Hilbert-huang变换在信号处理中的应用研究

Hilbert-huang变换在信号处理中的应用研究第1页Hilbert-huang变换在信号处理中的应用研究摘要随着现代科学技术的蓬勃发展，数字语音信号处理作为一个跨学科、综合性的研究领域已成为当今的一个研究热点。经研究表明，语音信号是一个复杂的非线性、非平稳随机过程，这使得基于线性平稳线性系统理论发展起来的传统语音信号处理技术性能难以进一步提高。近年来发展起来并逐步完善的非线性、非平稳信号处理方法为语音信号处理技术的发展带来了新的生机。实际中，语音常常受到环境噪声的干扰而使通话质量下降，使得语音处理系统不能正常工作。在这种情况下，必须采用信号处理方法进行语音的检测和语音增强，抑制背景噪声，以提高语音通信质量。语音增强不仅可以提高语音的清晰度，改善听觉质量，而且在许多语音编码和识别系统中，通过增强处理可以大大改善系统在含噪条件下的性能。语音增强是语音信号处理的一个重要分支，该技术已广泛应用于无线电话、电话会议、场景录音和军事窃听等领域。语音检测和增强技术无论在日常生活中，还是在军事领域，或者对语音信号处理技术都很有应用价值。关键词：经验模态分解；Hilbert—Huang变换；语音检测；语音增强Hilbert-huang变换在信号处理中的应用研究第2页AbstractWiththevigorousdevelopmentofmodernscienceandtechnology,digitalvoicesignalprocessingasaninterdisciplinary,comprehensivefieldofstudyhasbecomeahotspotofresearchtoday.Thestudyshowedthatspeechsignalisacomplexnonlinearandnon-stationaryrandomprocess,thismakesbasedonlinearsmoothlinearsystemtheorydevelopedspeechsignalprocessingtechnologyoftraditionaltofurtherimprovetheperformance.Developedinrecentyearstothenonlinearandgraduallyimprovethenon-stationarysignalprocessingmethod,inspeechsignalprocessingtechnologydevelopmentbringsnewvitality.Theactualspeechoftenaffectedbyenvironmentalnoiseinterferenceandmakecallsthequalitydescend,makesthespeechprocessingsystemdidn'tworkproperly.Inthiscase,mustusesignalprocessingmethodforvoicedetectionandspeechenhancement,inhibitingthebackgroundnoise,inordertoimprovethequalityofspeechcommunication.Speechenhancementcannotonlyimprovetheclarityofthehearing,speechtoimprovethequality,andisinmanyspeechcodingandrecognitionsystem,throughincreasedhandlingcanbegreatlyimprovedsystemintheperformanceundertheconditionwithnoise.Speechenhancementofthespeechsignalprocessingisanimportantbranch,thistechniquehasbeenwidelyusedinwirelesstelephone,conferencecalls,scenerecordingandmilitaryeavesdropping,etc.Voicedetectionandenhancementtechnologybothindailylife,orinthemilitaryfield,ortothespeechsignalprocessingtechniquesareappliedvalue.Keywords:empiricalmodedecomposition;Midlandstransform;Hilbert--Voicedetection;SpeechenhancementHilbert-huang变换在信号处理中的应用研究第3页引言HHTL是一种独特的完全自适应时频分析方法，它既适合于非线性、非平稳信号的分析，也适合于线性、平稳信号的分析，并且对于线性、平稳信号的分析比其他的时频分析方法更好地反映了信号的物理意义。以一种全新的非线性信号分析方法——Hilbert-Huang变换(Hilbert-Huangtransform，HHT)为基础，将其应用于电力系统暂态信号方面的研究。该方法利用经验模态分解法EMD(empiricalmodedecomposition)将暂态信号分解成有限个固有模式函数IMF(intrinsicmodefunction)，从而根据Hilbert变换求出每一个固有模式函数瞬时频率和瞬时幅值，对电力系统暂态信号进行分析。仿真和实例分析结果均表明，该方法具有很强的自适应能力，应用于电力系统暂态信号分析方面具有可行性、有效性。Hilbert-Huang变换,它以瞬时频率为基本量，以固有模态信号为基本信号，与以往的时频分析方法相比有明显的区别。