Page 141 - 《应用声学》2020年第6期

第 39 卷 第 6 期 田玉静等： 语声通信降噪研究 935

minMSE(c, n 0 ) 计算每个小波包树终端结点 k 处的噪声标准差
2
[ ( δ 2 ) −1 ] σ ：
nk
H
= δ T I − H H H + v I H H , (26)
δ a 2 [MAD] k,j
n 0 2 δ n 0
σ nk = In(j + 1), (31)
通过对式 (26) 矩阵对角元素求最小值，可得到最 0.6745
佳值。 其中，[MAD] k,j 是小波包树终端结点 k 处在尺度 j
上小波系数中值绝对值。
自适应盲均衡算法能有效去除语声传输系统
计算阈值T：
的 ISI，但输出信号对语声细节信息处理欠佳，残留
√
噪声比较严重。为了获得更好的语声通信效果，实 T = λ p(γ min ), λ = (σ /σ ), (32)
2
2
nk
n
验对盲均衡滤波输出的基带语声信号做二次增强
其中，γ min 为γ i 的最小值。
处理，进一步消除均衡滤波增强语声信号中的残余
通过子代噪声方差估计，设置参数λ，实时跟踪
噪声。
各尺度噪声水平，自适应调整阈值T，重构各尺度的
剩余系数，经小波反变换重建信号，尽可能在抑制残
2 结合听觉感知的小波包降噪算法 留噪声的同时，保留语声高频信号和弱特征分量，减
小语声失真。
小波分析算法简单，其能利用人耳听觉掩蔽特
性拟合声道发声 [8] ，选其作为语声增强二级处理算 3 语声通信系统消噪新方法仿真研究
法，详细算法见参考文献 [9–10]。简述算法如下：将
含噪信号小波包五级分解，得到二尺度方程，推广二 语声通信的信息处理速度日益提高，码速率越
尺度方程，得到前后两个尺度之间的子波系数关系， 高，ISI问题越严重，加之信道干扰的突变随机性，常
见式(27)： 规增强算法已无力处理复杂干扰。本文引入了自适
应盲均衡技术来消除 ISI 和信号畸变，考虑到自适
 ∑
 d j+1,2n = d j,h ∧ ,
h
 m l l−2m 应盲均衡技术在噪声控制方面能力有限，将自适应

l (27)
∑ 盲均衡技术与小波包掩蔽阈值降噪算法联合使用，
 j+1,2n+1 j,n ∧
d = d g .
 m l l−2m 形成一种语声通信系统基带消噪新方法，该方法的
l
完整系统模型见图1。传输函数模拟信道，混入加性
含噪语声经小波包分解化为
噪声 v(n)，混噪信号通过自适应盲均衡滤波，去除
∑
n j,n −j/2 −j
y (t) = d l 2 u n (2 t − l). (28) ISI 和畸变，过滤部分噪声，再用小波包听觉掩蔽阈
j
l 值做二次增强。纯净语声信号选用16QAM调制 [12]
根据人耳听觉感知特性 [11] ，对结点划分不同 (16QAM 每符号 4 bit 信息，相同码元速率下，QAM
Bark子带，将临界带中每层小波变换后的系数由小 的传输效率高，在通信新技术中广泛应用)。通过提
到大排列，构成向量 P ，求各子带风险序列，找到风 取信号二阶及高阶统计量多算法融合，接收端信号
险最小值： 盲处理，实验验证算法可对语声通信系统噪声有效
稳健去除。
[ k ]
1 ∑
γ(k) = N − 2k + p i + (N − k)p(N − k) ,
N 3.1 自适应盲均衡算法性能测试
i=1
首 先 测 试 盲 均 衡 算 法 的 抗 干 扰 能 力。 用
1 < k < m, 1 6 i 6 N. (29)
16QAM 调制模块建立仿真，仿真 16QAM 数据传
计算风险向量 R = [γ 1 , γ 2 , · · · , γ N ]，以 R 元素中最 输系统，模拟图 1 中的自适应盲均衡系统，信道系
小作为风险值求出对应的P i 。 统函数为 H(Z) = 0.2 + 0.5Z −1 + Z −2 − 0.1Z −3 ，
估计子代噪声的方差δ ： 信道背景噪声为高斯白噪声，输入信噪比设定
2
n
SNR = 0 dB，均衡器M = 8。
N/2
1 ∑
˜ 2
2
δ = (d i − d) , (30) 自适应盲均衡算法收敛后星座图对比见图 2。
n
[(N/2) − 1]
i=1 图 2(a) 为盲均衡器输入端接收到的信道噪声附加
˜
其中，d i 为子代分解细节信号，d = mean(d i )。 信号的星座图，很明显 ISI 和噪声的复合影响使得