孫燕

?

自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊小波語(yǔ)音消噪算法

孫燕

(青海民族大學(xué)計(jì)算機(jī)學(xué)院，青海西寧 810007)

針對(duì)有色噪聲，采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)模糊(Auto Neural Fuzzy Inference System, ANFIS)逼近有色噪聲，利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)ANFIS對(duì)噪聲的非線性動(dòng)態(tài)特性進(jìn)行建模，提出了語(yǔ)音自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊小波消噪算法，建立并訓(xùn)練了消噪系統(tǒng)。對(duì)被有色噪聲污染的測(cè)量信號(hào)經(jīng)模糊消噪后，根據(jù)信號(hào)和噪聲的小波系數(shù)在不同分解尺度上的傳遞性，進(jìn)行中值濾波和小波重構(gòu)，得到了干凈的語(yǔ)音。對(duì)算法進(jìn)行了仿真實(shí)驗(yàn)，結(jié)果表明，消噪效果明顯。

自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)；小波；有色噪聲；消噪；

0 引言

信號(hào)淹沒(méi)在噪聲中，是在實(shí)際環(huán)境中經(jīng)常遇到的情況，當(dāng)這種噪聲為加性高斯白噪聲時(shí)，可以采用線性濾波的方法，它是最基本的減譜算法[1]，適用于對(duì)加性噪聲的消除。目前消除非加性噪聲的方法有自適應(yīng)濾波如卡爾曼濾波[2]、維納濾波[3]、譜減法及其改進(jìn)等，卡爾曼濾波可以在一定程度上對(duì)有色噪聲消除有效。維納濾波法對(duì)背景噪聲白化效果比較好。但對(duì)于噪聲具有非線性傳播性質(zhì)時(shí)，使用線性濾波效果很差。有色噪聲可看作是白噪聲經(jīng)過(guò)非線性動(dòng)態(tài)處理后產(chǎn)生的，使用經(jīng)典線性濾波的方法起不到抑制噪聲的作用。

目前語(yǔ)音增強(qiáng)的方法很多：如譜減法及改進(jìn)，它是應(yīng)用最早最廣泛的一種方法。它是從帶噪語(yǔ)音頻譜中減去噪聲頻譜分量，剩余的就是干凈語(yǔ)音的頻譜。其缺點(diǎn)是存在音樂(lè)噪聲。信號(hào)子空間法[4]是把帶噪語(yǔ)音分解成信號(hào)子空間和噪聲子空間上的投影，在殘余噪聲頻譜小于規(guī)定門(mén)限的情況下，使語(yǔ)音信號(hào)失真最小。缺點(diǎn)是主要針對(duì)加性寬帶高斯白噪聲。

本文利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)ANFIS[5]對(duì)非線性動(dòng)態(tài)特性進(jìn)行建模逼近有色噪聲[6]，再利用小波變換[7]把含噪信號(hào)分解到多尺度中，然后在每一尺度下把屬于噪聲的小波系數(shù)去除，保留并增強(qiáng)屬于信號(hào)的小波系數(shù)，最后重構(gòu)出小波消噪后的信號(hào)得到有用信號(hào)。

針對(duì)實(shí)際環(huán)境的非線性有色噪聲，本文結(jié)合經(jīng)典譜減法的優(yōu)點(diǎn)及利用自適應(yīng)ANFIS對(duì)高斯白噪聲非線性動(dòng)態(tài)建模逼近有色噪聲和小波閾值分解的優(yōu)點(diǎn)，有效消除了有色噪聲，解決了經(jīng)典算法對(duì)有色噪聲無(wú)效的問(wèn)題。

1 ANFIS結(jié)構(gòu)

1985年Takagi和Sugeno提出了一種非線性T-S模糊模型，即后來(lái)的Sugeno模糊模型[8]，是一種對(duì)有精確輸入、輸出數(shù)據(jù)集產(chǎn)生模糊規(guī)則推理的系統(tǒng)化方法。它結(jié)合模糊邏輯與神經(jīng)網(wǎng)絡(luò)兩者之優(yōu)勢(shì)，改善了傳統(tǒng)模糊控制設(shè)計(jì)中必須人為調(diào)整隸屬度函數(shù)以減小誤差的不足，采用混合學(xué)習(xí)算法調(diào)整前提參數(shù)和結(jié)論參數(shù)，自動(dòng)產(chǎn)生模糊規(guī)則。后來(lái)，Tang Roger提出與一階Sugeno模糊模型功能等同的基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的模糊推理系統(tǒng)(ANFIS)[8,9]用來(lái)實(shí)現(xiàn)Sugeno模糊模型的學(xué)習(xí)過(guò)程。該網(wǎng)絡(luò)是一個(gè)多層前饋網(wǎng)絡(luò)[10,11]，結(jié)構(gòu)如圖1所示。

圖1 Sugeno模糊系統(tǒng)等效的ANFIS網(wǎng)絡(luò)

