一种基于变分模态分解的生物雷达语音增强方法及系统与流程

1.本发明涉及语音增强技术领域，尤其涉及一种基于变分模态分解的生物雷达语音增强方法及系统。

背景技术：

2.生物雷达语音探测技术克服了传统麦克风语音探测装置极易受环境声学噪声干扰，喉部送话器、骨传导麦克风需将探测装置与人体皮肤接触、光学语音探测传感器易受温度、气候等环境因素影响等缺点，具有非接触、非侵入、安全、方向性好、灵敏度高、探测距离远、抗干扰能力强等优点。生物雷达技术为语音信号的获取提供了一种新途径。目前，94ghz生物雷达能够在探测距离和探测灵敏度方面提供较好的折中，但仍然存在探测距离短的问题，以电磁波为媒介的雷达语音往往叠加有电路噪声、电磁干扰噪声以及谐波噪声。这些噪声在很大程度上降低了雷达语音的质量。因此，研究雷达语音增强方法，为该新的语音探测技术的发展具有重要意义。

技术实现要素：

3.本发明的目的在于提供一种94ghz非对称天线生物雷达语音增强的方法，该方法根据经验模态分解确定变分模态分解的层数，然后根据层数对原始雷达语音信号进行变分模态分解，最后利用改进阈值策略有效去除雷达语音中的噪声含量。为生物雷达语音探测技术的发展提供了语音去噪方面的技术支持。
4.为实现上述目的，本发明采用如下技术方案。
5.一种基于变分模态分解的生物雷达语音增强方法，包括以下步骤：
6.获取生物雷达语音，得到原始带噪雷达语音信号；
7.对所述原始带噪雷达语音信号进行经验模态分解的本征模态函数特征，根据本征模态函数特征确定变分模态分解层数；
8.根据所述分解层数对原始带噪雷达语音进行变分模态分解vmd得到各阶本征模态分解；
9.对各阶本征模态分解与原始雷达语音信号求解皮尔逊系数，以确定有用的分解重构模态；
10.利用改进的阈值对有用的模态进行去噪处理，重构得到增强后的雷达语音。
11.作为本发明的进一步改进，所述获取生物雷达语音是利用8通道的powerlab生理记录仪对生物雷达语音进行采样，采样率为10khz。
12.作为本发明的进一步改进，所述根据经验模态分解的本征模态函数特征确定变分模态分解层数，包括：
13.给定语音信号为x(t)，经验模态分解方法通过筛分过程自适应的将该原始信号分解为本振模态函数，并且每个本振模态函数imf都是原始信号的一个子频率成分；通过由高频到低频分析各imf的幅度特征，当imf的幅度值小于设定值时模态为语音细节信息，其余
模态为主要信息，主要信息模态数即为变分模态分解的层数；
14.emd分解后的imf从上到下，第一个出现幅度值小于设定值的imf阶数为主要信息模态数，由下式得到：
[0015][0016]
式中，imfi为经验模态分解后的各阶本征模态函数，i代表本征模态函数的阶次。
[0017]
作为本发明的进一步改进，所述根据所述分解层数对原始带噪雷达语音进行变分模态分解vmd得到各阶本征模态分解，包括：
[0018]
给定原始雷达语音信号为x(t)，通过hilbert变换得出各个模态uk的解析信号，并构造出变分约束问题：
[0019][0020][0021]
将x(t)分解为k个模态，式中uk(k＝1,2,
…
,k)为vmd方法的k个模态，wk(k＝1,2,
…
,k)为各模态的中心频率；引入拉格朗日乘法算子：
[0022][0023]
其中，α是控制带宽的惩罚因子，λ(t)为拉格朗日乘法算子,*代表卷积,δ(t)单位脉冲函数；
[0024]
采用乘法算子交替方向法和parseval傅里叶等距变换，由(2)式将各模态由时域转换到频域为：
[0025][0026]
其中，各模态中心频率为：
[0027][0028]
其中w
kn+1
是第k个模态的功率谱中心。
[0029]
作为本发明的进一步改进，所述对各阶本征模态分解与原始雷达语音信号求解皮尔逊系数，包括：
[0030][0031]
其中，x
t
和y
t
代表两个随机变量。
[0032]
作为本发明的进一步改进，改进的阈值由下式表示：
