基于人耳特性的小波包语音增强算法性能优化

本篇硕士论文主要探讨的是"基于小波包变换的语音增强算法研究"。作者王文良在天津大学信号与信息处理专业攻读硕士学位，其导师为郭继昌教授。论文背景指出，在实际的语音信号处理过程中，由于环境噪声的存在，语音质量往往会受到影响，因此语音增强技术显得尤为重要，其目标是从混有噪声的语音中恢复出清晰的原始语音。 小波理论作为一项强大的时频分析工具，对于处理非平稳信号如语音信号具有显著优势。传统的语音增强方法通常采用小波阈值去噪，这一过程基于小波变换将信号从时域转换到小波域的特性。信号的小波系数往往集中在特定区域，而噪声则分布较广。利用这一特性，即使信噪比较低，仍能通过设置适当的阈值函数来区分信号和噪声，然后仅保留信号的小波系数进行重构，从而实现去噪。 然而，论文作者并未止步于传统的阈值方法，而是提出了一个基于人耳听觉特性的改进版小波包变换语音增强算法。通过使用Bark尺度的小波包变换，这一方法更贴近人类听觉系统的感知方式。作者针对传统软阈值和硬阈值函数的不足，经过大量实验仿真，设计了一种新的阈值函数，实验证明了这种新函数在增强效果上相较于传统方法有所提升。 论文采用Matlab软件平台进行算法的实现，并进行了详尽的仿真测试。结果显示，提出的基于人耳听觉特性的小波包变换语音增强算法在主观和客观评估指标上均表现出良好的性能，有效地提高了语音信号的质量，对于实际应用中的噪声抑制具有很高的实用价值。 关键词包括：语音增强、小波包变换、人耳听觉特性、阈值函数。这篇研究不仅深化了对小波理论在语音处理中的应用理解，也为提高语音信号处理的精度和用户体验提供了新的可能性。