基于正交小波包分解的语音去噪增强

对带噪语音信号进行增强,是语音信号处理中一个重要的研究课题.由于噪声影响语音质量,这抑制背景噪声,利用小波包良好的时频分析能力,能较好模拟人耳基底膜频率分析特性的特点,提出基于正交小波包的语音去噪增强算法,算法首先把含噪语音信号分解于不同的频率范围内,根据"3σ规则",确定不同频率下的阈值,并采用动态阈值法对各层进行阈值处理,最后对处理后的语音信号反变换得到增强后的信号.在MATLAB平台上,对带噪语音信号去噪增强,实验结果表明,方法在抑制白噪声的同时减小了语音信息的损失,输出语音在保证可懂度的同时达到了较好的输出语音效果.     

小波变换的语音去噪方法

提出一种改进的语音去噪处理方法：二次小波分解全局阈值法。该方法不同于传统阈值滤波方法,首先对语音信号的高频部分进行二次分解,然后应用阈值滤波的方法对信号进行去噪处理。该方法在MATLAB上进行了模拟实验,实验结果表明该方法提高了信噪比,去除了大部分噪声,相当完整地保留了有效信号能量,很好地解决噪声对语音信号干扰的问题。     

基于小波和EMD的语音信号去噪

为了解决语音信号问题,本文在传统小波阈值去噪方法的基础上提出了提出了一种基于经验模态分解的小波阚值去噪算法,并与小波阂值去噪法和EMD去噪效果相比较,试验结果证明,基于经验模态分解的小波去噪效果是相当有效和稳定的．为研究语音信号去噪处理提供了新的手段。     

一种改进的语音数据小波阈值的去噪算法

小波阈值去噪是一种简洁有效的信号去噪方法,在信号处理领域得到了广泛应用。结合语音信号特有的频率分布特点,在软硬阈值函数的基础上,提出了一种改进的基于分解尺度的小波阈值去噪函数。仿真实验表明,该函数能够较好的滤除语音数据中的噪声,并且在更大程度上保留原始语音信息。     

基于小波分析的阈值语音信号去噪研究

基于小波分析的阈值语音信号去噪技术是语音信号处理的一个重要热点,主要是围绕阈值函数的选取来讨论的,传统的阈值函数主要有硬阈值函数和软阈值函数,由于应用范围有限,使得这两种阈值函数不能满足很多方面的要求.基于传统的小波阈值函数改进的基础上,对语音信号进行去噪,效果较传统的阈值函数有了进一步的改善.     

基于平移不变小波的语音信号去噪研究

通过小波阈值方法可以去除语音中的噪声,但它的结果中会出现诸如Pesudo-Gibbs现象之类的情况.为消除此类情况,将平移不变量小波变换引入到语音信号去噪中,并结合阈值方法进行去噪处理.经过仿真实验,证明这种方一法比一般的阈值方法有很大改进,提高了信噪比.     

基于噪声特性阀值的语音去噪

分析合有噪声的语音信号和噪声信号，对他们分别进行小渡分解，提取各层嗓声小渡系数低频的特性。将提取的各层噪声的特性作为阀值进行去噪。     

小波变换的频响特性及其在语音去噪中的应用

讨论小波变换在实际语音信号去噪处理中应用。由于语音信号的复杂性 ,信号本身含有奇异性 ,因此不能单一使用阈值去噪法。文中定义了小波变换频响特性 ,并利用它重构低尺度参数上的小波变换模极大 ,达到去噪目的。实例证明它的有效性     

基于阈值法的小波去噪算法研究

去噪方法是信号处理中讨论得最为广泛的问题之一.人们根据噪声的统计特征和频谱分布的规律,开发了多种多样的信号去噪方法.小波变换由于具有时频局部化特点及小波基选择的灵活性,为信号的去噪提供了新的解决途径.介绍了传统的硬阈值和软阅值方法及新的小波阈值处理方法,能有效地弥补硬、软阈值方法的不足,是硬、软阈值方法很好的一个改进方案.克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点.并以实例进行比较,展现出改进方法优越性.     

基于小波语谱图分析的语音去噪技术

由于不同环境下噪声特性不同,多种环境下的语音去噪成为研究难点。提出一种基于小波语谱图分析的去噪技术。该方法的特点在于：利用小波变换的多分辨性对带噪语音进行多尺度分析,利用语谱图列自相关函数的特性划分语音段和噪声段,利用点连续检测法去除语音段残留的噪声。实验显示,小波语谱图分析去噪法对多种环境下的宽带噪声,抑制效果显著。     

小波图象去噪综述

小波图象去噪已经成为目前图象去噪的主要方法之一。在对目前小波去噪文献进行理解和综合的基础上，首先通过对小波去噪问题的描述，揭示了小波去噪的数学背景和滤波特性；接着分别阐述了目前常用的3类小波去噪方法，并从小波去噪中常用的小波系数模型、各种小波变换的使用、小波去噪和图象压缩之间的联系，不同噪声场合下的小波去噪等几个方面，对小波图象去噪进行了综述，最后，基于对小波去噪问题的理解，提出了对小波去噪方法的一些展望。     

