[发明专利]一种基于改进变分模态分解和主成分分析的语音信号去噪方法

说明书

本发明涉及一种基于改进变分模态分解和主成分分析的语音信号去噪方法，包括：S1：选取带噪语音信号作为样本；S2：对带噪语音信号进行分解，得到K个IMF模态分量；S3：计算每个IMF模态分量与原带噪语音信号的相关系数，画出相关系数分布图，从相关系数分布图中确定虚假分量和噪声主导的IMF模态分量；S4：去除虚假分量和噪声主导的IMF模态分量后，剩余的IMF模态分量记为信号主导的IMF模态分量；S5：去除噪声主导的IMF模态分量中的残余噪声；S6：噪声主导的IMF模态分量的主成分分量与信号主导的IMF模态分量进行重构，得到去除噪声的语音信号。本发明消除了VMD分解后重构信号中残留噪声的问题。

技术领域

本发明属于信号处理技术领域，尤其涉及一种语音信号去噪方法。

背景技术

语音信号在采集和传输的过程中不可避免的会受到各种各样的干扰，这会使采集到的语音信号准确度低，不利于后续分析，因此语音去噪成为语音信号处理过程中最为关键的一步。

传统进行语音去噪的方法有很多，基于谱减法的语音去噪是假定语音信号是短时平稳的，然而语音信号本身是一种非线性非平稳信号，使用谱减法有一定的局限性，且会产生一种新的背景噪声。基于小波阈值的语音去噪的关键在于阈值函数的选取，然而硬阈值的重构信号会产生振荡，软阈值的重构信号会产生失真。经验模态分解(EMD)是由huang等人提出的一种处理非线性非平稳信号的方法，将信号分解成有限个本征模态函数分量(IMF)与一个残差，频率由高到低排列下来，我们可以根据所处理信号的特点，把不符合信号特征的分量去除，对符合信号特征的其他分量进行处理，将最终剩余且处理完成的分量叠加重构，获得去噪后的信号。常规EMD分解法得到的IMF模态分量的选取没有统一的标准，通常是认为高频IMF模态分量中以噪声信号为主导并舍弃，然而这会导致有效信号被剔除，使得重构后的信号失真，同时，EMD分解法中极值点和包络线无法精确的确定，这就会产生包含虚假频率成分的IMF模态分量，这部分分量如果得不到剔除会使重构后的信号不准确。

发明内容

针对现有技术的不足，本发明提出了一种改进的语音信号去噪方法，是一种变分模态分解法(VMD)和主成分分析法(PCA)相结合的技术。

本发明通过向原信号中添加高斯白噪声的方法消除VMD分解后重构信号中残留噪声的问题，采用VMD完成对原语音信号的分解，计算各个模态分量与原信号的相关系数并画相关系数分布图，通过模态分量判断准则将模态分量分为无效分量、信号分量、噪声分量三个类别。其中，无效分量直接剔除，信号分量予以保留，噪声分量经过后续PCA降噪后与信号分量进行重构，得到最终去噪后的语音信号。

术语解释：

1、VMD分解，即变分模态分解，是一种自适应、完全非递归的模态变分和信号处理的方法。该技术具有可以确定模态分解个数的优点，其自适应性表现在根据实际情况确定所给序列的模态分解个数，随后的搜索和求解过程中可以自适应地匹配每种模态的最佳中心频率和有限带宽，并且可以实现固有模态分量(IMF)的有效分离、信号的频域划分、进而得到给定信号的有效分解成分，最终获得变分问题的最优解。

2、EMD，经验模态分解，是由黄锷(N.E.Huang)等人于1998年创造性地提出的一种新型自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。

本发明的技术方案为：

一种基于改进变分模态分解和主成分分析的语音信号去噪方法，包括步骤如下：

S1：选取一段带噪语音信号y(t)作为样本；

S2：使用改进的VMD方法对带噪语音信号y(t)进行分解，得到K个IMF模态分量；

S3：计算每个IMF模态分量与原带噪语音信号的相关系数，画出相关系数分布图，依据虚假分量判断原则从相关系数分布图中确定虚假分量，依据噪声分量判断原则从相关系数分布图中确定噪声主导的IMF模态分量；