基于小波变换的语音信号去噪系统

资 源 简 介

本项目专门设计用于在MATLAB环境下通过离散小波变换（DWT）对受噪声污染的语音信号进行净化处理。 系统的工作流程首先是对输入的含噪语音信号进行数字化读取，并根据信号的采样频率和能量分布特征，通过多分辨率分析方法将其分解为不同频率尺度的小波系数。 在算法实现过程中，系统利用语音信号在小波域中的稀疏性，将有用信号的能量集中在少数较大的小波系数上，而噪声能量则均匀分布在较小的系数中。

详 情 说 明

基于小波变换的语音信号阈值去噪系统

项目介绍

本项目是一个基于MATLAB环境开发的语音信号净化系统，核心利用离散小波变换（DWT）技术对受高斯白噪声污染的音频进行处理。系统通过多分辨率分析方法，将语音信号分解至不同频率尺度，利用信号与噪声在小波域中能量分布的差异性，提取有效语音并抑制噪声干扰，旨在提升语音的清晰度和信诺比。

功能特性

1. 灵活的信号适配：支持MATLAB内置语音信号读取，并具备合成语音生成功能，用于在缺乏外部文件时进行算法演示。
2. 多尺度小波分解：采用多层离散小波分解架构（默认5层），支持多种小波基（如dbN、symN等）的动态配置。
3. 智能阈值计算：系统集成VisuShrink准则，通过第一层细节系数自动估计噪声标准差，并计算全局统一阈值。
4. 双模阈值处理：提供硬阈值（Hard Thresholding）与软阈值（Soft Thresholding）两种处理模式，满足不同场景下的去噪需求。
5. 全方位评估体系：内置客观质量评价模块，自动计算输入信噪比（SNR）、输出信噪比及均方误差（MSE）。
6. 可视化分析：系统生成时域波形对比图及基于功率谱密度（PSD）的频域分析图，直观展示去噪效果。
7. 音频自动化存储：处理后的纯净音频会自动进行归一化处理并导出为标准波形文件。

系统要求

1. 软件环境：MATLAB R2016a 或更高版本。
2. 必备工具箱：Wavelet Toolbox（小波工具箱）、Signal Processing Toolbox（信号处理工具箱）。
3. 硬件能力：标准声卡（用于音频播放）及基础运算配置。

实现逻辑说明

系统的核心执行流程严格遵循以下技术步骤：

1. 环境与参数初始化：

系统首先清理工作区，设置包括小波基名称（db8）、分解层数（5层）、阈值类型（软阈值）以及模拟噪声功率（10dB）在内的关键参数。

1. 信号获取与预处理：

系统优先尝试加载内置语音数据，若不可用则通过正弦谐波合成模拟语音。随后，系统强制将信号转换为列向量格式，并根据设定的目标信噪比，向原始信号中注入人为产生的加性高斯白噪声。

1. 多层小波分解：

利用wavedec函数对含噪信号进行多尺度分解，获得一个包含近似系数和各层细节系数的综合向量，并记录各层系数的长度结构。

1. 稳健阈值估计与处理：

系统提取第一层分解得到的细节系数，利用中值绝对偏差（MAD）方法稳健地估计噪声的标准差 sigma。基于该估计值，结合信号总长度计算通用阈值（Universal Threshold）。随后，循环遍历每一层细节系数：

• 硬阈值模式：将绝对值小于阈值的系统直接置零。
• 软阈值模式：对大于阈值的系数进行收缩处理，减小其绝对值，使信号过渡更平滑。

1. 信号重构：

通过waverec函数，利用处理后的各层小波系数和原始近似系数，通过逆变换还原出时域语音信号。

1. 性能度量与数据收尾：

系统自动计算去噪前后的各项客观指标。同时，通过pwelch法计算信号的功率谱，对比原始、含噪及去噪信号在频率分布上的差异。最后，系统会将去噪后的信号进行幅值归一化处理，防止音频溢出，并将其写入磁盘文件。

关键算法与细节分析

1. 离散小波基（Wname）：系统默认使用db8小波，其具有较好的紧支撑性和正则性，适合处理语音平滑信号。
2. 噪声估计准则：sigma = median(abs(cd1)) / 0.6745 是VisuShrink的核心，它假设小波系数的细节成员在最高频率处主要由噪声组成，这种估计方法比直接计算标准差对信号异常值更具鲁棒性。
3. 功率谱分析：相比于纯时域观察，系统引入了功率谱密度对比，这能有效地揭示系统在滤除高频随机噪声时对语音共振峰能量的保护情况。
4. 归一化输出：在audiowrite操作前进行 x / max(abs(x)) 处理，保证了输出音频的动态范围处于安全区间，避免了数字化音频常见的削波失真。