[0033][0034]
nj第j个尺度信号的长度，σ是各个模态信号的估计噪声；其中，改进的各模态估计噪声可用下式计算：
[0035][0036]
其中，l是雷达语音信号初始静默段的估计长度。
[0037]
作为本发明的进一步改进，利用改进的阈值对有用的模态进行去噪处理，包括：
[0038][0039]
其中，m为补偿因子。
[0040]
作为本发明的进一步改进，补偿因子m的取值为0.001。
[0041]
作为本发明的进一步改进，所述重构得到增强后的雷达语音，是经改进阈值策略去噪后的94ghz雷达语音经重构得增强语音，具体重构按下式计算：
[0042][0043]
其中，imf为vmd分解的k各模态，a为计算皮尔逊系数确定的有用模态数。
[0044]
一种基于变分模态分解的生物雷达语音增强系统，包括以下步骤：
[0045]
获取模块，用于获取生物雷达语音，得到原始带噪雷达语音信号；
[0046]
分解模块，用于对所述原始带噪雷达语音信号进行经验模态分解的本征模态函数特征，根据本征模态函数特征确定变分模态分解层数；根据所述分解层数对原始带噪雷达语音进行变分模态分解vmd得到各阶本征模态分解；对各阶本征模态分解与原始雷达语音信号求解皮尔逊系数，以确定有用的分解重构模态；
[0047]
重构模块，用于利用改进的阈值对有用的模态进行去噪处理，重构得到增强后的雷达语音。
[0048]
本发明由于采用上述技术，使之与现有雷达语音增强技术相比具有如下有益效果：
[0049]
本发明是通过对获取的94ghz非对称天线雷达语音信号进行经验模态分解后，确定分解层数，根据分解层数进行变分模态分解，然后根据语音静默段信息估计出噪声方差，利用改进的软阈值方法，在不造成语音信号失真的前提下有效提高语音的质量和可懂度，具有较强的适应性和有效性。采用该方法的实例表明这种变分态分解方法能够有效提高雷达语音的质量和可懂度，与传统的语音增强方法相比，该方法可总体提高原始雷达语音的评分。说明本发明可有效增强原始雷达语音信号。本发明能够为以后利用生物雷达探测人体语音方面提供有效的技术支持。因此，本发明在消除雷达语音噪声方面具有较强的使用价值和应用前景。
附图说明
[0050]
图1为一种基于变分模态分解和改进阈值策略的生物雷达语音增强方法流程图；
[0051]
图2是一段经验模态分解后的雷达语音材料，其中(a)是含有噪声的原始雷达语音信号；(b)是分解后的各阶本征模态函数；
[0052]
图3是一段变分模态分解后的雷达语音材料，其中(a)是分解后的各阶本征模态函数；(b)是各阶本征模态函数的频谱；
[0053]
图4是原始雷语音信号和变分模态分解后的模态的皮尔逊系数；
[0054]
图5是雷达系统采集的原始雷达语音信号，其中，(a)是雷达语音信号的时域波形；(b)是雷达语音信号的语谱图；
[0055]
图6是小波软阈值算法增强后的雷达语音信号，其中，(a)是增强雷达语音信号的时域波形；(b)是增强雷达语音信号的语谱图；
[0056]
图7是经验模态分解算法增强后的雷达语音信号，其中，(a)是增强雷达语音信号的时域波形；(b)是增强雷达语音信号的语谱图；
[0057]
图8是本专利所述的基于变分模态分解和改进阈值策略增强的雷达语音信号，其中，(a)是增强雷达语音信号的时域波形；(b)是增强雷达语音信号的语谱图。
具体实施方式
[0058]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0059]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0060]
本发明提供了一种基于变分模态分解的生物雷达语音增强方法，包括以下步骤：
[0061]
1)对生物雷达语音进行采样，得到原始带噪雷达语音信号；
[0062]
步骤1)中利用8通道的powerlab生理记录仪对生物雷达语音进行采样，采样率为10khz。
