范珍艷 王蓮子 莊曉東

摘要：針對傳統(tǒng)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(shù)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(shù)階傅里葉變換，采用加權方差方法確定其最優(yōu)變換階數(shù)。作最優(yōu)階數(shù)下的分數(shù)階傅里葉變換，在分數(shù)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(shù)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(tǒng)的維納濾波法和譜減法進行比較。實驗數(shù)據(jù)和仿真結(jié)果表明，分數(shù)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(yōu)于維納濾波法和譜減法。本方法計算量小，易于實現(xiàn)，具有良好的實用性。

關鍵詞：分數(shù)階傅里葉變換; 最優(yōu)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(huán)境噪聲的干擾，語音通話的質(zhì)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(jīng)典的方法有譜減法和維納濾波法[1]。這些傳統(tǒng)的語音增強方法對平穩(wěn)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(wěn)噪聲的去噪效果不佳[2]。近年來，分數(shù)階傅里葉變換被廣泛應用到信號處理方面。分數(shù)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(nèi)的信號軸繞原點逆時針旋轉(zhuǎn)任意角度所得，是一種很好的信號濾波處理工具[3]。在分數(shù)階傅里葉變換域，由于交叉部分較小，信號的時頻域表現(xiàn)更清晰，更適合用于處理非平穩(wěn)信號[4]。目前，分數(shù)階傅里葉變換已經(jīng)用于很多領域，例如線性調(diào)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(tǒng)的振動信號分析[9]等。王景芳[10]等人提出了一種動態(tài)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(huán)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(shù)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(shù)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(zhì)量。該研究具有良好的實用性。

1 分數(shù)階傅里葉變換

分數(shù)階傅里葉變換是一種廣義的傅里葉變換。信號的分數(shù)階傅里葉變換是時頻平面的信號軸繞原點逆時針旋轉(zhuǎn)任意角度所得。分數(shù)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(tǒng)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(jié)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(shù)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(yōu)FrFT變換階數(shù)，且對加噪前后語音最優(yōu)階數(shù)進行研究，發(fā)現(xiàn)加噪前后的最優(yōu)階數(shù)變化不大。對帶噪語音信號進行最優(yōu)階數(shù)下的分數(shù)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(shù)階傅里葉反變換，得到去噪語音信號。仿真結(jié)果表明，采用本文方法對含噪連續(xù)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(tǒng)的維納濾波法和譜減法進行比較，表明在強噪聲環(huán)境中，本文方法的去噪效果明顯優(yōu)于維納濾波法和譜減法。本方法計算量小，且易于實現(xiàn)。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(xiàn)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(shù)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(shù)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(shù)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(shù)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(shù)階傅里葉變換的Chirp信號參數(shù)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(shù)階域最優(yōu)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.