基于小波基函数选取与阈值法的语音去噪算法研究

小波变换是一种新的变换分析方法,它继承和发展了短时傅立叶变换局部化的思想,同时又克服了窗口大小不随频率变化等缺点,能够提供一个随频率改变的时间一频率窗口,是进行信号时频分析和处理的理想工具。通过对传统的线性滤波方法和非线性滤波方法的分析,以及对小波阈值去噪法传统阈值函数的研究,发现均存在一些缺点,因此通过对阈值函数采取改进措施来改善语音增强的效果,改进了仿真,很好的去除背景及环境中的噪音,减少语音信号的失真。     

形态梯度小波降噪与S变换的齿轮故障特征抽取算法

针对齿轮故障特征信号具有强噪声背景、非线性、非平稳性特点,提出采用形态梯度小波对齿轮振动信号进行降噪。首先使用形态梯度小波把齿轮振动信号分解到多个尺度上,然后对各层的细节系数进行软阈值方法降噪处理,对经过处理后的小波系数进行重构。对降噪后的齿轮振动信号采用S变换多分辨率时频分析,能够从具有良好的时频分辨率的S变换谱图提取齿轮故障特征。通过仿真试验和故障轴承的信号分析证明,该方法具有短时傅里叶变换和小波变换的优点,不存在Wigner-Ville分布的交叉干扰和负频率,能有效地提取隐含在噪声中的齿轮故障特征,适合齿轮故障的在线监测和诊断。     

基于短时哈特莱变换的跳频信号时频分析

根据哈特莱变换对于实信号频谱分析的高效性,本文针对跳频信号的非平稳性特征,给出了短时哈特莱变换定义,推导出短时哈特莱变换的递推计算式,并在分析短时哈特莱变换与短时傅立叶变换关系的基础上,应用短时哈特莱变换对跳频信号进行了时频分析。计算机仿真结果表明,该方法能够有效地跟踪频率随时间快速跳变的跳频信号。     

基于小波变换的非平稳信号瞬时频率分析方法

利用小波变换的优越时频分辨特性,对非平稳信号的瞬时频率进行了分析,给出了模拟仿真结果,并与短时傅立叶变换作比较,得出了两者对信号瞬时频率分析的适用范围及各自的优缺点。     

几种时频分析方法的研究和对比

生活中所遇到的信号,大部分都是非平稳信号,传统的傅里叶变换只能得到信号的频率信息,而不能对信号同时进行时间和频率的定位。文章通过仿真信号和实际语音信号研究了几种常用的时频分析方法各自的特点,包括线性时频分布中的Gabor变换、短时傅立叶变换、连续小波变换,以及二次时频分布中的Smoothed-peseudo-WVD、Choi-Williams和Zhao-Atlas-Marks变换。我们首先将上述方法运用到noischir信号,各种方法基本都能得到正确的结果。其次,将其应用到实际的语音信号中。通过对比各种方法的时频结果,可以看到上述方法对不同的信号都可以得到大致相同的时频结果,都能够提取出信号的主要时频信息,但是不同方法的时频分辨率不同,所得到的时频结果的精细程度也不一样。我们发现短时傅里叶变化的分辨率较低,而二次时频分布对能量大的频率有增强的作用,对能量小的频率则有减弱的作用。二次时频分析方法对有用频率能量差异不是特别大的信号能够给出更好的时频结果。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

基于短时傅立叶变换的跳频序列瞬时频率估计

采用了G函数的方法来模拟跳频序列，然后利用短时傅立叶变换对它进行分析与瞬时频率的估计。该方法能够有效地描绘出跳频信号的频率随时间跳变的规律（跳频图案），具有很高的时间一频率分辨率。计算机仿真验证了应用短时傅立叶变换分析跳频序列的有效性和实用性。     

基于仿生小波变换和模糊推理的语音降噪算法研究

提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解,以分离出来的噪声信号作为自适应滤波器的输入,选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理,最终实现语音信号的信噪分离,去除语音信号中的噪声。仿真结果表明,该方法对语音信号有较为明显的降噪效果。     

小波去噪在缓变机械故障检测中的应用

针对缓变机械故障信号频率低易受高频噪声干扰的情况,提出了利用小波变换对振动信号进行降噪的方法,通过与传统的经典滤波方法相比,小波变换降噪方法在去除掉高频噪声的同时也保留了信号的高频成分,是一种比傅立叶变换更有效的降噪方法。通过实验数据的比较分析,验证了小波去噪是针对机械信号的环境特点最为有效的降噪方法,从而达到有效提取有用信号并探测目标的目的。     

基于听觉感知小波变换的电子耳蜗CIS语音信号处理

为克服以往滤波器组参数调整复杂，提出了一种听觉感知的小波变换的电子耳蜗语音处理的方法。文章在连续交替取样CIS（Confinuous Interleaved Sampling）语音信号处理方案的基础上，利用人耳听觉的临界频率与听觉感知的小波变换域的相似性，进行了电子耳蜗输出信号的重构，采用短时傅立叶变换的语谱图分析。实验结果表明：本方法获得的合成语音与原始语音在频谱包络特征上非常相似，频域特征里接近入耳的实际生理特性。