[0063]
2)对采集的原始带噪雷达语音信号首先进行经验模态分解，根据经验模态分解后本征模态函数特征确定变分模态分解的层数；
[0064]
步骤2)中利用经验模态分解确定分解层数如下：
[0065]
假设给定语音信号为x(t)，经验模态分解方法通过筛分过程自适应的将该原始信号分解为本振模态函数，并且每个本振模态函数imf都是原始信号的一个子频率成分。通过由高频到低频分析各imf的幅度特征，确定当imf的幅度值小于0.1时模态为语音细节信息，
其余模态为主要信息，主要信息模态数即为变分模态分解的层数。那么经验模态分解emd分解后的imf从上到下，第一个出现幅度值小于0.1的imf阶数就是主要信息模态数，可由下式得到：
[0066][0067]
3)根据分解层数对原始带噪雷达语音进行变分模态分解；
[0068]
步骤3)变分模态分解(vmd)方法如下：
[0069]
给定原始雷达语音信号为x(t)，首先通过hilbert变换得出各个模态uk的解析信号，并构造出变分约束问题：
[0070][0071][0072]
将x(t)分解为k个模态，式中uk(k＝1,2,
…
,k)为vmd方法的k个模态，wk(k＝1,2,
…
,k)为各模态的中心频率。对各模态的求解，就需要对(1)式的约束性问题转化为为非约束型变分问题。引入拉格朗日乘法算子：
[0073][0074]
其中，α是控制带宽的惩罚因子，λ(t)为拉格朗日乘法算子,*代表卷积,δ(t)单位脉冲函数。
[0075]
采用乘法算子交替方向法和parseval傅里叶等距变换，由(2)式将各模态由时域转换到频域为：
[0076][0077]
其中，各模态中心频率为：
[0078][0079]
其中w
kn+1
是第k个模态的功率谱中心。
[0080]
4)对变分模态分解的各阶本征模态分解与原始雷达语音信号求皮尔逊系数；以确定有用的分解重构模态；
[0081]
5)对变分模态分解的各阶本征模态分解与原始雷达语音信号求解皮尔逊系数；以确定步骤3)中原始雷达语音信号和vmd分解各模态的皮尔逊系数计算方法如下：
[0082]
[0083]
x
t
和y
t
代表两个随机变量。而对于雷达语音增强来说，实验表明，当相关系数大于0.1时为其划分是否为有用模态的阈值。
[0084]
其改进阈值策略方法如下，各模态自适应软阈值由下式表示：
[0085][0086]
nj第j个尺度信号的长度，σ是各个模态信号的估计噪声。其中，改进的各模态估计噪声可用下式计算：
[0087][0088]
其中，l是雷达语音信号初始静默段的估计长度。
[0089]
改进阈值策略按下式改进的软阈值函数对有用模态进行去噪：
[0090][0091]
其中，m为补偿因子，防止过去噪导致语音信号的变形失真。
[0092]
补偿因子m的取值为0.001。
[0093]
6)利用改进的阈值对有用的模态进行去噪处理，然后重构得到增强后的雷达语音。
[0094]
其中，经改进阈值策略去噪后的94ghz雷达语音经重构可得增强语音，具体重构按下式计算：
[0095][0096]
其中，imf为vmd分解的k各模态，a为计算皮尔逊系数确定的有用模态数。
[0097]
下面结合附图，对本发明的具体实施方式进行详细阐述，但本发明不限于该实施例。为了使公众对本发明有彻底的了解，在以下本发明优选施例中详细说明具体的细节。
[0098]
参见图1，本发明基于变分模态分解和改进阈值策略方法的基本原理为：首先由经验模态分解将采集的雷达语音信号进行分解确定分解层数；然后根据分解层数，由经验模态分解将采集的雷达语音信号进行分解；计算原始雷达语音信号和各阶模态函数的皮尔逊系数，确定有用模态；对有用模态进行改进阈值策略去噪处理；对处理后的有用模态进行重构得到增强后的语音。
[0099]
处理结果对比，请参考图6、图7、图8所示，其中各图中(a)是雷达语音信号的时域波形，图(b)是雷达语音信号的语谱图。
