基于Hilbert-Huang變換的語音信號時頻分析.pdf

1、隨著計算機和人工智能的發(fā)展，語音信號處理已成為當(dāng)今的一個研究熱點。語音信號是一種復(fù)雜的非線性、非平穩(wěn)信號，時頻分析是分析和處理非平穩(wěn)信號的有力工具，它揭示了信號在時間域與頻率域的聯(lián)合時頻分布信息，利用時頻分布，可以提取語音信號在特定時間特定頻率所具有的特征信息，時頻分析方法為語音信號處理的發(fā)展帶來了新的生機。但是，語音信號常常會受到噪聲的干擾，必須進行語音增強和語音端點檢測，改善系統(tǒng)在含噪條件下的性能。
　　 傳統(tǒng)的時頻分析方法

2、如短時傅立葉變換、Wigner-Ville分布等，它們分別存在著窗效應(yīng)和交叉項的問題且都不是自適應(yīng)的。本文研究了一種新的具有自適應(yīng)性的時頻分析方法Hilbert-Huang變換，并將其應(yīng)用于語音信號處理中，本文的主要研究工作及其成果如下:
　　 1.研究了Hilbert-Huang變換的基本原理及其Hilbert-Huang變換中存在的問題，根據(jù)實際需要選用了合適的端點效應(yīng)處理方法，并用改進后的Hilbert-Huang變換對語

3、音信號進行了時頻分析，實驗中與短時Fourier變換、Wigner-Ville分布、Choi-Williams分布進行了比較，仿真結(jié)果表明該方法可以獲得語音信號更為精細(xì)的時頻結(jié)構(gòu)。
　　 2.利用Hilbert譜和邊際譜可以精確地區(qū)分出同一個字不同聲調(diào)的時頻分布的不同，本文利用同一個字不同聲調(diào)的Hilbert邊際譜能量的變化情況建立了M-距離，對同一個字不同聲調(diào)下的語音信號進行了識別，初步試驗顯示了此方法的有效性。
　　

4、 3.提出了一種基于Hilbert-Huang變換和聽覺掩蔽的語音增強算法，對高頻的IMF分量進行了聽覺掩蔽處理，仿真實驗結(jié)果表明本文算法降低了語音失真測度值，提高了語音信號的信噪比、清晰度及可懂度。
　　 4.研究了Teager能量算子和雙門限端點檢測的原理，針對Teager能量算子更為合理地反映信號能量的變化，并對調(diào)幅或調(diào)頻信號具有更好的適應(yīng)性，而IMF分量符合此特性的特點，因此提出了一種基于EMD和改進雙門限的語音端點檢測