韓春潤 吳一帆 李佳蔚 姚 禹

(江蘇警官學(xué)院，江蘇 南京210031)

在某些數(shù)字化或傳輸過程中，智能圖像和語音信號(hào)經(jīng)常因設(shè)備和環(huán)境因素，產(chǎn)生噪聲。消除智能圖像和語音信號(hào)中的噪聲一直是圖像和語音處理[1]領(lǐng)域必不可少的研究課題。目前，大多數(shù)降噪算法都是將含噪聲的智能圖像和語音信號(hào)作為混合信號(hào)進(jìn)行濾波降噪，并未注意智能圖像、語音信號(hào)和噪聲之間存在統(tǒng)計(jì)上的獨(dú)立關(guān)系。

使用正交頻分復(fù)用降噪會(huì)破壞源信號(hào)的完整性，在去除噪聲的同時(shí)，還會(huì)去除一些有用的信號(hào)。盡管擴(kuò)頻通信技術(shù)不會(huì)對(duì)源信號(hào)造成損害并且可以彌補(bǔ)正交頻分復(fù)用技術(shù)的不足，但降噪效果較差，并會(huì)保留一些干擾噪聲。在處理結(jié)果中，在源信號(hào)上還會(huì)依附一些干擾噪聲。因此，在空域或是在變換域中進(jìn)行降噪，降噪結(jié)果往往呈現(xiàn)出噪聲未完全去除或圖像、語音信號(hào)減弱的情況。

盲源分離理論是將噪聲信息、圖像信號(hào)和語音信號(hào)識(shí)別為兩個(gè)獨(dú)立信號(hào)，然后盲源分離兩個(gè)信號(hào)從而獲得圖像信號(hào)、語音信號(hào)和噪聲信號(hào)的過程。該方法具有良好的圖像和語音去噪能力，對(duì)原始圖像或語音數(shù)據(jù)具有良好的保護(hù)作用[2]。之后，利用對(duì)稱正交化方法進(jìn)行獨(dú)立分量提取，實(shí)現(xiàn)降噪。

本文利用對(duì)比實(shí)驗(yàn)來驗(yàn)證該方法的有效性。結(jié)果表明，采用該方法進(jìn)行降噪，智能圖像的分辨率更高，語音信號(hào)的信噪比更大，證明該方法比傳統(tǒng)降噪方法效果更好。

1 基于盲源分離的獨(dú)立分量分析降噪方法

在原始數(shù)據(jù)未知的情況下處理源數(shù)據(jù)以獲得所需源數(shù)據(jù)的過程就是盲源分離。其基本思想是當(dāng)源信號(hào)獨(dú)立時(shí)將混合信號(hào)轉(zhuǎn)化為獨(dú)立的源信號(hào)[3]，從而使生成的信號(hào)彼此獨(dú)立。解決盲源分離問題的重要方法就是獨(dú)立分量分析。

本研究基于獨(dú)立分量分析的盲源分離降噪方法，流程如圖1所示。

圖1 基于獨(dú)立分量分析的降噪過程

1.1 通道信號(hào)采集

圖2 是所用的智能圖像采集設(shè)備，其主要由多路視頻PCI-E 圖像采集卡MV-E8000、MV-300 專業(yè)圖像采集卡、MV-350 醫(yī)用高清圖像采集卡和MV-U2000 便攜式USB 總線圖像采集盒組成。

圖2 智能圖像采集裝置

實(shí)驗(yàn)使用由數(shù)據(jù)采集卡和四個(gè)麥克風(fēng)構(gòu)成的語音信號(hào)采集系統(tǒng)。實(shí)驗(yàn)選擇的Liqi LM-110 麥克風(fēng)是一種半球形單指向性的單向反射（PEM）多芯電容傳聲器，頻率響應(yīng)范圍為3 -20000 Hz，額定電壓48V，靈敏度-36dB±20。

所選的一種基于PC 模擬數(shù)字I/O 的新標(biāo)準(zhǔn)的采集設(shè)備是由MCC 公司生產(chǎn)的USB 數(shù)據(jù)采集卡USB-1208FS。其具有以下特點(diǎn)：4 個(gè)12 位分辨率差分輸入通道或者8 個(gè)11 位分辨率單端輸入通道，采樣頻率可達(dá)50k/s，可設(shè)置8 個(gè)可選輸入范圍；具有一個(gè)32 位計(jì)數(shù)器以及一個(gè)16 位數(shù)字I/O，一個(gè)即插即用的USB 外接端口，兩個(gè)12 位模擬輸出通道，連接計(jì)算機(jī)后，它將自動(dòng)檢測(cè)和配置軟件，其供電由USB 接口供電5V[4]。

