基于小波變換的電子音樂信號降噪算法

周玉花 劉勇飛

摘 要：?電子音樂信號受到多種因素的影響，包含了大量的噪聲，直接影響電子音樂信號的后續處理。為了提高電子音樂信號質量，改善信號的信噪比，針對當前電子音樂信號降噪算法存在的局限性，設計了一種基于小波變換的電子音樂信號降噪算法。首先分析電子音樂信號降噪的研究現狀，指出各種電子音樂信號降噪算法的弊端，然后采集電子音樂信號;對其進行截尾操作，提取最有效的電子音樂信號，最后引入小波變換對電子音樂信號進行多尺度分解和重構操作，過濾掉電子音樂信號中的噪聲。并采用Matlab 2018編程實現電子音樂信號降噪仿真實驗。結果表明，小波變換克服了當前電子音樂信號降噪算法的不足，電子音樂信號降噪的精度高，能夠有效識別噪聲，使得降噪后的電子音樂信號具有更高的信噪比。

關鍵詞：?電子音樂; 信號質量; 仿真實驗; 噪聲過濾; 信號信噪比

中圖分類號： TP 391? ? ? 文獻標志碼： A

Denoising Algorithm of Electronic Music Signal Based on Wavelet Transform

ZHOU Yuhua1， LIU Yongfei2

（1. Ministry of Basic and Quality Education， Qinghai College of Architectural Technology， Qinghai Xining 810012， China;

2. The Computer College， Qinghai Normal University， Xining， Qinghai 810012， China）

Abstract：

Electronic music signal is affected by many factors， including lots noises， which directly affects the follow-up processing of electronic music signal. In order to improve the quality of electronic music signal and reduce the signal-to-noise ratio， aiming at the limitations of current electronic music signal denoising algorithm， a denoising algorithm based on wavelet transform is designed. Firstly， the electronic music signal is analyzed. The research status of music signal noise reduction is summarized， the disadvantages of various electronic music signal noise reduction algorithms are pointed out， then electronic music signals are collected and their tails are truncated， the most effective electronic music signals are then extracted， finally wavelet transform is introduced to carry out multi-scale decomposition and reconstruction of electronic music signals， and filter out the noise in electronic music signals. Matlab 2018 is used to complete electronic music signal noise reduction simulation experiments. The results show that the wavelet transform overcomes the shortcomings of the current electronic music signal denoising algorithms. The electronic music signal denoising accuracy is high. It can identify noise， the electronic music signal after denoising has a higher signal-to-noise ratio.

Key words：

electronic music; signal quality; simulation experiment; noise filtering; signal to noise ratio

0 引言

隨著信息技術和多媒體技術不斷發展，兩者不斷的融合，很多音樂創作人通過計算機進行音樂合成，產生了大量的電子音樂。在電子音樂合成和傳輸過程中，由于外界環境和其它因素的綜合作用，電子音樂信號中可能包含有一些噪聲，這些噪聲會對電子音樂信號進行污染，導致電子音樂信號質量下降，嚴重時，得到電子音樂信號無法描述實際音樂表示的內容，因此需要對電子音樂信號進行降噪處理研究，還原真實的電子音樂信號具有十分重要的實際意義[1-3]。

近幾年來，國內外的一些電子音樂合成研究機構對電子音樂降噪高度重視，當前電子音樂信號降噪技術劃分為兩大類：一類是基于硬件技術的電子音樂信號降噪方法，另一類是基于軟件技術的電子音樂信號降噪方法[4]。硬件技術的電子音樂信號降噪效果很好，但是由于其要求一定的輔助設備，不僅增加了電子音樂信號降噪的成本，而且對操作人員的專業程度相當高，因此通用性比較差[5];相對于硬件技術，軟件技術的電子音樂信號降噪成本更加便宜，可以對各種類型的噪聲進行過濾操作，成為當前電子音樂信號降噪的主要研究方向[6-8]。軟件技術的電子音樂信號降噪方法又可劃分為兩種類型：基于空間域和基于變換域的電子音樂信號降噪算法，空間域的電子音樂信號降噪算法可以直接對噪聲進行處理，十分容易去除一些重要、有用的信號，導致去噪后的電子音樂信號不完整，實際應用范圍比較窄;變換域算法主要有傅里葉變換的電子音樂信號降噪算法，其對電子音樂信號進行適當變換，然后在變換的空間進行去噪，但是存在去噪精度低等弊端[9-10]。

