基于盲源分離的智能圖像和語音信號去噪方法

韓春潤 吳一帆 李佳蔚 姚 禹

(江蘇警官學院，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作為混合信號進行濾波降噪，并未注意智能圖像、語音信號和噪聲之間存在統(tǒng)計上的獨立關(guān)系。

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

盲源分離理論是將噪聲信息、圖像信號和語音信號識別為兩個獨立信號，然后盲源分離兩個信號從而獲得圖像信號、語音信號和噪聲信號的過程。該方法具有良好的圖像和語音去噪能力，對原始圖像或語音數(shù)據(jù)具有良好的保護作用[2]。之后，利用對稱正交化方法進行獨立分量提取，實現(xiàn)降噪。

本文利用對比實驗來驗證該方法的有效性。結(jié)果表明，采用該方法進行降噪，智能圖像的分辨率更高，語音信號的信噪比更大，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。其基本思想是當源信號獨立時將混合信號轉(zhuǎn)化為獨立的源信號[3]，從而使生成的信號彼此獨立。解決盲源分離問題的重要方法就是獨立分量分析。

本研究基于獨立分量分析的盲源分離降噪方法，流程如圖1所示。

圖1 基于獨立分量分析的降噪過程

1.1 通道信號采集

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

實驗使用由數(shù)據(jù)采集卡和四個麥克風構(gòu)成的語音信號采集系統(tǒng)。實驗選擇的Liqi LM-110 麥克風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 的新標準的采集設(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：4 個12 位分辨率差分輸入通道或者8 個11 位分辨率單端輸入通道，采樣頻率可達50k/s，可設(shè)置8 個可選輸入范圍；具有一個32 位計數(shù)器以及一個16 位數(shù)字I/O，一個即插即用的USB 外接端口，兩個12 位模擬輸出通道，連接計算機后，它將自動檢測和配置軟件，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，繪制出智能圖像和語音信號的波形，如圖3 所示。

圖3 波形示意圖

1.2 信號預(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源各分量的隨機變量的均值為零，分離前信號的均值將被消除。故經(jīng)上述過程，實際的盲源分離問題全部符合之前建立的[5]數(shù)學模型。

選擇任意一個隨機變量x，其均值不為零，用x0=x-A(x)表示。

1.3 獨立成分提取

將噪聲與源信號成功分離，下一步即提取獨立分量，本實驗采用對稱正交化方法實現(xiàn)信道降噪。

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

串行提取分離信號，在多個估計分量的提取過程中，正交化誤差逐漸積累。前一個矢量形成的誤差將影響后一個矢量，由此導致分離性能下降。可使用對稱正交化方法彌補該缺點，通過并行迭代每個向量，然后用對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 獨立成分提取過程

2 對比實驗

為驗證基于盲源分離的智能圖像和語音信號去噪方法的有效性，進行了對比實驗。對含有噪聲的智能圖像信號進行了采集和分析。

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)的對比結(jié)果可看出，圖5(b)的效果更明顯，幾乎沒有灰度斑點。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。

2.2 語音信號去噪效果分析

實驗所用的信號是在一個6.5m*5.5m*3.6m 的普通辦公室里，用多個麥克風同時錄制的一個女性的語音信號和音樂信號。女性的聲音信號是一篇大聲朗讀的文章的片段。采集時間為20s，采樣頻率為8Khz，每個觀測點的數(shù)據(jù)長度為16 萬個點。信噪比計算公式如下：

現(xiàn)用式(10)計算兩種不同降噪方法處理后的語音信號信噪比，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去噪方法。與傳統(tǒng)的降噪方法相比，該方法不僅計算簡單，而且降噪效果更好。通過對比實驗，證明了該方法的優(yōu)越性，信噪比較大，基本達到了本實驗的目的。