根據(jù)上述兩種設(shè)備采集到的信號(hào)，繪制出智能圖像和語音信號(hào)的波形，如圖3 所示。

圖3 波形示意圖

1.2 信號(hào)預(yù)處理

1.2.1 均勻化處理

通常情況下，我們假設(shè)許多盲源分離算法中的信號(hào)源各分量的隨機(jī)變量的均值為零，分離前信號(hào)的均值將被消除。故經(jīng)上述過程，實(shí)際的盲源分離問題全部符合之前建立的[5]數(shù)學(xué)模型。

選擇任意一個(gè)隨機(jī)變量x，其均值不為零，用x0=x-A(x)表示。

1.3 獨(dú)立成分提取

將噪聲與源信號(hào)成功分離，下一步即提取獨(dú)立分量，本實(shí)驗(yàn)采用對(duì)稱正交化方法實(shí)現(xiàn)信道降噪。

假設(shè)源信號(hào)包含m 個(gè)獨(dú)立的分量，固定點(diǎn)算法（FastICA）算法運(yùn)行m 次。在執(zhí)行每個(gè)不同獨(dú)立分量提取和每次執(zhí)行獨(dú)立分量提取前，為確保每次是從未被提取的獨(dú)立組件的分離信號(hào)提取，每次以溷淆化信號(hào)的形式輸出獨(dú)立分量提取后的結(jié)果，其目的是正交歸一化分離矩陣，從而進(jìn)行其他操作[7]。過程中，每分離一個(gè)獨(dú)立分量，即從觀察到的信號(hào)中減去分量，重復(fù)至提取出所有獨(dú)立分量。

串行提取分離信號(hào)，在多個(gè)估計(jì)分量的提取過程中，正交化誤差逐漸積累。前一個(gè)矢量形成的誤差將影響后一個(gè)矢量，由此導(dǎo)致分離性能下降。可使用對(duì)稱正交化方法彌補(bǔ)該缺點(diǎn)，通過并行迭代每個(gè)向量，然后用對(duì)稱方法正交化分離矩陣的所有分量。具體步驟如圖4 所示。

圖4 獨(dú)立成分提取過程

2 對(duì)比實(shí)驗(yàn)

為驗(yàn)證基于盲源分離的智能圖像和語音信號(hào)去噪方法的有效性，進(jìn)行了對(duì)比實(shí)驗(yàn)。對(duì)含有噪聲的智能圖像信號(hào)進(jìn)行了采集和分析。

2.1 智能圖像降噪效果分析

采用本研究的方法和傳統(tǒng)降噪方法盲源分離噪聲圖像。降噪效果如圖5 所示。

圖5 (a)含有噪聲的原始圖像 (b)本方法去噪效果圖 (c)傳統(tǒng)方法去噪效果圖

從圖5(b)和圖(c)的對(duì)比結(jié)果可看出，圖5(b)的效果更明顯，幾乎沒有灰度斑點(diǎn)。但經(jīng)過圖5(c)的降噪處理，效果與圖5(a)基本相同，仍存在低清晰度的灰點(diǎn)。

2.2 語音信號(hào)去噪效果分析

實(shí)驗(yàn)所用的信號(hào)是在一個(gè)6.5m*5.5m*3.6m 的普通辦公室里，用多個(gè)麥克風(fēng)同時(shí)錄制的一個(gè)女性的語音信號(hào)和音樂信號(hào)。女性的聲音信號(hào)是一篇大聲朗讀的文章的片段。采集時(shí)間為20s，采樣頻率為8Khz，每個(gè)觀測(cè)點(diǎn)的數(shù)據(jù)長度為16 萬個(gè)點(diǎn)。信噪比計(jì)算公式如下：

現(xiàn)用式(10)計(jì)算兩種不同降噪方法處理后的語音信號(hào)信噪比，結(jié)果如表1 所示。

表1 兩種方法的信噪比比較

從表1 可看出，采用該方法降噪后信噪比為26db，采用常規(guī)方法降噪后信噪比為20db。相比之下，前者比后者信噪比大6dB，證明了該方法比傳統(tǒng)方法更有效。

3 結(jié)論

綜上所述，針對(duì)傳統(tǒng)降噪方法不理想，本文提出了一種基于盲源分離的智能圖像和語音信號(hào)去噪方法。與傳統(tǒng)的降噪方法相比，該方法不僅計(jì)算簡單，而且降噪效果更好。通過對(duì)比實(shí)驗(yàn)，證明了該方法的優(yōu)越性，信噪比較大，基本達(dá)到了本實(shí)驗(yàn)的目的。