真技術(shù).通過對(duì)減噪后語(yǔ)音的試聽和波形圖的觀察以及信噪比的對(duì)比，對(duì)實(shí)驗(yàn)的結(jié)果進(jìn)行分析.實(shí)驗(yàn)結(jié)果表明，針對(duì)疊加了隨機(jī)高斯白噪聲的普米語(yǔ)，本文研究的這種聯(lián)合算法能有效的減少這兩種方法單獨(dú)使用時(shí)所產(chǎn)生的“音樂噪聲”和語(yǔ)音失真.然而本文只是針對(duì)疊加了隨機(jī)的高斯白噪聲的普米語(yǔ)來(lái)進(jìn)行語(yǔ)音增強(qiáng)研究的，因此在今后對(duì)疊加了其他的不同類型的噪聲或不同的語(yǔ)料可以作進(jìn)一步對(duì)比研究.