由圖1可見(jiàn)，網(wǎng)絡(luò)共有5層，各層功能如下：

第1層：A和B為輸入變量的模糊子集，該層節(jié)點(diǎn)的激活函數(shù)代表模糊變量的隸屬函數(shù)，該層的輸出代表模糊化結(jié)果，即隸屬度，其中一個(gè)節(jié)點(diǎn)的傳遞函數(shù)可以表示為：

第2層：將模糊化得到的隸屬度兩兩相乘，該層的輸出代表著模糊規(guī)則的強(qiáng)度或適用度。

其中用表示上一層的隸屬度。

第3層：將各條規(guī)則的適用度歸一化：

第4層：計(jì)算每條規(guī)則的結(jié)論：

第5層：計(jì)算所有規(guī)則的輸出之和，即系統(tǒng)輸出：

2 自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊小波消噪原理

自適應(yīng)神經(jīng)網(wǎng)絡(luò)[12]模糊小波消噪原理見(jiàn)圖2。

圖2 語(yǔ)音自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊小波消噪原理

自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊小波消噪是將高斯白噪聲與其延遲和測(cè)量信號(hào)作為系統(tǒng)訓(xùn)練集，通過(guò)ANFIS系統(tǒng)模糊逼近測(cè)量信號(hào)中的有色噪聲，從被有色噪聲污染的測(cè)量信號(hào)中減去逼近的噪聲，再經(jīng)過(guò)小波的低通濾波將高頻噪聲濾除得到干凈的語(yǔ)音信號(hào)。

2.1 ANFIS噪聲估計(jì)

有色噪聲為白噪聲通過(guò)下列非線性函數(shù)后產(chǎn)生：

仿真實(shí)驗(yàn)非線性函數(shù)特性曲線就是由這個(gè)函數(shù)構(gòu)造得出的，如圖4所示。

將式(7)展開(kāi)，得到

2.2 小波閾值

小波消噪原理是將含噪信號(hào)在各尺度上進(jìn)行小波分解，設(shè)定一個(gè)閾值，幅值低于該閾值的小波系數(shù)置為0，高于該閾值的小波系數(shù)或者完全保留，最后將處理后獲得的小波系數(shù)用逆小波變換進(jìn)行重構(gòu)，得到去噪后的信號(hào)。閾值去噪中，閾值函數(shù)體現(xiàn)了對(duì)超過(guò)和低于閾值的小波系數(shù)不同處理策略，是閾值去噪中關(guān)鍵的一步。

設(shè)表示小波系數(shù)，為給定閾值，sgn(.)為符號(hào)函數(shù)，常見(jiàn)的閾值函數(shù)有：

硬閾值函數(shù)：

軟閾值函數(shù)：

3 算法仿真實(shí)驗(yàn)

在實(shí)驗(yàn)室環(huán)境下錄制語(yǔ)音文件。所錄語(yǔ)音為8 kHz采樣率、8 bit量化、線性PCM編碼的數(shù)字語(yǔ)音；實(shí)驗(yàn)仿真結(jié)果如圖3~10所示。圖3是原始語(yǔ)音及頻譜。圖4是非線性函數(shù)的特性曲線，由式(6)構(gòu)造得出。圖5是測(cè)量語(yǔ)音信號(hào)與頻譜，從圖5中根本無(wú)法看出任何的語(yǔ)音信息。圖6是有色噪聲的估計(jì)，其頻率范圍與測(cè)量信號(hào)頻率范圍重疊。圖7是經(jīng)過(guò)非線性變換后的噪聲信號(hào)和頻譜。從圖8可以看出被有色噪聲污染的測(cè)量信號(hào)經(jīng)過(guò)ANFIS系統(tǒng)消噪后，可明顯分辨出語(yǔ)音信號(hào)。圖9是經(jīng)過(guò)小波消噪后的語(yǔ)音，消噪效果進(jìn)一步優(yōu)化。圖10是被有色噪聲污染后經(jīng)過(guò)維納濾波消噪后的語(yǔ)音，可見(jiàn)消噪效果不好，基本得不到語(yǔ)音信號(hào)，語(yǔ)音信號(hào)還是被淹沒(méi)在噪聲中。從圖8、9與圖10的對(duì)比可見(jiàn)，其中信噪比為=50，采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊信號(hào)和小波消噪算法對(duì)于去除有色噪聲是有效的。圖11是上述方法在=3時(shí)的比較，雖然從波形上還是有噪聲，但是播放時(shí)得到清晰可辨的語(yǔ)音，可見(jiàn)該算法在低信噪比下也是有效的。

