基于FrFT的自適應閾值語音濾波降噪研究

范珍艷 王蓮子 莊曉東

摘要：針對傳統變換域中信號和噪聲交叉重疊較大，無法徹底分離去噪的問題，本文提出了一種基于分數階傅里葉變換的自適應閾值語音增強方法。對帶噪語音信號做分數階傅里葉變換，采用加權方差方法確定其最優變換階數。作最優階數下的分數階傅里葉變換，在分數階域自適應確定閾值，采用軟硬閾值折衷法進行閾值切割，做分數階傅里葉反變換得到增強語音信號。同時，將本文算法和傳統的維納濾波法和譜減法進行比較。實驗數據和仿真結果表明，分數階域的自適應閾值去噪方法可有效地去除噪聲，得到較好的聽覺效果，且去噪效果優于維納濾波法和譜減法。本方法計算量小，易于實現，具有良好的實用性。

關鍵詞：分數階傅里葉變換; 最優階; 自適應閾值; 語音降噪; 信噪比

在語音通信過程中，由于外界環境噪聲的干擾，語音通話的質量大大降低，影響人們正常的交流，因此語音增強方法顯得尤為重要。一直以來，人們提出了很多語音去噪的方法，經典的方法有譜減法和維納濾波法[1]。這些傳統的語音增強方法對平穩噪聲具有良好的去噪效果，但由于沒有事先考慮語音和噪聲的先驗信息，故對非平穩噪聲的去噪效果不佳[2]。近年來，分數階傅里葉變換被廣泛應用到信號處理方面。分數階傅里葉變換是一種廣義的傅里葉變換，它是由時頻平面內的信號軸繞原點逆時針旋轉任意角度所得，是一種很好的信號濾波處理工具[3]。在分數階傅里葉變換域，由于交叉部分較小，信號的時頻域表現更清晰，更適合用于處理非平穩信號[4]。目前，分數階傅里葉變換已經用于很多領域，例如線性調頻脈沖壓縮雷達的靈巧噪聲干擾抑制[5]，微弱信號檢測[6]，地震信號去噪[7]，聲吶探測信號鑒別[8]和偏心輪振動臺系統的振動信號分析[9]等。王景芳[10]等人提出了一種動態FrFT濾波聲音信號語音增強方法，該方法能有效地去噪濾波，且在不同的噪聲環境和信噪比條件下具有魯棒性;P.Kumar等人[11]提出了基于分數階域的硬閾值語音去噪方法，該方法可以有效去除噪聲。由于以上兩種FrFT域語音增強方法中，閾值確定方法會造成較大的方差，因此本文提出了一種基于分數階傅里葉變換的自適應閾值語音去噪方法，以更好地確定閾值，去除噪聲，提高語音質量。該研究具有良好的實用性。

1 分數階傅里葉變換

分數階傅里葉變換是一種廣義的傅里葉變換。信號的分數階傅里葉變換是時頻平面的信號軸繞原點逆時針旋轉任意角度所得。分數階傅里葉變換是用單一變量表示時頻信息的線性變換，避免了傳統時頻分布二次變換的交叉項干擾問題，是一種新的時頻分析工具[9]。

4 結束語

本文通過觀察語音信號和噪聲在FrFT域的能量聚集特性，提出在分數階傅里葉變換域進行濾波去噪的方法。采用加權方差方法確定最優FrFT變換階數，且對加噪前后語音最優階數進行研究，發現加噪前后的最優階數變化不大。對帶噪語音信號進行最優階數下的分數階傅里葉變換，自適應確定閾值后，采用軟硬閾值折衷法在FrFT域切割幅值去噪，最后做分數階傅里葉反變換，得到去噪語音信號。仿真結果表明，采用本文方法對含噪連續語音進行去噪，可有效濾除信號中的噪聲，提高信噪比，且聽覺效果得到較大的改善。同時，將本文方法和傳統的維納濾波法和譜減法進行比較，表明在強噪聲環境中，本文方法的去噪效果明顯優于維納濾波法和譜減法。本方法計算量小，且易于實現。該研究具有較好的實用性和使用價值。

參考文獻：

[1] 黃蘇雨， 梁聲灼， 黃蘇園. 語音增強方法綜述[J]. 計算機與現代化， 2007（3）： 16-20.

