Denoising in speech signals combining kalman filter and wavelet transform

This work aims to present, combine and compare noise reduction techniques applied to voice signals contaminated by Gaussian white noise. The algorithms discussed in this proposal are the classic Kalman filter and wavelet transform. After application of the Kalman filter, the signal is decomposed by wavelet transform (WT) by applying the thresholding coefficients in the WT, as the last step has to signal reconstruction. The WT may decompose the signal into different coefficients with different depth levels, and thresholding can be performed in any of these coefficients, as well arise various combinations of the Kalman filter and WT. In search of the best combination of algorithms, and the best coefficients of discrete wavelet transform (DWT) and wavelet packet transform (WPD) is used Genetic Algorithm (GA). The AG is applied in the determination of wavelet transform coefficients to be filtered. The application of AG resulted in three methods are compared objectively using the distance Itakura-Saito and targeted SNR, and subjectively with a word recognition test performed on volunteers. Given the best algorithm, a comparison is made between it and the spectral subtraction in which there is the superiority of the method proposed in SNRs of 0 to -15dB. This paper discusses theoretical aspects of the two methods used, and displays in great detail the experiments.Conselho Nacional de Desenvolvimento Científico e TecnológicoMestre em CiênciasEste trabalho tem como objetivo apresentar, combinar e comparar técnicas de redução de ruído aplicadas em sinais de voz contaminados por ruído branco gaussiano. Os algoritmos abordados nesta proposta são o filtro de Kalman clássico e a transformada wavelet. Após a aplicação do filtro de Kalman, o sinal é decomposto pela transformada wavelet (WT), aplicando-se a limiarização nos coeficientes da WT, como último passo tem-se a reconstrução do sinal. A WT pode decompor o sinal em diversos coeficientes, com níveis de profundidade diferentes, e a limiarização pode ser realizada em quaisquer destes coeficientes, surgem assim várias combinações entre o filtro de Kalman e a WT. Na busca da melhor combinação desses algoritmos, e dos melhores coeficientes da transformada wavelet discreta (DWT) e da transforma wavelet packet (WPD), é utilizado Algoritmo Genético (AG). O AG é aplicado na determinação dos coeficientes da transformada wavelet a serem filtrados. A aplicação do AG resultou em três métodos que são comparados de maneira objetiva utilizando a distância de Itakura-Saito e SNR segmentada, e de maneira subjetiva com um teste de reconhecimento de palavras realizado com voluntários. Determinado o melhor algoritmo, é feita uma comparação entre ele e a subtração espectral em que se verifica a superioridade do método proposto em SNRs de 0 a 15dB. O presente trabalho aborda aspectos teóricos sobre os dois métodos usados, e exibe com riqueza de detalhes os experimentos realizados