小波包技術(shù)在抑制窄帶干擾中的應(yīng)用

　　混有單音頻噪聲的語(yǔ)音擴(kuò)頻序列經(jīng)過(guò)解擴(kuò)、解調(diào)處理后的誤碼率為3.92e-1，主觀上聆聽(tīng)完全無(wú)法辨析語(yǔ)音內(nèi)容。下面利用小波包分解技術(shù)去除單音頻噪聲，選取Shannon熵，依據(jù)原理公式(3)，(4)以及圖2所示的小波樹(shù)分解框圖，在Matlab仿真環(huán)境中用wpdencmp函數(shù)，采用“db43”小波包作4層分解，取全局域值5.035，應(yīng)用軟判決準(zhǔn)則，提取擴(kuò)頻序列de.mat。由于小波樹(shù)能夠?qū)Ω叩皖l段均進(jìn)行頻帶劃分，因此能更有效地鎖定窄帶干擾分量。

　　將de.mat數(shù)據(jù)解擴(kuò)、解調(diào)，其誤碼率為1.429e-4，提高了3個(gè)數(shù)量級(jí)，性能大大改善。將除噪后的數(shù)字音頻信號(hào)進(jìn)行ADPCM解碼，得到的時(shí)域圖如7所示，再次進(jìn)行聆聽(tīng)，能夠較清晰地分辨語(yǔ)音內(nèi)容，只存在極少數(shù)的背景噪音。如果還需進(jìn)一步增強(qiáng)語(yǔ)音信息，可以采用信號(hào)特征提取等處理方法去除其他噪聲，本文不再詳述。

　　為了進(jìn)一步突出小波包除噪效果，我們采用同樣具有時(shí)域局部化特點(diǎn)的短時(shí)傅里葉變換方法代入實(shí)驗(yàn)程序，其除噪后的語(yǔ)音時(shí)域波形圖如圖8所示。

　　分別將圖7、圖8與語(yǔ)音原始信號(hào)的時(shí)域波形圖相比，圖8損失了較多的語(yǔ)音細(xì)節(jié)，從主觀聆聽(tīng)效果來(lái)看，也沒(méi)有小波除噪后的還原效果好。短時(shí)傅里葉變換雖能描述某一局部時(shí)間段上的頻率信息，但由于整個(gè)過(guò)程只加了相同的窗函數(shù)，所以它不適應(yīng)信號(hào)頻率高低變化的不同要求。

　　3 結(jié) 語(yǔ)

　　本文討論了基于小波包分析技術(shù)去除語(yǔ)音擴(kuò)頻信號(hào)單音頻干擾的原理和應(yīng)用。小波包變換的任意多尺度分解特性和良好的時(shí)、頻域局部化特性可被用于迅速跟蹤和確定信號(hào)分量的時(shí)、頻域位置，尤其適用于擴(kuò)頻信號(hào)混有窄帶干擾的情況。仿真實(shí)驗(yàn)結(jié)果證明利用小波包分析能夠獲得滿意除噪效果。