[0100]
从图5可以看出，原始雷达语音信号在整个频段都存在噪声，而且还有单一频段的噪声干扰，这导致采集的雷达语音质量不高。图6是经小波软阈值算法增强后的雷达语音信号。从图中可以看出，小波软阈值有效去除了雷达语音中的噪声。但是观察语谱图，其语音横条纹有一定的变形，且还引入了新的噪声，此外，在低频段仍然存在残留噪声。
[0101]
图7是经验模态分解增强后的雷达语音信号，从图中可以看出，原始雷达语音中的噪声得到很大程度上抑制，无论是时域波形还是语谱图中，都可以看出语音质量得到了较
大的改善，但是观察语谱图，其横条纹间的清晰度不高，因此，其在雷达语音增强方面还存在不足。
[0102]
图8是所述的变分模态分解和改进阈值策略方法增强后的雷达语音效果。从图中可以看出，该方法增强后的雷达语音在整个频率段中的噪声都得到削弱，同步开展的客观评估方法实验表明本专利所述方法能够在不造成原始雷达语音信号失真的前提下，有效提高雷达语音的质量和可懂度。
[0103]
尽管本发明所论述的基于变分模态分解和改进阈值策略语音增强方法具有针对性，尤其适合94ghz非对称天线生物雷达语音信号，但是本发明使用的范围并不局限于94ghz非对称天线雷达语音信号，对于其他毫米波、厘米波雷达语音信号，以及一些在相同环境下采集的声学语音信号同样具有重要的指导意义和借鉴价值。上面结合附图对本发明的实施方式作了详细说明，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施实例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。
[0104]
为了保证声源的一致性，选择一名男性实验者的录音材料“1-2-3-4-5-6”，并由音箱在距94ghz非对称天线生物雷达系统10米处播放。
[0105]
以下述步骤对雷达语音进行增强：
[0106]
1)利用8通道的powerlab生理记录仪对生物雷达语音进行采样，采样率为10khz；经采样得到原始带噪雷达语音信号；
[0107]
2)通过经验模态分解将带噪雷达语音信号分解为本征模态函数，并确定主要信息层数；
[0108]
3)根据确定的分解层数，对带噪雷达语音信号进行变分模态分解；
[0109]
4)对分解后的各模态与原始雷达语音信号求皮尔逊相关系数，并确定有用模态；
[0110]
5)对有用模态通过改进阈值策略进行去噪；
[0111]
6)将去噪后的有用模态重构得到增强后的雷达语音。
[0112]
处理结果对比：
[0113]
从图5可以看出，原始雷达语音信号在整个频段都存在噪声，而且还有单一频段的噪声干扰，这导致采集的雷达语音质量不高。图6是经小波软阈值算法增强后的雷达语音信号。从图中可以看出，小波软阈值有效去除了雷达语音中的噪声。但是观察语谱图，其语音横条纹有一定的变形，且还引入了新的噪声，此外，在低频段仍然存在残留噪声。图7是经验模态分解增强后的雷达语音信号，从图中可以看出，原始雷达语音中的噪声得到很大程度上抑制，无论是时域波形还是语谱图中，都可以看出语音质量得到了较大的改善，但是观察语谱图，其横条纹间的清晰度不高，因此，其在雷达语音增强方面还存在不足。图8是所述的变分模态分解和改进阈值策略方法增强后的雷达语音效果。从图中可以看出，该方法增强后的雷达语音在整个频率段中的噪声都得到削弱，同步开展的客观评估方法实验表明本专利所述方法能够在不造成原始雷达语音信号失真的前提下，有效提高雷达语音的质量和可懂度。这主要是由于本方法可有效将原始雷达语音信号分解为不同频率的模态分量，可有效杜绝过分解和欠分解的发生，同时可以抑制模态混叠。
[0114]
另外，本发明的改进阈值策略，对经变分模态分解后的模态噪声的估计值，是根据初始静默段的平均能量计算得到，因此准确性较高。此外，对原始软阈值函数进行了修正，
利用补偿因子来修正软阈值函数，这样不仅可以有效避免语音信号的过度损伤，还可以有效抑制噪声雷达语音中的残留噪声。
