HHT变换下语音去噪新方法：超越小波阈值法

本文主要探讨了一种基于Hilbert-Huang Transform (HHT) 的语音去噪方法，由西安电子科技大学的张维强、徐晨和深圳大学的宋国乡共同研究。HHT是一种时频分析工具，特别适用于非平稳信号处理，如语音信号，因为其能够捕捉信号的内在结构和频率变化。 该方法首先对含有噪声的语音信号进行Empirical Mode Decomposition (EMD) 或经验模态分解，这是一种将复杂信号分解成一组固有模态函数（IMF）的过程。通过EMD，原始信号被分割成不同阶的IMF分量，其中高频IMF通常包含更多的噪声信息。 接着，针对高频IMF分量，研究者采用小波域的阈值方法进行去噪。这种方法利用小波分析的局部化特性，根据信号的统计特性设置阈值，对高频噪声成分进行有效抑制，同时保留信号的细节特征。 然后，去噪后的高频IMF与保留的低频IMF进行叠加，重构得到去噪后的信号。这种处理方式旨在恢复信号的完整性，减少噪声对语音质量的影响。 通过仿真实验，研究结果显示基于HHT的去噪方法相较于小波软阈值法和硬阈值法具有更好的性能。HHT在处理非平稳信号，如语音信号，时展现出明显的优越性，能够更精确地分离信号和噪声，从而提高语音信号的质量和可理解性。 本文的关键词包括Hilbert-Huang变换、经验模态分解、语音信号、固有模态函数以及去噪技术，这表明作者的研究集中在这些关键领域，旨在为图像处理领域的同行提供有效的信号处理策略。 这篇文章深入介绍了如何利用HHT这一先进的信号处理工具在语音去噪问题上的应用，并展示了其在实际应用中的优势，对于从事音频信号处理或噪声抑制研究的人来说，具有很高的参考价值。