為了提高電子音樂信號質量，改善信號的信噪比，針對當前電子音樂信號降噪算法存在的局限性，設計了一種基于小波變換的電子音樂信號降噪算法，采用Matlab 2018編程實現電子音樂信號降噪仿真實驗。結果表明，小波變換的電子音樂信號降噪精度高，獲得了理想的電子音樂信號。

1 傳統的電子音樂信號降噪算法以及不足

基于熱傳導方程，Fourier提出了傅里葉變換算法，其是一種很好的信號分析工具，其具有正變換和逆變換兩種形式，如式（1）、式（2）所示。

傅里葉變換將原始電子音樂信號看作是一些不同大小頻率、振幅的電子音樂信號累加形成，通過振幅較大的分量來分析相對應的頻率信號，由于噪聲信號具有一定的周期性變化特點，因此可以過濾掉電子音樂信號中的噪聲。對于變化比較平穩和確定的電子音樂信號，傅里葉變換可以對變化特點進行精確的刻畫，但是對于非平衡和隨機變化的電子音樂信號，傅里葉變換缺陷就體現出來，其只能從整體上分析電子音樂信號，無法從局部上描述電子音樂信號的特性，這樣噪聲比較復雜的電子音樂信號，噪聲無法有效去除，為此有學者提出了短時傅立葉變換。短時傅立葉變換通過加窗操作可以對電子音樂信號實現局部化處理。

時變電子音樂信號x（t）與有限時窗信號ω（t）進行乘積運算，稱之為傅立葉變換，在一定窗口內，時變電子音樂信號是平衡的，如式（3）所示。

短時傅立葉變換一定程度中克服了傳統傅立葉變換存在的不足，但是當電子音樂信號隨機變化比較劇烈時，其適應能力差，噪聲經常出現欠去除現象，降低了電子音樂信號的質量。

2 小波變換的電子音樂信號降噪算法

2.1 小波變換

2.2 小波變換的電子音樂信號降噪步驟

Step1：采集電子音樂信號，對其進行截尾操作，提取最有效的電子音樂信號。

Step2：對原始電子音樂信號進行一定的處理，使其能夠滿足小波變換處理的要求。

Step3：采用小波變換對電子音樂信號進行多尺度分解，得到一系列不同頻率的電子音樂信號分量，從而得到相對應的小波系數。

Step4：分析有用的電子音樂信號和噪聲在頻率系數尺度的分布特征，本文采用閾值方法對高頻小波系數置零，由于噪聲與高頻小波系數相對應，低頻小波系數保留。

Step5：將保留后的小波頻率系數進行重構，得以受噪聲污染的電子音樂信號。

綜合上述可知，小波變換的電子音樂信號降噪原理，如圖1所示。

電子音樂信號降噪過程中的小波閾值函數選取十分關鍵，當前有兩種小波閾值函數：硬閾值和軟閾值，它們分別定義如式（10）、式（11）所示。

式中，ω表示電子音樂信號分解后的小波系數，ωλ表示進行閾值處理后的電子音樂信號的小波系數，λ表示去噪的閾值，其取值方式如式（12）所示。

式中，σn與L分別為噪聲標準差和小波系數總數。

3 電子音樂信號降噪算法的性能測試

3.1 實驗對象

為了分析小波變換的電子音樂信號降噪性能，采用Matlab 2018編寫電子音樂信號降噪程序，并采用一段電子音樂信號作為測試實驗對象，其變化曲線如圖2（a）所示。加入一定的噪聲后，電子音樂信號變化曲線如圖2（b）所示。