[0115]
本发明还提供一种基于变分模态分解的生物雷达语音增强系统，包括以下步骤：
[0116]
获取模块，用于获取生物雷达语音，得到原始带噪雷达语音信号；
[0117]
分解模块，用于对所述原始带噪雷达语音信号进行经验模态分解的本征模态函数特征，根据本征模态函数特征确定变分模态分解层数；根据所述分解层数对原始带噪雷达语音进行变分模态分解vmd得到各阶本征模态分解；对各阶本征模态分解与原始雷达语音信号求解皮尔逊系数，以确定有用的分解重构模态；
[0118]
重构模块，用于利用改进的阈值对有用的模态进行去噪处理，重构得到增强后的雷达语音。
[0119]
本发明提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述基于变分模态分解的生物雷达语音增强方法的步骤。
[0120]
所述基于变分模态分解的生物雷达语音增强方法包括：
[0121]
获取生物雷达语音，得到原始带噪雷达语音信号；
[0122]
对所述原始带噪雷达语音信号进行经验模态分解的本征模态函数特征，根据本征模态函数特征确定变分模态分解层数；
[0123]
根据所述分解层数对原始带噪雷达语音进行变分模态分解vmd得到各阶本征模态分解；
[0124]
对各阶本征模态分解与原始雷达语音信号求解皮尔逊系数，以确定有用的分解重构模态；
[0125]
利用改进的阈值对有用的模态进行去噪处理，重构得到增强后的雷达语音。
[0126]
本发明第还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述基于变分模态分解的生物雷达语音增强方法的步骤。
[0127]
所述基于变分模态分解的生物雷达语音增强方法包括以下步骤：
[0128]
获取生物雷达语音，得到原始带噪雷达语音信号；
[0129]
对所述原始带噪雷达语音信号进行经验模态分解的本征模态函数特征，根据本征模态函数特征确定变分模态分解层数；
[0130]
根据所述分解层数对原始带噪雷达语音进行变分模态分解vmd得到各阶本征模态分解；
[0131]
对各阶本征模态分解与原始雷达语音信号求解皮尔逊系数，以确定有用的分解重构模态；
[0132]
利用改进的阈值对有用的模态进行去噪处理，重构得到增强后的雷达语音。
[0133]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0134]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0135]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0136]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0137]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：

1.一种基于变分模态分解的生物雷达语音增强方法，其特征在于，包括以下步骤：获取生物雷达语音，得到原始带噪雷达语音信号；对所述原始带噪雷达语音信号进行经验模态分解，得到本征模态函数特征，根据本征模态函数特征确定变分模态分解层数；根据所述分解层数对原始带噪雷达语音进行变分模态分解vmd得到各阶本征模态分解；对各阶本征模态分解与原始雷达语音信号求解皮尔逊系数，以确定有用的分解重构模态；利用改进的阈值对有用的模态进行去噪处理，重构得到增强后的雷达语音。2.根据权利要求1所述的一种基于变分模态分解的生物雷达语音增强方法，其特征在于：所述获取生物雷达语音是利用8通道的powerlab生理记录仪对生物雷达语音进行采样，采样率为10khz。3.根据权利要求1所述的一种基于变分模态分解的生物雷达语音增强方法，其特征在于：所述根据本征模态函数特征确定变分模态分解层数，包括：给定语音信号为x(t)，经验模态分解方法通过筛分过程自适应的将原始信号分解为本振模态函数，并且每个本振模态函数imf都是原始信号的一个子频率成分；通过由高频到低频分析各imf的幅度特征，当imf的幅度值小于设定值时模态为语音细节信息，其余模态为主要信息，主要信息模态数即为变分模态分解的层数；经验模态分解方法分解后的imf从上到下，第一个出现幅度值小于设定值的imf阶数为主要信息模态数，由下式得到：式中，imf