圖3 原始語(yǔ)音及頻譜

圖4 特性曲線

圖5 疊加有色噪聲的測(cè)量語(yǔ)音信號(hào)與頻譜

圖6 經(jīng)過(guò)ANFIS系統(tǒng)的噪聲估計(jì)與頻譜

圖7 經(jīng)過(guò)非線性變換后的噪聲與頻譜

圖8 經(jīng)過(guò)ANFIS消噪后語(yǔ)音與頻譜 SNR=50

圖9 語(yǔ)音小波消噪和低頻重構(gòu)及頻譜SNR=50

圖10 語(yǔ)音維納消噪

圖11 SNR=3 ANFIS消噪后語(yǔ)音和小波消躁及低頻重構(gòu)語(yǔ)音波形

4 結(jié)論

自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊小波語(yǔ)音消噪算法，可在未知外界干擾源特征、傳遞途徑不斷變化以及背景噪聲和被測(cè)對(duì)象相似的情況下，能夠有效地消除外界有色聲源的干擾，獲得高信噪比的語(yǔ)音信號(hào)，這一算法為在測(cè)試環(huán)境不太理想的工作現(xiàn)場(chǎng)做測(cè)試分析和故障診斷時(shí)，提供可靠的方法和依據(jù)。

[1] 趙曉群. 數(shù)字語(yǔ)音編碼[M]. 北京: 機(jī)械工業(yè)出版社, 2007.

ZHAO xiaoqun, Digital speech coding[M]. Beijing: Mechanical Industry Publishing Press, 2007.

[2] PALIWAL K, BASU A. A speech enhancement method based on Kalman filtering[C]// Proc Acoustics Speech and Signal Processing, IEEE International Conference on IC A SSP' 87.[S.l.]: IEE E Press,1987, (12): 177- 180.

[3] Wiener, Norbert. Extrapolation, interpolation, and smoothing of stationary time Series[M]. New York: Wiley.

[4]signalapproach for speech enhancement[J]. IEEE Transactions on Speech and Audio Processing, 1995, 3(4): 251-66.

[5] Staib W E, Bliss N G, Staib R B. Recent developments in neural network applications - neural network conversion of the electric arc furnace into the intelligent arc furnace[C]// 1991 AISE Spring Conference, 1991.

[6] 崔先強(qiáng), 楊元喜, 高為廣. 多種有色噪聲自適應(yīng)算法的比較[J]. 武漢大學(xué)學(xué)報(bào): 信息科 學(xué)版, 2006, 31(8): 731-735.

CUI Xianqiang YANG Yuanxi GAO Weiguang. A variety of colored noise adaptive algorithm is compared[J]. Journal of Wuhan University Information: Science Edition, 2006, 31(8): 731-735.

[7] 郭桂容. 模糊模式識(shí)別[M]. 長(zhǎng)沙: 國(guó)防科技大學(xué)出版社.

GUO Guirong. Fuzzy pattern recognition[M]. Changsha: National University of Defense Technology Press.

[8] 張毅, 楊秀霞. 小波消噪在微弱信號(hào)檢測(cè)中的應(yīng)用[J]. 微計(jì)算機(jī)信息, 2006, 1(1): 113- 114.

ZHANG Yi,YANG Xiuxia. Wavelet denoising in the application of weak signal detection[J]. Journal of Micro Computer Information, 2006, 1(1): 113-114.

[9] 張乃堯, 閻平凡. 神經(jīng)網(wǎng)絡(luò)與模糊控制[M]. 北京: 清華大學(xué)出版社, 1998.

ZHANG Naiyao, Yan Pingfan. Neural network and fuzzy control [M]. Beijing: Tsinghua University Press, 1998.

[10] Widrow B. Glover J R, Mecool J, et al.Adaptive noise canceling: principles and application[J]. Proc IEEE, 1975, 63(12): 1692-1716.

[11] 樓順天, 胡昌華, 張偉. 基于MATLAB的系統(tǒng)分析與設(shè)計(jì)---模糊系統(tǒng)[M]. 西安: 西安電 子科技大學(xué)出版社, 2005.

LOU Shuntian, HU Changhua, ZHANG wei. Based on the MATLAB system analysis and design - fuzzy system[M]. Xian Xi’an: University of Electronic Science and Technology Press, 2005.

[12] Staib W E, Bliss N G, Staib R B. Neural network conversion of the electric arc furnace into the intelligent arc furnace[C]// 74th AIME Steelmaking Conference, 1991.

Algorithm for ANFIS and wavelet denoising of speech signal

SUN Yan

(Computer Department of Qinghai University for Nationalities, Xi’ning 810007,Qinghai, China)

An ANFIS and wavelet denoising algorithm is proposed for additive colored noise. Modeling the nonlinear dynamic characteristic of noise by ANFIS and fuzzy approximating colored noise, the Auto Neural Fuzzy Inference System (ANFIS) and wavelet denoising system of speech signal is set up and trained. According to the different wavelet coefficients’ transmission properties of edge signals and noises under the different scales of the wavelet transform, the median filter is designed. Colored noise can be successfully removed by using subtraction in the original speech signal. Experimental results show that the algorithm is effective.

Auto Neural Fuzzy Inference System(ANFIS); wavelet; colored noise; denoising

TN912.35

A

1000-3630(2014)-03-232-05

10.3969/j.issn1000-3630.2014.03.010

2013-02-01;

2013-05-12

孫燕(1973－), 女, 山東青島人, 副教授, 碩士, 研究方向?yàn)檎Z(yǔ)音 處理和語(yǔ)音編碼。

孫燕, E-mail: 453856400@qq.com