阅读说明：本技术 一种基于离散小波变换的环境背景噪声降噪方法 (Discrete wavelet transform-based environmental background noise reduction method ) 是由 刘炜杰 张吴霜 张行 罗情 范燕燕 于 2021-07-08 设计创作，主要内容包括：本发明公开了一种基于离散小波变换的环境背景噪声降噪方法,运用离散小波变换对声音信号进行处理,这种方法源于傅立叶分析,小波(wavelet),即小区域的波,仅仅在非常有限的一段区间有非零值,而不是像正弦波和余弦波那样无始无终。小波可以沿时间轴前后平移,也可按比例伸展和压缩以获取低频和高频小波,构造好的小波函数可以用于滤波或压缩信号,从而可以分离出已含噪声信号中的有用信号和噪声信号。(The invention discloses an environmental background noise reduction method based on discrete wavelet transform, which is used for processing sound signals by using the discrete wavelet transform, and the method is derived from Fourier analysis, wherein wavelets (wavelets), namely waves in small areas, have non-zero values only in a very limited section, and are not as endless as sine waves and cosine waves. The wavelet can be translated back and forth along the time axis and can be stretched and compressed according to the proportion to obtain low-frequency wavelets and high-frequency wavelets, and the constructed wavelet function can be used for filtering or compressing signals, so that useful signals and noise signals in the noise-contained signals can be separated.)

一种基于离散小波变换的环境背景噪声降噪方法

技术领域

本发明涉及一种背景噪声降噪方法，具体涉及一种基于离散小波变换的环境背景噪声降噪方法。

背景技术

随着工业生产、交通运输、城市建筑的发展，以及人口密度的增加，家庭设施（音响、空调、电视机等）的增多，环境噪声日益严重，它已成为污染人类社会环境的一大公害。当噪声很大的时候，会干扰休息和睡眠、影响工作效率，损伤听觉、视觉器官，甚至对人体造成不可逆的生理影响。为了解决噪声问题，通常涉及到声学处理，需要利用声学特性去除声学信号中的噪声。声学信号是一个一维的时域信号，通常的处理方法是利用傅立叶变化等数学方法把信号分解成二维的时频信号来处理。然而，非噪声和噪声，比如人与人之间的对话和环境背景噪声在时频空间是重合的，因此并没有非常好的方法将两者区分开来，更无法进一步降低环境噪声。

发明内容

发明目的：本发明的目的是为了解决现有技术中的不足，提供一种基于离散小波变换的环境背景噪声降噪方法，运用离散小波变换对声音信号进行处理，这种方法源于傅立叶分析，小波（wavelet），即小区域的波，仅仅在非常有限的一段区间有非零值，而不是像正弦波和余弦波那样无始无终。小波可以沿时间轴前后平移，也可按比例伸展和压缩以获取低频和高频小波，构造好的小波函数可以用于滤波或压缩信号，从而可以分离出已含噪声信号中的有用信号和噪声信号。

一种基于离散小波变换的环境背景噪声降噪方法，包括以下步骤：

1）采集原始多通道信号；

2）离散小波变换去噪：利用离散小波变换进行降噪，利用统计特性，给出离散小波变换的输出；

3）逆离散小波变换重构有用信号：利用逆离散小波变换对处理过的信号进行重构，其中，逆离散小波变换是将 DWT 输出结合起来提取有用信号的过程；得到的信号即为有用信号；

4)有用信号和噪声信号分离：根据原始信号和有用信号，利用软件对原始信号和有用信号进行相减处理，所得信号即为噪声信号，达到分离有用信号和噪声信号的目的；

5）逆噪声信号声音输出，利用逆噪声信号实现降噪效果；利用算法基于噪声信号相位相差180度的反向信号与原信号进行叠加抵消，从而达到降噪效果。

进一步的，所述步骤1）通过麦克风阵列采集所述原始多通道信号，利用盲源分离、独立分量分析进行提取。

进一步的，收集到的原始多通道信号，利用软件，可以得到语音数据矩阵D，中心化处理后得到新矩阵D center；再对新矩阵D center进行白化处理，得到白化矩阵V；然后将矩阵D center和矩阵V相乘得到白化后的数据矩阵Z，对数据矩阵Z做FastICA算法处理，即首先随机生成一个随机矩阵W，对W做去相关处理，根据得到的W new和白化变换矩阵V相乘再和混合语音数据矩阵D相乘就可以得到重构混合源信号的估计S r，进而得到估算的n个单源信号。

进一步的，所述步骤2）中利用离散小波变换进行降噪具体为：利用滤波器系统，选择合适的正交小波基和分解层数j，对含噪信号进行小波变换分解到j层；对分解得到的小波系数进行阈值处理，使用处理方法为软阈值法。软阈值法将较小的小波系数置零，而对较大的小波系数向零收缩。

有益效果：本发明一种基于离散小波变换的环境背景噪声降噪方法，运用离散小波变换对声音信号进行处理，这种方法源于傅立叶分析，小波（wavelet），即小区域的波，仅仅在非常有限的一段区间有非零值，而不是像正弦波和余弦波那样无始无终。小波可以沿时间轴前后平移，也可按比例伸展和压缩以获取低频和高频小波，构造好的小波函数可以用于滤波或压缩信号，从而可以分离出已含噪声信号中的有用信号和噪声信号。

具体实施方式

一种基于离散小波变换的环境背景噪声降噪方法，包括以下步骤：

1)采集原始多通道信号；

通过麦克风阵列采集所述原始多通道信号，利用盲源分离、独立分量分析进行提取；具 体为收集到的原始多通道信号，利用软件，可以得到语音数据矩阵D，中心化处理后得到新 矩阵D center；再对新矩阵D center进行白化处理，得到白化矩阵V；然后将矩阵Dcenter 和矩阵V相乘得到白化后的数据矩阵Z，对数据矩阵Z做FastICA算法处理，即首先随机生 成一个随机矩阵W，对W做去相关处理，根据得到的W new和白化变换矩阵V相乘再和混合 语音数据矩阵D相乘就可以得到重构混合源信号的估计S r，进而得到估算的n个单源信号, (信号提取)。

2）离散小波变换去噪：利用离散小波变换进行降噪，利用统计特性，给出离散小波变换的输出；利用离散小波变换进行降噪具体为：利用滤波器系统，选择合适的正交小波基和分解层数j，对含噪信号进行小波变换分解到j层；对分解得到的小波系数进行阈值处理，使用处理方法为软阈值法。软阈值法将较小的小波系数置零，而对较大的小波系数向零收缩；

一个含噪的模型可以表示如下：

其中 ,f( k)为有用信号,s(k)为含噪声信号,e(k)为噪声,ε为噪声系数的标准偏差。

假设，e(k)为高斯白噪声,通常情况下有用信号表现为低频部分或是一些比较平稳的信号,而噪声信号则表现为高频的信号,我们对 s(k)信号进行小波分解的时候,则噪声部分通常包含在指定频段，只要对指定频段作相应的小波系数处理即可。

3）逆离散小波变换重构有用信号：利用逆离散小波变换对处理过的信号进行重构，其中，逆离散小波变换是将 DWT 输出结合起来提取有用信号的过程；得到的信号即为有用信号；

4)有用信号和噪声信号分离：根据原始信号和有用信号，利用软件对原始信号和有用信号进行相减处理，所得信号即为噪声信号，达到分离有用信号和噪声信号的目的；

5）逆噪声信号声音输出，利用逆噪声信号实现降噪效果:利用算法基于噪声信号相位相差180度的反向信号与原信号进行叠加抵消，从而达到降噪效果。

本发明综上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。