i
为经验模态分解后的各阶本征模态函数，i代表本征模态函数的阶次。4.根据权利要求1所述的一种基于变分模态分解的生物雷达语音增强方法，其特征在于：所述根据所述分解层数对原始带噪雷达语音进行变分模态分解vmd得到各阶本征模态分解，包括：给定原始雷达语音信号为x(t)，通过hilbert变换得出各个模态u
k
的解析信号，并构造出变分约束问题：出变分约束问题：将x(t)分解为k个模态，式中u
k
(k＝1,2,
…
,k)为vmd方法的k个模态，w
k
(k＝1,2,
…
,k)为各模态的中心频率；引入拉格朗日乘法算子：其中，α是控制带宽的惩罚因子，λ(t)为拉格朗日乘法算子,*代表卷积,δ(t)单位脉冲
函数；采用乘法算子交替方向法和parseval傅里叶等距变换，由(2)式将各模态由时域转换到频域为：其中，各模态中心频率为：其中w
kn+1
是第k个模态的功率谱中心。5.根据权利要求3所述的一种基于变分模态分解的生物雷达语音增强方法，其特征在于：所述对各阶本征模态分解与原始雷达语音信号求解皮尔逊系数，包括：其中，x
t
和y
t
代表两个随机变量。6.根据权利要求1所述的一种基于变分模态分解的生物雷达语音增强方法，其特征在于：改进的阈值由下式表示：n
j
第j个尺度信号的长度，σ是各个模态信号的估计噪声；其中，改进的各模态估计噪声可用下式计算：其中，l是雷达语音信号初始静默段的估计长度。7.根据权利要求1所述的一种基于变分模态分解的生物雷达语音增强方法，其特征在于：利用改进的阈值对有用的模态进行去噪处理，包括：其中，m为补偿因子。8.根据权利要求7所述的一种基于变分模态分解的生物雷达语音增强方法，其特征在于：补偿因子m的取值为0.001。9.据权利要求8所述的一种基于变分模态分解的生物雷达语音增强方法，其特征在于：重构得到增强后的雷达语音，是经改进阈值策略去噪后的94ghz雷达语音经重构得增强语音，具体重构按下式计算：
其中，imf为vmd分解的k各模态，a为计算皮尔逊系数确定的有用模态数。10.一种基于变分模态分解的生物雷达语音增强系统，其特征在于，包括以下步骤：获取模块，用于获取生物雷达语音，得到原始带噪雷达语音信号；分解模块，用于对所述原始带噪雷达语音信号进行经验模态分解，得到本征模态函数特征，根据本征模态函数特征确定变分模态分解层数；根据所述分解层数对原始带噪雷达语音进行变分模态分解vmd得到各阶本征模态分解；对各阶本征模态分解与原始雷达语音信号求解皮尔逊系数，以确定有用的分解重构模态；重构模块，用于利用改进的阈值对有用的模态进行去噪处理，重构得到增强后的雷达语音。

技术总结

本发明公开了一种基于变分模态分解的生物雷达语音增强方法及系统。包括获取生物雷达语音，得到原始带噪雷达语音信号；对所述原始带噪雷达语音信号进行经验模态分解的本征模态函数特征，根据本征模态函数特征确定变分模态分解层数；根据所述分解层数对原始带噪雷达语音进行变分模态分解VMD得到各阶本征模态分解；对各阶本征模态分解与原始雷达语音信号求解皮尔逊系数，以确定有用的分解重构模态；利用改进的阈值对有用的模态进行去噪处理，重构得到增强后的雷达语音。本发明具有较强的适应性，且能够在消除雷达语音中噪声的基础上显著提高语音的质量和可懂度。因此，本发明在雷达语音增强方面具有较强的使用价值和应用前景。语音增强方面具有较强的使用价值和应用前景。语音增强方面具有较强的使用价值和应用前景。