微振动语音信号检测的干扰背景分析研究new

《微振动语音信号检测的干扰背景分析研究new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、总第233期计算机与数字工程Vo1．37No．32009年第3期ComputerDigitalEngineering82微振动语音信号检测的干扰背景分析研究徐光洁高清维许亚男(安徽大学电子科学与技术学院合肥230039)摘要将小波变换和非线性动力学研究方法相结合，分析研究了在微振动语音信号检测中两类干扰背景的特性及其对检测结果的影响，讨论了两类情况下的解决方法。先通过小波分解得到原始时间序列的低频和高频部分，再分别对其进行处理。结果表明，对随机噪音干扰信号而言，可以通过放大低频、抑制高频来增强微

2、弱信号；而对于强混沌干扰背景信号，混杂信号低频部分和干扰背景的奇异吸引子最相似，因此需要通过抑制低频、放大高频来增强微弱信号。最后通过Matlab音频仿真证明了该结论。关键词小波变换混沌背景相空间重构奇异吸引子中图分类号TN912．3ResearchonInterferenceBackgroundinWeakVibrationSpeechSignalDetectionXuGuangjieGaoQingweiXuYanan(SchoolofElectronicScienceandTechnolog

3、y，AnhuiUniversity，Hefei230039)#l：lstr'~'tBycombiningthemethodsofwavelettransformandnonlineardynamics，thepropertiesoftwosortsofinterfer—encebackgroundandtheirinfluencesupontheresultsinweakvibrationspeechsignaldetectionareanalysed．Theoriginaldatase—tie

4、sisdecomposedintoonelow-frequencypartandseveralhigh-frequencypartsbywavelettransformandtheyareprocessedre—spectively．Theresultsshowthat，toenhancetheweaksignal，weneedtomagnifythelow-frequencypartandsuppressthehigh-frequencypartsiftheinterferencebackgr

5、oundisrandomnoise，whileforchaoticbackground，weneedtosuppressthelow-fre—quencypartandmagnifythehigh—frequencypartsbecausetheattractorofthelow-frequencypartismostsimilartothechaoticbackground's．FinallywecertifythisconclusionusingMatlabaudiofrequencysim

6、ulation．Keywordswavelettransform，chaoticbackground，phasespacereconstruction，strangeatrractorClassNIumberTN9]2．3景，加强待检测的微弱信号，从而提高语音识别率。1引言然而干扰背景的类型对微弱语音信号起到的作用微弱振动语音信号检测是一种在极端条件下是不可忽视的，本文使用小波方法和非线性动力学的测量，待测的弱信号淹没在能量与自身能量处于研究方法，就不同类型干扰背景对微弱语音信号检同一数量级甚至

7、更高数量级的干扰背景中，信噪比测的影响及解决方法做出讨论。(SNR)很低。在一般情况下，要完全排除干扰背景2小波方法与非线性动力学方法是不可能的，我们只能尽可能地改善语音质量，让听者在听觉上减少疲劳感。因此在微弱语音信号1)离散小波分解检测中，最关键的问题就是如何有效地抑制干扰背对原始时间序列X(x，z，⋯，)采用离散小收稿日期：2008年11月3日，修回日期：2008年12月16日作者简介：徐光洁，硕士研究生，研究方向：信号检测与处理。高清维，教授，研究方向：模式识别。许亚男，硕士研究生，研究

8、方向：信号检测与处理。第37卷(2009)第3期计算机与数字工程83波分解，尺度为J时的平滑逼近信号和细节信号分序列分析可知，混杂信号大致可分为两类，一类具别为：有随机白噪声的特征，一类则是伪随机噪声，即具一2／h(n-2k)x{有混沌特征的信号。由于微弱语音信号的能量相对于干扰背景来说较小，所以在一定程度上混杂信一∑．g(一2k)xi_。号的性质代表着干扰背景的性质。其中h为低通滤波器系数，g为带通滤波器系数。随机白噪声的功率谱在整个频域内均匀分布，通过多分辨率分析可将信号进行多层分解：第所有