一种音频数据优化降噪方法及系统与流程

本发明涉及数据处理，具体涉及一种音频数据优化降噪方法及系统。

背景技术：

1、音频是指声音的机械波或电磁波的表示，它可以被人类耳朵或类似的听觉设备所感知。其频率范围约在20赫兹（hz）到20,000赫兹（20千赫兹，khz）之间。在信息技术领域，音频通常表示为模拟信号或数字信号，其存储和播放则是通过数字信号和模拟信号之间相互转换的。音频设备通过将存储的数字信号转换为模拟信号进行输出的时候，其设备可能受到电流和电磁干扰导致声音在转换时存在一些噪声影响原有信号的高质量输出，需要对噪声信号进行去除。

2、在现有技术中，在对含有噪声的音频信号进行去噪时，可以将含有噪声的音频信号通过emd算法对其进行分解，由于其不依赖信号的具体特征等优点将混合的原始信号进行自适应地分解为多个分量信号，然后对多个分量信号进行分析，并对噪声进行去除。但是在对原始音频信号进行分解时，容易发生模态混合问题，模态混叠指的是在emd分解过程中，不同本征模式之间的相互干扰和相互耦合。这可能导致最终的本征模式包含来自原始信号不同部分的信息，使得每个本征模式难以单独解释和处理。

技术实现思路

1、为了解决上述问题，本发明一种音频数据优化降噪方法及系统。

2、本发明的一种音频数据优化降噪方法采用如下技术方案：

3、本发明一个实施例提供了一种音频数据优化降噪方法，该方法包括以下步骤：

4、采集音频信号，记为原始音频信号；

5、获得原始音频信号的所有极值点，根据每个极值点局部范围中数据点的幅值变化获得每个极值点的局部特征值；根据每个极值点与相邻极值点的局部特征差异获得目标极值点；根据获得的目标极值点对原始音频信号进行分解，获得原始音频信号进行极值点筛选后的各分量信号，记为第一组信号；对原始音频信号进行分解，得到的分量信号记为第二组信号；获得第一组信号与第二组信号中各分量信号的波动程度；根据第一组信号与第二组信号中各分量信号波动程度的差异获得第二组信号中各分量信号的小波阈值；

6、根据获得的小波阈值对第二组信号中各分量信号进行去噪，获得第二组信号的去噪分量信号，将第二组信号的去噪分量信号进行重构，获得去噪后的音频信号。

7、进一步的，所述获得原始音频信号的所有极值点，根据每个极值点局部范围中数据点的幅值变化获得每个极值点的局部特征值，包括的具体步骤如下：

8、

9、式中，表示第个极大值点的局部特征值，表示第个极大值点的局部范围内第个数据点的幅值，表示第个极大值点的局部范围内第个数据点的幅值，表示第个极大值点的局部范围内所包含的数据点的数量，表示第个极大值点的幅值，表示第个极大值点左侧极小值点的幅值，表示第个极大值点右侧极小值点的幅值。

10、进一步的，所述根据每个极值点与相邻极值点的局部特征差异获得目标极值点，包括的具体步骤如下：

11、将任意一个极值点记为参考极值点，根据参考极值点与左右相邻极值点的局部特征值的差异获得参考极值点作为目标极值点的可能程度，根据参考极值点作为目标极值点的可能程度获得参考极值点的权重，根据参考极值点的权重得到目标极值点。

12、进一步的，所述根据参考极值点与左右相邻极值点的局部特征值的差异获得参考极值点作为目标极值点的可能程度，根据参考极值点作为目标极值点的可能程度获得参考极值点的权重，根据参考极值点的权重得到目标极值点，包括的具体步骤如下：

13、

14、式（1）中，表示第个参考极值点作为目标极值点的可能程度，表示第个参考极值点的局部特征值，表示参考极值点左侧的极值点的局部特征值，表示参考极值点右侧极值点的局部特征值；

