帥玲紅　李智

摘要：針對淹沒在強噪聲背景中的語音信號，文中提出了一種基于雙穩(wěn)隨機共振的語音增強方法，該方法利用調(diào)節(jié)隨機共振系統(tǒng)的結(jié)構(gòu)參數(shù)，使系統(tǒng)達到最佳匹配，將噪聲的能量向信號轉(zhuǎn)移，從而達到增強語音信號的目的。通過MATLAB仿真分析，輸出信號信噪比提高了3.5db，因此該方法在對語音信號的檢測增強中可獲得一定的檢測效果。

關(guān)鍵詞：隨機共振；語音增強；弱信號

中圖分類號：TN911 文獻標(biāo)識碼：A 文章編號：1009-3044（2014）04-0841-03

語音信號是人類傳播信息的重要媒介，然而在通信過程中語音會受到自然環(huán)境以及通信設(shè)備的干擾，因此語音增強是語音信號處理中的重要組成部分[1]。

傳統(tǒng)的語音增強方法中，參數(shù)方法對語音的模型參數(shù)依賴性強，在低信噪比條件下不容易得到正確的模型參數(shù)；非參數(shù)方法由于頻譜相減會產(chǎn)生“音樂噪聲”；統(tǒng)計方法需要大量數(shù)據(jù)進行訓(xùn)練以得到統(tǒng)計信息；小波變換以及離散余弦變換的閾值選取困難，運算量大[2]。因此本文選用雙穩(wěn)隨機共振系統(tǒng)來對語音信號進行增強研究。非線性隨機共振利用噪聲增強微弱信號傳輸?shù)臋C制為我們提供了一條新思路，當(dāng)系統(tǒng)輸入端噪聲增加時非線性系統(tǒng)會發(fā)生隨機共振，會發(fā)生部分噪聲能量向信號能量的轉(zhuǎn)移[3-4]，從而提高系統(tǒng)輸出信噪比來達到微弱信號的檢測的目的。

隨機共振由意大利Benzi等學(xué)者于1981年開始在解釋冰期周期性遞歸時首次被發(fā)現(xiàn)和提出[3]。當(dāng)非線性系統(tǒng)、信號和噪聲達到匹配狀態(tài)時，就會發(fā)生隨機共振，噪聲能量向信號能量轉(zhuǎn)移，使得輸出信號的信噪比得到提高，達到對強噪聲背景中的語音信號的增強。通過仿真觀察到輸出波形的噪聲得到了一定的抑制，信噪比也得到了提高。

1 隨機共振

1.1隨機共振原理

受到噪聲[Γ（t）]與外部周期驅(qū)動力[Acosω0t]作用的雙穩(wěn)態(tài)系統(tǒng)可以由郎之萬方程描述，即

圖1所示的[ΔV]可以通過調(diào)節(jié)a與b的值來調(diào)節(jié)勢壘高度。周期信號給系統(tǒng)勢阱的切換引入周期性變化，有效地對噪聲引起的切換進行同步，當(dāng)信號、噪聲及非線性系統(tǒng)達到某種匹配時，輸出信號與微弱周期信號同步，從而使系統(tǒng)輸出[x（t）]中的小周期分量得到增強，這也就是隨機共振可以加強微弱信號的原因。于是達到了將噪聲能量向信號能量的轉(zhuǎn)移，從而驅(qū)動質(zhì)點在兩勢阱間的周期運。

2 數(shù)值求解

對一些典型的常微分方程才能求出它們的一般解表達式，并用初始條件確定表達式中的任意常數(shù)。然而在實際問題中遇到的常微分方程往往很復(fù)雜，在很多情況下得不出一般解，所以一般是獲得解在若干個點上的近似值。因此本文選用四階龍格—庫塔法（Runge—Kutta）求解常微分方程[5]。

四階R—K方法為式（2）所示：

其中[xi]和[x1i]表示輸出和輸入信號的第i個采樣值，[h=1fs]為迭代步長。而本文中是對語音信號進行檢測，屬于寬頻信號，因此迭代步長可根據(jù)實際情況來調(diào)節(jié)以使系統(tǒng)產(chǎn)生隨機共振達到檢測目的。

3 仿真與分析

根據(jù)隨機共振的絕熱近似理論與線性響應(yīng)理論將隨機共振應(yīng)用于檢測微弱的周期信號， 其信號頻率都遠(yuǎn)遠(yuǎn)小于1，而本文待檢測的語音信號其頻率范圍通常是300～3400Hz，因此為了解決隨機共振在高頻信號的檢測問題，該文采用調(diào)節(jié)系統(tǒng)結(jié)構(gòu)參數(shù)與步長來對語音信號進行增強。

對干凈的語音信號添加不同強度的噪聲，再對其應(yīng)用隨機共振進行去噪處理。圖2所示是純凈的語音信號，內(nèi)容為數(shù)字“2～9”。

從圖2可以看出，實驗中用到的語音信號是一個中低頻信號，主要集中在270Hz、700Hz附近。圖3為在此干凈語音信號中添加噪聲強度D=0.6的高斯白噪聲后的信號和頻譜圖，從圖中可看出信號淹沒在噪聲中，而頻域圖中看出整個頻帶都有很強的噪聲，在低頻段有一部分信號分布。

將帶噪信號經(jīng)過隨機共振處理，通過調(diào)節(jié)結(jié)構(gòu)參數(shù)，當(dāng)a=0.1，b=1.2時，經(jīng)過隨機共振系統(tǒng)的輸出波形如圖4所示，從圖中看出信號與噪聲都在很大程度上得到了抑制，能辨別出語音信號。在頻域圖中可看出高頻部分的噪聲信號都得到了抑制，發(fā)生了能量的轉(zhuǎn)移，高頻噪聲能量向低頻信號能量轉(zhuǎn)移，因此在頻率為270Hz附近信號明顯增強，信號幅度得到了明顯提高。而信號的信噪比從輸入的-6.4db提高到-3db，信噪比增加了3.5db，因此將隨機共振應(yīng)用在語音信號的增強中取得了一定的效果。

4 結(jié)束語

本文將雙穩(wěn)隨機共振的方法應(yīng)用于語音信號的增強中，通過系統(tǒng)輸出的信號在時域圖可看出信號的噪聲得到了一定的抑制，頻域圖中，高頻的噪聲都搬移到低頻段，使得信號的幅度得到了很大的提高，且信噪比也得到了提升，因此該方法具有一定的效果。在之后的研究中，將對實際的含噪語音以及振動信號進行一定的研究。

參考文獻：

[1] 王晶，傅豐林，張運偉.語音增強算法綜述[J].聲學(xué)與電子工程，2005（1）：22-26.

[2] 張雪英.數(shù)字語音處理及MATLAB仿真[M].北京：電子工業(yè)出版社，2010.

[3] Benzi R， Sutera A， Vulpiani A. The Mechanism of Stochastic Resonance[J]. Journal of Physics A： Mathematical and General， 1981， 14（11）： L453-L457.

[4] 楊定新.微弱特征信號檢測的隨機共振方法與應(yīng)用研究[D].長沙：國防科學(xué)技術(shù)大學(xué)研究生院，2004.

[5] 閆金亮. Matlab在常微分方程教學(xué)中的應(yīng)用[J].武夷學(xué)院學(xué)報，2012（2）：95-99.