کاهش نویز صوتی از سیگنال‌های صوتی و سیگنال‌های گفتاری

سیده ملیحه حسنی حسن کلا¹

1) استادیار گروه مهندسی برق و کامپیوتر، واحد بابل،دانشگاه آزاد اسلامی،بابل،ایران

کد IOI مقاله : ACCA-ACAZBG
محل انتشار : چهارمین کنگره بین المللی علوم، مهندسی و فن آوری های نو(secongress.com)
چکیده :
    تحلیل سیگنال گفتار یکی از حوزه‌های مهم تحقیق در کاربردهای چندرسانه‌ای است. تکنیک موجک گسسته به طور مؤثر اجزای فرکانسی مرتبه بالاتر یا پایین‌تر ناخواسته را در سیگنال گفتار کاهش می‌دهد. الگوریتم مبتنی بر موجک برای نویززدایی صدا توسعه داده شده است. ما بر روی سیگنال‌های صوتی خراب شده با نویز سفید گاوسی تمرکز کردیم که حذف آن به دلیل قرار گرفتن در همه فرکانس‌ها بسیار دشوار است. ما از تبدیل موجک گسسته (DWT) برای تبدیل سیگنال صوتی نویزدار در حوزه موجک استفاده می‌کنیم. فرض بر این است که ضرایب DWT با دامنه بالا نشان دهنده سیگنال و ضرایب دامنه پایین نشان دهنده نویز هستند. با استفاده از آستانه‌گذاری ضرایب و تبدیل آنها به حوزه زمان، می‌توان سیگنال صوتی با نویز کمتر دریافت کرد. کار ما با تغییر آستانه‌گذاری کلی ضرایب اصلاح شده است که منجر به سیگنال صوتی بهتری می‌شود. در این روش، پارامترهای مختلفی مانند SNR، زمان سپری شده و مقدار آستانه در انواع مختلف تکنیک‌های موجک مانند Coiflet، Daubechies، Symlet و غیره مورد تجزیه و تحلیل قرار می‌گیرد. در همه این موارد، Daubechies در مقایسه با SNR برای حذف نویز بیشتر و زمان سپری شده برای آستانه‌گذاری نرم کمتر از سایرین است. در استفاده از آستانه‌گذاری سخت، موجک Symlet نیز بهتر از Coiflet عمل می‌کند و Daubechies برای همه بهترین است. راندمان برای حذف نویز سیگنال‌های صوتی ۹۸.۳ است که نتایج بهتری نسبت به فیلترهای مختلف به ما می‌دهد.

کلمات کلیدی : فیلترهای موجک تبدیل موجک گسسته سیگنال صوتی حذف نویز سیگنال‌های صوتی