基于盲源分离的智能图像和语音信号去噪方法

韩春润 吴一帆 李佳蔚 姚 禹

(江苏警官学院，江苏 南京210031)

在某些数字化或传输过程中，智能图像和语音信号经常因设备和环境因素，产生噪声。消除智能图像和语音信号中的噪声一直是图像和语音处理[1]领域必不可少的研究课题。目前，大多数降噪算法都是将含噪声的智能图像和语音信号作为混合信号进行滤波降噪，并未注意智能图像、语音信号和噪声之间存在统计上的独立关系。

使用正交频分复用降噪会破坏源信号的完整性，在去除噪声的同时，还会去除一些有用的信号。尽管扩频通信技术不会对源信号造成损害并且可以弥补正交频分复用技术的不足，但降噪效果较差，并会保留一些干扰噪声。在处理结果中，在源信号上还会依附一些干扰噪声。因此，在空域或是在变换域中进行降噪，降噪结果往往呈现出噪声未完全去除或图像、语音信号减弱的情况。

盲源分离理论是将噪声信息、图像信号和语音信号识别为两个独立信号，然后盲源分离两个信号从而获得图像信号、语音信号和噪声信号的过程。该方法具有良好的图像和语音去噪能力，对原始图像或语音数据具有良好的保护作用[2]。之后，利用对称正交化方法进行独立分量提取，实现降噪。

本文利用对比实验来验证该方法的有效性。结果表明，采用该方法进行降噪，智能图像的分辨率更高，语音信号的信噪比更大，证明该方法比传统降噪方法效果更好。

1 基于盲源分离的独立分量分析降噪方法

在原始数据未知的情况下处理源数据以获得所需源数据的过程就是盲源分离。其基本思想是当源信号独立时将混合信号转化为独立的源信号[3]，从而使生成的信号彼此独立。解决盲源分离问题的重要方法就是独立分量分析。

本研究基于独立分量分析的盲源分离降噪方法，流程如图1所示。

图1 基于独立分量分析的降噪过程

1.1 通道信号采集

图2 是所用的智能图像采集设备，其主要由多路视频PCI-E 图像采集卡MV-E8000、MV-300 专业图像采集卡、MV-350 医用高清图像采集卡和MV-U2000 便携式USB 总线图像采集盒组成。

图2 智能图像采集装置

实验使用由数据采集卡和四个麦克风构成的语音信号采集系统。实验选择的Liqi LM-110 麦克风是一种半球形单指向性的单向反射（PEM）多芯电容传声器，频率响应范围为3 -20000 Hz，额定电压48V，灵敏度-36dB±20。

所选的一种基于PC 模拟数字I/O 的新标准的采集设备是由MCC 公司生产的USB 数据采集卡USB-1208FS。其具有以下特点：4 个12 位分辨率差分输入通道或者8 个11 位分辨率单端输入通道，采样频率可达50k/s，可设置8 个可选输入范围；具有一个32 位计数器以及一个16 位数字I/O，一个即插即用的USB 外接端口，两个12 位模拟输出通道，连接计算机后，它将自动检测和配置软件，其供电由USB 接口供电5V[4]。

根据上述两种设备采集到的信号，绘制出智能图像和语音信号的波形，如图3 所示。

图3 波形示意图

1.2 信号预处理

1.2.1 均匀化处理

通常情况下，我们假设许多盲源分离算法中的信号源各分量的随机变量的均值为零，分离前信号的均值将被消除。故经上述过程，实际的盲源分离问题全部符合之前建立的[5]数学模型。

选择任意一个随机变量x，其均值不为零，用x0=x-A(x)表示。

1.3 独立成分提取

将噪声与源信号成功分离，下一步即提取独立分量，本实验采用对称正交化方法实现信道降噪。

假设源信号包含m 个独立的分量，固定点算法（FastICA）算法运行m 次。在执行每个不同独立分量提取和每次执行独立分量提取前，为确保每次是从未被提取的独立组件的分离信号提取，每次以溷淆化信号的形式输出独立分量提取后的结果，其目的是正交归一化分离矩阵，从而进行其他操作[7]。过程中，每分离一个独立分量，即从观察到的信号中减去分量，重复至提取出所有独立分量。

串行提取分离信号，在多个估计分量的提取过程中，正交化误差逐渐积累。前一个矢量形成的误差将影响后一个矢量，由此导致分离性能下降。可使用对称正交化方法弥补该缺点，通过并行迭代每个向量，然后用对称方法正交化分离矩阵的所有分量。具体步骤如图4 所示。

图4 独立成分提取过程

2 对比实验

为验证基于盲源分离的智能图像和语音信号去噪方法的有效性，进行了对比实验。对含有噪声的智能图像信号进行了采集和分析。

2.1 智能图像降噪效果分析

采用本研究的方法和传统降噪方法盲源分离噪声图像。降噪效果如图5 所示。

图5 (a)含有噪声的原始图像 (b)本方法去噪效果图 (c)传统方法去噪效果图

从图5(b)和图(c)的对比结果可看出，图5(b)的效果更明显，几乎没有灰度斑点。但经过图5(c)的降噪处理，效果与图5(a)基本相同，仍存在低清晰度的灰点。

2.2 语音信号去噪效果分析

实验所用的信号是在一个6.5m*5.5m*3.6m 的普通办公室里，用多个麦克风同时录制的一个女性的语音信号和音乐信号。女性的声音信号是一篇大声朗读的文章的片段。采集时间为20s，采样频率为8Khz，每个观测点的数据长度为16 万个点。信噪比计算公式如下：

现用式(10)计算两种不同降噪方法处理后的语音信号信噪比，结果如表1 所示。

表1 两种方法的信噪比比较

从表1 可看出，采用该方法降噪后信噪比为26db，采用常规方法降噪后信噪比为20db。相比之下，前者比后者信噪比大6dB，证明了该方法比传统方法更有效。

3 结论

综上所述，针对传统降噪方法不理想，本文提出了一种基于盲源分离的智能图像和语音信号去噪方法。与传统的降噪方法相比，该方法不仅计算简单，而且降噪效果更好。通过对比实验，证明了该方法的优越性，信噪比较大，基本达到了本实验的目的。