基于小波的音頻信號的濾波與頻譜分析.pdf

1、隨著科技的發(fā)展,音頻信號的重要作用已經(jīng)越來越多的體現(xiàn)在實際生活的各個方面中,比如在移動通信、廣播、電視臺以及一些重要的工程項目中。但是,實際的音頻信號含有的噪聲給人們帶來很大的影響。目前,對于音頻信號去噪最有效方法的是借助小波變換對其進行處理。其中,小波域閾值濾波算法應(yīng)用最為廣泛,但是在算法中幾種選取閾值的方法均是不考慮信號分解層數(shù),這會造成噪聲不能被完全濾除或者是有效信號的特征被濾除掉。因此,使用小波域閾值去噪算法對音頻信號進行去噪時

2、,應(yīng)該充分考慮到信號分解的尺度來選取合適的閾值,并且對結(jié)果進行頻譜、功率譜等方面的綜合分析。
　　對音頻信號進行濾波與頻譜分析的過程主要分為兩個步驟。第一步是應(yīng)用小波域閾值去噪算法對音頻信號去噪,為了解決閾值選取方法沒有考慮到分解層數(shù)的問題,提出了一種基于相鄰層高頻系數(shù)圖比較的自適應(yīng)確定最優(yōu)分解層數(shù)和基于分解層的自適應(yīng)確定最優(yōu)閾值的改進方法。通過與FFT、軟閾值和硬閾值去噪算法比較的結(jié)果表明,改進的算法在信噪比與均方誤差兩個指標(biāo)上

3、均優(yōu)于上述三種方法,同時有效保留了音頻信號的特征信息。第二步是用小波包變換對去噪后的音頻信號進行頻譜分析并進行功率譜估計。提出了將最小熵原則與小波二叉樹相結(jié)合的辦法獲得小波包的最優(yōu)分解二叉樹,再進行音頻信號子頻帶的分析以及重構(gòu),仿真結(jié)果表明重構(gòu)信號很好的保留了原信號的特征?？紤]到音頻信號的非平穩(wěn)性,在對其進行功率譜估計時使用最大熵譜估計算法,建立了等價的AR模型,利用Yule-Walker算法求解模型參數(shù),進行誤差功率的估計以及功率譜圖