3.2 降噪效果的主觀分析

選擇傅里葉變換的電子音樂信號降噪算法和文獻[10]的電子音樂信號降噪算法在相同的實際環境下，對于圖2的含噪電子音樂信號進行降噪仿真實驗，得到的結果如圖3所示。

對圖3的電子音樂信號降噪效果進行對比和分析可以發現，對比算法的電子音樂信號降噪效果差，噪聲去除不干凈，去噪后的電子音樂信號失真效果比較嚴重，一些有用的信號被誤作噪聲去除掉了，而小波變換的電子音樂信號降噪后，與原始信號的變化曲線擬合精度相當高，能夠有效過濾掉電子音樂信號中的噪聲，獲得了理想的降噪效果，體現了小波變換在降噪過程中的優勢。

3.3 降噪效果的客觀分析

為了對電子音樂信號降噪效果進行更加精確分析，采用信噪比對降噪后的電子音樂信號進行評價，信噪比的計算式如式（13）—（15）所示。

式中，f（n）和N（n）分別表示有用的電子音樂信號和噪聲。

選取10種類型的電子音樂信號作為研究對象，分別給它們加入不同程度的噪聲，采用三種算法分別對10種含有噪聲的電子音樂信號進行降噪處理，統計它們降噪后的電子音樂信號信噪比，結果如表1所示。

對表1的電子音樂信號信噪比進行分析可以知道，小波變換的電子音樂信號降噪后信噪比要遠遠高于傅里葉變換和文獻[10]的降噪算法，改善了電子音樂信號質量。

4 總結

針對傳統電子音樂信號降噪算法存在的降噪精度低，噪聲殘留大的缺陷，為了獲得干凈的電子音樂信號，設計了小波變換的電子音樂信號降噪算法，仿真測試結果表明，對于不同類型的噪聲，小波變換均可以有效識別，對它們進行高精度的去除，不僅電子音樂信號信噪比高，而且降噪效果要明顯優于當前其它電子音樂信號降噪算法，具有十分廣泛的應用前景。

參考文獻

[1] 劉天華. 基于多特征融合和神經網絡的電子音樂分類模型[J].現代電子技術， 2018， 41（19）： 173-176.

[2] 周婧，范凌云. 基于最小二乘支持向量機的電子音樂識別研究[J].現代電子技術， 2018， 41（9）： 109-112.

[3] 廖逢釵，李鵬，徐波. 音樂噪聲環境下的雙聲道語音活動檢測[J].信號處理， 2009， 25（11）： 1820-1824.

[4] 鄧高峰，葉金才，王國富， 等. 基于蜂群算法和新閾值函數的信號降噪算法[J]. 計算機應用研究， 2019，36（10）：2974-2976.

[5] 孔薇，楊杰，周越. 基于獨立成分分析的強背景噪聲降噪方法[J].上海交通大學學報， 2004（12）： 1957-1961.

[6] 劉迪，關欣，李鏘，等. 基于魯棒主成分分析的音樂信號降噪[J].計算機工程， 2016， 42（9）： 292-296.

[7] 楊璐，李醒飛，紀越，等. 基于EMD-DFA-NLM的電渦流傳感器信號降噪方法[J].傳感技術學報， 2019， 32（9）：1318-1323.

[8] 李占輝，劉曉強，李柏巖. 小波域降噪方法及其在歷史音頻保護中的應用[J].噪聲與振動控制， 2010， 30（4）：68-71.

[9] 朱文斌，雷秉山，雷志勇.基于小波變換的紅外探測系統信號降噪[J].紅外技術， 2018， 40（11）： 1047-1051.

[10] 陳光武，劉孝博，王迪，等. 基于改進小波變換的MEMS陀螺信號降噪算法[J].電子與信息學報， 2019，41（5）：1025-1031.

（收稿日期： 2019.07.23）