杨天晴 杨静宗 付 蕊 吴丽玫

（保山学院信息学院，云南 保山 678000）

在我们生活的环境中，噪声无处不在。一方面，由于受噪声和干扰的污染，导致由采样信号辨识得到的系统模型存在偏差妨碍了系统控制精度的提高[1]。另一方面，含噪信号对我们的工作和生活造成了很多负面影响。语音信号降噪的实现将会提高办公效率，为我们进行信息交流营造一个舒适的听觉环境。在语音信号降噪领域中，传统的方法有滤波器法、小波变换法、小波阈值法[2−4]，其中，韩长军[2]运用IIR和IFR两种滤波器对语音信号进行降噪，该方法能够实现对夹杂噪声的语音信号进行有效成分的提取，但是只能提取微弱语音信号，语音信号和噪声信号频谱分析要求高工作量大，且降噪效果不明显。唐玲和程建[3]采用小波分析对语音信号进行特征提取，选取适当的小波算法进行语音信号降噪，该方法能够消除一些噪声，但效果不是太明显。自1995年D.L.Donoho[4]提出小波阈值降噪方法后，很多学者就把该方法应用到语音信号的降噪中去，结果表明小波阈值法和以上两种方法降噪相比，降噪效果提高了许多。但是，这种传统的方法，阈值单一，在降噪声的同时，造成语音信号失真且信号容易震荡，降噪效果并不是最优的。除此之外，小波基的合理选取、层数的划分、阈值的估计等问题一直是一个难点。于是，张雪等采用EEMD联合能量熵及小波阈值的语音降噪方法[5]，该方法从根本上克服了小波分解中需要预先设定小波基和分解层数的问题，也达成了良好的抑制噪声目的，但信号容易失真。……