基于小波阈值法的近红外光谱去噪研究

信号在产生、处理和传输等过程中,不可避免地要受到噪声的干扰。为了保障对信号后续更高层次处理的精度,信号去噪十分必要。利用小波变换和阈值处理在原始含噪信号中进行分解和重构,从而消除噪声的原理对近红外光谱进行去噪研究。主要目的是比较、分析小波变换在四种不同的阈值选取规则(固定阈值规则、无偏似然估计阈值规则、混合型阈值规则、极大极小阈值规则)下对近红外光谱的去噪效果。文章基于任一随机生成信号,利用MAT-LAB工具分别去噪、绘制效果图,并计算信噪比及均方误差值。通过实验、计算、比较及分析,四种阈值选取原则下,小波阈值方法对近红外光谱去噪效果均较好,光谱信号特征被较好保留,光谱噪声几乎被完全抑制。其中,固定形式小波硬阈值去噪效果最好。     

声音信号采用小波去噪和小波包去噪的比较

受外界条件等因素的影响,采集到的声音信号中不可避免存在着大量的突变信号,因此需要对其进行降噪处理.传统的傅里叶分析不能同时分析信号在时域和频域的全貌和局部化特征,而这些局部化信息恰恰是表征声音信号的关键特质.小波变换在突变信号分析中得到广泛的应用,在声音去噪应用中取得了良好的效果,比较了小波分析和小波包分析两种去噪方法.     

带噪语音信号小波去噪算法研究

去噪问题是信号处理中必不可少的问题。滤波作为传统的去噪方法,主要包括线性滤波和非线性滤波。噪声与信号频率重叠,传统方法要想取得良好的去噪效果必须牺牲部分信号。现有的小波模极大值去噪方法虽然有较好的去噪效果,但是该方法计算量大。小波阈值去噪方法更简单,但小波重构后的小波系数与噪声的小波系数存在恒定的偏差。在阈值去噪方法的基础上提出一种改进算法,仿真结果表明该算法在加性高斯白噪声污染下表现出较好去噪效果。     

基于最大信息熵的小波包阈值去噪语音增强算法

去噪算法在语音增强中占有极为重要的地位.而传统的小波阈值去噪算法会不可避免地造成部分有用语音信号的损失.为了更好地对含噪语音信号进行去噪,选用小波包分析法进行语音分解,采用一种新的阈值函数,同时基于最大信息熵的原理确定了阈值和加权阈值函数中的权因子.仿真结果表明,该算法能够很好地抑制噪声,保证重建信号质量.无论在听觉效...     

基于小波熵自适应阈值的语音信号去噪新方法

针对语音信号去噪问题, 提出小波熵自适应阈值去噪法。首先利用小波变换分解带噪语音信号, 计算小波分解后信号子带区间的小波熵, 然后将小波熵和自适应阈值相结合确定各层高频系数的阈值门限, 采用折中指数阈值函数对各层高频系数进行去噪处理, 重构降噪后的语音信号, 最后对比小波熵自适应阈值、极大极小阈值、固定阈值和无偏风险阈值去噪方法的性能。实验结果表明, 当输入信噪比为5 dB时, 小波熵自适应阈值去噪法的输出信噪比是最大的, 且其输入输出信噪比曲线高于其他三种阈值去噪法的输入输出信噪比曲线, 从而证实该算法具有更好的去噪性能。     

一种新的多小波图象去噪法

多小波是近年发展起来的一种新的小波理论,它把十分重要的光滑性、紧支性、正交性、对称性等完美地结合起来.本文针对多小波图象去噪问题,对Minimax单小波去噪方法进行了改进,提出了改进Minimax多小波去噪方法,简称IMDM方法.实验数据表明,IMDM去噪方法与直接将Minimax方法用于多小波去噪相比,效果明显优于后者.     

语音小波去噪效果的复倒谱分析

小波阈值去噪方法是一种实现简单、效果较好的小波去噪方法。本文在对所采集的带噪语音信号进行了小波阀值去噪以后,利用复倒谱对去噪前后的效果进行了对比,结果显示去噪后的语音信号的复倒谱相对于去噪前的相比,明显降低了峰值,说明小波去噪取得了良好效果。     

基于Matlab的小波阈值折衷去噪算法研究

基于硬阈函数和软阈函数的小波去噪算法处理的信号分别存在着偏差和方差过大的缺点,为有效解决这一问题,提出基于硬软阈值的折衷小波去噪算法。并采用四种常用的信号用matlab对去噪效果进行了仿真。仿真结果进一步表明了基于硬软阈值折衷去噪算法的优越性和有效性。     

模极大值与阈值决策融合的小波语音数据去噪方法 *

小波在时域、频域都具有表征信号局部特征的能力 ,对于语音数据的去噪 ,与其他方法比较具有优势 ,但是阈值的选择缺乏明确的指标。模极大值法保留幅度随尺度增加而增大的点 (对应于有用信号的极值点 )来达到去噪的目的 ,但将非极值处变换系数置零 ,造成信号损失。提出了一种变化模极大值与阈值决策相融合的去噪方法 ,有效地结合了两者的优点。经实验证明 ,该方法精度高、算法简单、计算速度快。