15、式（2）中，表示第个参考极值点的权重，表示极值点的个数；

16、预设阈值，当参考极值点的权重大于时，该参考极值点为目标极值点；当参考极值点的权重小于等于时，该参考极值点不为目标极值点。

17、进一步的，第一组信号和第二组信号的具体获取方法如下：

18、根据获得的原始音频信号的目标极值点，构建原始音频信号的上下包络线，依据上下包络线使用emd算法对原始音频信号进行分解，获得原始音频信号的imf1分量信号和第一残差信号l1；获得第一残差信号l1的目标极值点，构建第一残差信号l1的上下包络线，依据第一残差信号l1的上下包络线使用emd算法对第一残差信号l1进行分解，获得原始音频信号的imf2分量信号和第二残差信号l2；依次类推直至获得所有imf分量信号，得到的分量信号记为第一组信号；

19、根据获得的原始音频信号的所有极值点，构建原始音频信号的上下包络线，依据原始音频信号的上下包络线使用emd算法对原始音频信号进行分解，获得原始音频信号的imf1分量信号和第一残差信号f1；然后获得第一残差信号f1的所有极值点，构建第一残差信号f1的上下包络线，依据上下包络线使用emd算法对第一残差信号f1进行分解，获得原始音频信号的imf2分量信号和第二残差信号f2；依次类推直至获得所有imf分量信号，得到的分量信号记为第二组信号。

20、进一步的，所述获得第一组信号与第二组信号中各分量信号的波动程度，包括的具体步骤如下：

21、对于第一组信号或第二组信号中第个分量信号，该分量信号的波动程度的计算公式为：

22、

23、式中，表示第个分量信号的波动程度，表示第个分量信号中第个数据点的幅值，表示第个分量信号的平均幅值，表示第个分量信号中第个极值点与第个极值点之间的欧式距离，表示第个分量信号中数据点的数量，表示第个分量信号中极值点的数量，表示以自然常数为底的指数函数。

24、进一步的，所述根据第一组信号与第二组信号中各分量信号波动程度的差异获得第二组信号中各分量信号的小波阈值，包括的具体步骤如下：

25、将第二组信号中任意一个分量信号，记为目标信号；计算目标信号分别与第一组信号中所有分量信号的波动程度的差值，将所述差值的绝对值中的最小值，记为最小波动差异；

26、将最小波动差异对应的第一组信号中的分量信号，记为参考信号；获得目标信号和参考信号的相似性；

27、根据最小波动差异与目标信号和参考信号的相似性获得目标信号的小波阈值。

28、进一步的，所述根据最小波动差异与目标信号和参考信号的相似性获得目标信号的小波阈值，包括的具体步骤如下：

29、

30、式中，表示第个目标信号的小波阈值，表示预设的小波超参数，表示第一组信号中第个分量信号的波动程度，表示第个目标信号的波动程度，表示目标信号和参考信号的相似性，表示最小值，为线性归一化函数。

31、进一步的，所述根据获得的小波阈值对第二组信号中各分量信号进行去噪，获得第二组信号的去噪分量信号，将第二组信号的去噪分量信号进行重构，获得去噪后的音频信号，包括的具体步骤如下：

32、利用第二组信号中每一个分量信号的小波阈值，使用小波变换算法对第二组信号中每一个分量信号进行去噪，获得第二组信号中每一个分量信号的去噪信号，记为第二组信号的去噪分量信号；再将第二组信号的去噪分量信号进行重构，获得去噪后的音频信号。

33、本发明提供一种音频数据优化降噪系统，所述系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，计算机程序以实现所述的一种音频数据优化降噪方法。

34、本发明的技术方案的有益效果是：本发明在使用emd算法对音频数据进行噪声评估时，因为在对原始音频信号进行分解时，容易发生模态混合问题，因此本发明通过根据原始音频信号中极值点的分布，来对特征不明显的极值点进行去除，保留对原始音频信号影响程度较大的极值点，然后再对去除部分极值点的原始音频信号进行emd分解，获得去除部分极值点的各imf分量信号，即是第一组信号，然后再通过的emd算法对原始音频信号进行分解，获得第二组信号。然后通过比较第一组信号中各分量信号与第二组信号中各分量信号的差异来获得第二组分量信号的小波阈值，从而通过小波变换算法对第二组信号中的各分量信号进行去噪，然后在对去噪后的第二组信号中的各分量信号进行重构，获得原始音频信号的去噪信号。

35、该方法通过对原始音频信号中极值点的选取来解决因为信号的波动差异较大，导致在通过emd算法进行信号分解时，造成的模态混叠问题，并且对原始音频信号的去噪效果更好，去噪更彻底。