[2] 陳楠， 鮑長春. 基于雙耳線索編碼原理的語音增強方法[J]. 電子學報， 2019， 47（1）： 227-233.

[3] 步衍瀚， 王平波. 基于分數階傅里葉變換的濾波[J]. 艦船電子工程， 2016， 36（4）： 38-40， 91.

[4] Kumar P， Kansal S. Noise removal in speech signal using fractional fourier transform[C]∥2017 International Conference on Information Communication Instrumentation and Control （ICICIC）. Indore： IEEE， 2017.

[5] 韓博文， 楊小鵬. 基于FrFT域濾波的靈巧噪聲干擾抑制方法[J]. 信號處理， 2017， 33（12）： 1602-1608.

[6] Xia J， Zhang J Y， Li X B， et al. Weak signal detection based on FRFTdomain adaptive filtering algorithm[C]∥2016 CIE International Conference on Radar. Guangzhou， China： IEEE， 2017.

[7] 彭建亮， 彭真明， 張杰， 等. 基于分數域自適應濾波的地震信號去噪方法[J]. 地球物理學進展， 2012， 27（4）： 1730-1737.

[8] 丁智慧， 王彪. 基于分數階傅里葉變換的聲吶探測信號鑒別[J]. 艦船科學技術， 2017， 39（9）： 142-147.

[9] 高宇， 黃宜堅. 基于分數階傅里葉變換的振動信號分析[J]. 計量學報， 2012， 33（6）： 532-535.

[10] 王景芳， 許慧燕. FRFT濾波的語音增強[J]. 計算機工程與應用， 2012， 48（12）： 129-134， 167.

[11] Kumar P， Kansal S， Noise removal in speech signal using fractional fourier transform[C]∥2017 International Conference on Information， Communication， Instrumentation and Control （ICICIC）. India： IEEE， 2017.

[12] 楊秀麗， 馮小平. 基于分數階傅里葉變換的Chirp信號參數估計及恢復[J]. 空間電子技術， 2007， 4（3）： 78-81.

[13] Ma D J， Xie X， Kuang J M. A novel algorithm of seeking FrFT order for speech processing[C]∥ 2010 7th International Symposium on Chinese Spoken Language Processing. Tainan： IEEE， 2010： 286-290.

[14] Xiao D， Zhang L Y. The parameters estimation of underwater transient signal based on FRFT[C]∥Proceedings of 2011 International Conference on Electronic & Mechanical Engineering and Information Technology. Harbin： IEEE， 2011： 3781-3784.

[15] Qi S， Guo D X， Zhang B N， et al. LFM and FRFT to a novel FSK method[C]∥2017 6th International Conference on Computer Science and Network Technology （ICCSNT）. Dalian， China： IEEE， 2017： 477-481.

[16] Pang N， Xu P J. A new acceleration estimation method based on special FRFT in MIMO radar[C]∥IET International Radar Conference 2015. Hangzhou， China： IEEE， 2015： 1-5.

[17] Ozaktas H M， Arikan O， Kutay M A. Digital computation of the fractional Fourier transform[J]. IEEE Transactions on Signal Processing， 1996， 44（9）： 2141-2150.

[18] Candan C， Kutay M A， Ozaktas M. The discrete fractional fourier transform[J]. IEEE Transactions on Signal Processing， 2000， 48（5）： 1329-1337.

[19] 李洋洋. 分數階域最優濾波算法[J]. 電子測試， 2011（12）： 23-26.

[20] 姜磊. 基于自適應小波閾值收縮算法的沖擊消噪[J]. 測控技術， 2015， 34（1）： 45-47， 51.

[21] 林杰， 付夢印， 李道平. 自適應小波閾值去噪算法及在圖像處理中的應用[J]. 兵工學報， 2011， 32（7）： 896-900.

[22] 趙未蓮. 基于小波變換的閾值語音信號去噪[J]. 重慶科技學院學報： 自然科學版， 2005， 7（4）： 73-75.

[23] Ling G， Yamada T， Makino S， et al. Performance estimation of noisy speech recognition using spectral distortion and SNR of noisereduced speech[C]∥2013 IEEE International Conference of IEEE Region 10 （TENCON 2013）. Xi′an： IEEE， 2013.