希尔伯特一黄变换(HHT)是1998年由NASA的NorenEHuang等人提出,作为一个崭新的时频分析方法,能够进行非线性、非平稳信号的线性化和平稳化处理,被认为是近年来对以傅立叶变换为基础的线性和稳态谱分析的一个重大突破。已在海洋工程、地震工程、土木工程损伤识别等领域得以成功的应用。以一种全新的非线性信号分析方法——Hilbert—Huang变换(Hilbert—Huangtransform，HHT)为基础，将其应用于变换在信号处理方面的研究。该方法利用经验模态分解法EMD(empiricalmodedecomposition)将暂态信号分解成有限个固有模式函数IMF(intrinsicmodefunction)，从而根据Hilbert变换求出每一个固有模式函数瞬时频率和瞬时幅值，对电力系统暂态信号进行分析。仿真和实例分析结果均表明，该方法具有很强的自适应能力，应用于变换在信号处理暂态信号分析方面具有可行性、有效性。一、绪论本课题研究的目的是Hilbert—Huang变换在信号处理中的应用研究。本课题的研究无论在军用还是在民用方面都有着重要的意义。在军用上，如何有效地截获对方的信息和高效地传输信息是电子战和电子对抗的一个重要组成部分。在民用上随着移动通信的普及必然对传输信道的质量、效率和容量提出更高的要求。随着现代科学的蓬勃发展，人类社会愈来愈显示出信息社会的特点。通信或信息交换己成为人类社会存在的必要条件，正如衣食住行对人类是必要的一样。语音Hilbert-huang变换在信号处理中的应用研究第4页作为语言的声学表现，是人类交流信息最自然、最有效、最方便的手段之一，是人们最重要的交际工具。然而，人们在语音通信过程中不可避免地会受到来自周围环境和传输媒介引入的噪声、通信设备内部电噪声、乃至其他讲话者的干扰。这些干扰最终将使接收者接收到的语音是被噪声污染过的语音。例如，汽车、街道、机场中的电话，常受到强背景噪声的干扰，严重影响通话质量。而且环境噪声的污染使得许多语音处理系统的性能急剧恶化。语音识别虽然已取得重大进展，正步入实用阶段。但目前的语音识别系统大都是在安静环境中工作的，在噪声环境中尤其是强噪声环境，语音识别系统的识别率受到严重影响。低速率语音编码，特别是参数编码，也遇到类似问题。由于语音生成模型是低速率编码的基础，当模型参数的提取受到混杂在语音中背景噪声严重干扰时，重建语音的质量将急剧恶化，甚至变得完全不可懂。在上述情况下，必须加入语音检测和语音增强系统，以提高语音通信质量，或者作为预处理器，以提高语音处理系统的抗干扰能力，维持系统性能。因此，研究语音检测和语音增强技术在实际中有重要价值。目前，语音检测和语音增强已在语音处理系统、通信、多媒体技术、数字化家电等领域得到了越来越广泛的应用。如何在复杂声学环境中准确地检测出语音信号，并实现语音的增强，目前仍是一个很有挑战性的课题。因为语音信号是非线性、非平稳的复杂的随机信号，而本课题面对的是(尤其是短波信道)很难预测的随机复杂噪声，这就给语音的检测和增强造成了更大的困难。新的问题呼唤新的理论，希尔伯特一黄变换(Hilbert—HuangTransform，HHT)是上世纪末Huang等人首次提出的一种新的信号分析理论。它的主要创新是固有模态(IntrinsicModeFunction，IMF)概念的提出和经验筛法(EmpiricalModeDecomposition，EMD)的引入。通过EMD将信号分解成IMF，一般为有限数目的。对每个IMF进行Hiibert变换就可以获得有意义的瞬时频率从而给出频率变化的精确表达。信号最终可以被表示为时频平面上的能量分布，称为Hiibert谱。进而还可以得到信号的边际谱。HIIT是基于信号局部特征的和自适应的，因而是高效的，它特别适用于分析大量频率随时间变化的非线性、非平稳信号。但HHT的第一篇公开文献直到1998年才发表，因而这一理论出现的时间还很短暂其完善和发展还有诸多工作要做，HHT是现阶段一个全新的研究课题。HHT信号分析具有重要的理论价值和广阔的应用前景已Hilbert-huang变换在信号处理中的应用研究第5页在一些实际工程领域中获得了有效地应用。本课题的主要研究目的是，深入研究HIIT变换理论，对其中的算法做进一步的改进。并将此理论引入到话带信号分析中来，为语音信号处理提供新的手段和方法。为噪声环境中的语音信号检测和增强开辟新的有效途径。二、Hilbert-huang变换及信号处理算法(一)Hilbert-huang语音检测语音流检测对于语音信号的编码和识别都有很重要的意义。在不同的场合对于检测有不同的称呼，对于不同的应用有不同的算法。在语音识别中准确的端点检测可以大大地提高识别率。在语音传输中，语音检测可以实现对信号的多速率编码，减少信道的负载。在语音截收中可极大地减少话务处理量。在语音增强中可以实现自适应的语音增强。(二)、语音识别中的端点检测在语音识别系统中将语音检测称为语音端点检测(EndPointDetection：EPD)。它需要准确地找出语音的起始和终止点的位置。总体上来讲语音识别中的端点检测方法大致有模型匹配法和门限法两大类。1)模型匹配方法Mel倒谱系数(MFCC)是语音识别器常用的特征，是受人的听觉系统研究成果推动而导出的声学特征。文献[1]用MFCC作为分类特征来建立噪声模型，计算每帧信号对噪声模型的似然得分，将得分与门限比较，把每帧信号初步分为语音和噪声，最后有一个根据多帧信号的分类情况平滑和判断的过程。整个过程分三步：训练、检测和自适应。其中，训练是指估计噪声模型的参数，每个特征分量为单高斯建模。自适应是为了解决训练环境和测试环境的不匹配，动态调整模型的参数。实验结果指出在强噪声环境下，该方法优于全能量和基频方法。文献[2]将LDA(1inearDiscriminantAnalysis)用于MFCC，使得MFCC如同一个单系数用于端点检测。LDA的目的在于对于端点检测的分类问题，找到一个线性函数来最大化类间差异，最小化类内差异。经LDA线性变换的MFCC特征结合能量特征获得好于能量方法的效果，尤