基于S变换和谱减法的语音降噪

S变换是一种有效的时频表示方法,具有短时傅里叶变换和小波变换的优点,通过提出一个基于S变换的谱减法语音增强方法,将语音变换到时频联合域内进行谱减,从而得到较纯净的语音,再利用逆S变换将增强后语音还原输出.实验结果表明,该方法有较好的语音降噪能力并提高了性噪比.     

基于鼾声的声学特征估计睡眠呼吸暂停指数

睡眠呼吸暂停低通气综合征(sleep apnea hypopnea syndrome, SAHS)是一种睡眠呼吸疾病.提出用鼾声的声学特征对SAHS严重程度进行筛查的方法.提取鼾声的美频率倒谱系数(Mel-frequency cepstral coefficients, MFCC),利用高斯混合模型对鼾声进行建模和分类,并估计了打鼾者的呼吸暂停低通气指数(apnea hypopnea index, AHI).对120人的实验结果表明,与多导睡眠仪(polysomnography, PSG)诊断的AHI值相比,本方法对严重程度诊断的正确率达80.00%,与PSG诊断的一致性达到83.30%,相关系数为0.956 3 (P 0.001).说明MFCC是筛查SAHS较为有效的声学特征.研究结果对医疗辅助诊断和居家医疗的发展有着积极的促进作用.     

基于参数自适应的改进谱减法

针对基本谱减法的噪声残留以及损伤语音的可懂度和自然度等问题,在基本谱减法原理基础上,提出了基于参数自适应的改进谱减法。引进谱减功率系数和谱减噪声系数,以增强后语音信号的信噪比为输出,以变化的谱减功率系数和谱减噪声系数为输入,自动控制选择最优参数,并且将其与带噪语音输入信噪比相匹配。对信号进行语音增强时,通过计算其输入信噪比,利用最优参数曲线得到最优参数值,然后结合平滑处理的过程实现语音增强最大化。实验表明,本文算法有效提高了基本谱减法的语音增强性能。     

基于谱减法的藏语语音减噪研究

语音信息的采集过程中难免会有各种噪声的干扰,噪声降低了语音的可懂度及清晰度,甚至严重影响语音处理的准确性和可靠性。谱减法是语音减噪中最常用的方法,该方法基于人的感觉特性,对语音短时幅度谱进行估计,适用于受加性噪声污染的语音。本文通过统计分析谱减法的增益补偿因子和过减因子参数,研究基于谱减法的藏语语音减噪处理,并取得较为理想的实验结果。     

基于小波阈值法的结构动力响应降噪处理

从小波函数的选取、最大分解尺度及阈值的选取等方面进行对比分析，以信噪比和均方根误差两个指标作为评价信号降噪效果优劣的指标，提出了适用于环境激励的结构动力响应降噪流程.     

基于谱特征参数的图像稀疏降噪

提出一种基于谱特征参数的图像稀疏降噪算法。其采用稀疏重构理论为图像降噪框架,并将图论中的谱特征参数作为一约束条件,以有效克服传统稀疏重构中稀疏解不稳定的问题。该降噪算法将噪声图像块作为基础元素进行关系图构建,进而得到邻接矩阵。然后,求解该邻接矩阵对应的拉普拉斯矩阵,并对其进行特征分解,得到对应的特征向量,即谱特征参数。最后,将图像块矩阵与一定数目该高频谱特征参数所组成矩阵的乘积作为稀疏模型的正则项形成提出的算法模型。实验结果表明,与基于K-SVD的稀疏表示降噪算法相比,在相同参数的情况下提出的算法在多种类型噪声下对多幅图像的降噪效果都有着显著的提高。     

一种改进的基于谱熵实时噪声估计的谱减法

语音增强的目标是从含有噪声的语音信号中提取尽可能纯净的原始语音.在实际应用中,需要对背景噪声进行预估计,以达到改善语音质量.目前常用的语音增强方式是谱减法,但由于该算法在低信噪比环境下的效果较差,所以限制了其应用范围.该文将实时噪声估计同谱减法相结合,针对谱减法在低信噪比下效果不明显的缺点,给出一种新的语音增强方案.该方案的目的是优化传统谱减法的性能,对噪声进行更为准确的实时估计;该方案的特点就是利用谱熵对噪声进行估计,通过谱熵估计每一帧语音的噪声,再利用谱减法达到降噪的目的.实验结果表明,该方法与传统的谱减法相比,在低信噪比环境下均能得到较好的去噪效果.     

基于MATLAB的谱减法语音去噪算法

结合笔者所学的数字信号处理课程和通信原理课程,揭示了谱减法语音去噪算法的理论依据。结合MATLAB语言,编写谱减法语音去噪算法并进行仿真,对比去噪前后的语音效果,对深入学习和理解数字信号处理课程有一定意义。     

联合波束形成与谱减法的麦克风阵列语音增强算法

考虑到封闭环境的散射噪声场中,传统波束形成方法及单通道谱减法对噪声抑制的局限性,提出一种将波束形成方法与谱减法相结合的麦克风阵列语音增强方法．该方法首先通过波束形成器的空间滤波作用,将波达方向不同的语音信号和噪声信号加以区别,再经过延时补偿单元的相应处理,从而达到衰减噪声的目的,然后采用谱减法对波束形成器输出端的残留噪声进行后置处理．仿真实验结果表明。在小房间混响情况下,与其他方法相比,该方法不仅运算量小。而且具有良好的噪声抑制性能．     

用于语音识别的基于高谱分辨率的谱减法

提出了一种新的基于高谱分辨率的谱减法,通常噪音帧和带噪语音帧具有相同的长度且都是短时帧,对短的噪音帧和带噪语音帧做傅立叶变换得到的谱分辨率低导致谱减法性能下降严重。基于平稳或接近于平稳的背景噪音下合并所有噪音帧再做傅立叶变换以提高噪音帧的谱分辨率;通过对带噪语音信号在时域进行前向和后向的延拓再做傅立叶变换以提高带噪语音信号的谱分辨率,在有效抑制噪音的同时减少了语音谱的失真并提高了系统识别率。     

基于分频段ABAP谱减法的鸟叫声分类研究

针对带噪鸟叫声,用自适应Bartlett平均周期图(ABAP)完成噪声估计,进行分频段谱减去噪后,提取经过二维离散余弦变换的Mel频率倒谱系数动态声音特征(TDMFCC).最后,利用支持向量机(SVM)分别结合MFCC、TDMFCC以及经过分频段ABAP谱减法降噪后的MFCC和TDMFCC对30种鸟叫声进行不同背景环境和信噪比情况下的对比实验.结果表明,分频段ABAP谱减法降噪后提取TDMFCC结合SVM的方法可以取得较好的分类效果,适用于噪声环境下的鸟叫声分类.     

基于谱减法和经验模式分解的语音增强

本文提出了一种基于谱减法和经验模式分解的语音增强算法。在低信噪比的情况下用谱减法可以去除语音信号中的大部分背景噪声,再对已处理过的信号进行经验模式分解,对前几个IMF进行阈值处理可以进一步增强语音。实验表明:本算法去噪效果优于传统方法。     

基于压缩感知的自适应谱减法语音增强算法

针对在压缩感知框架下,噪声的影响会被扩大这个问题,提出了一种新的基于压缩感知的语音增强算法。该方案利用压缩感知下的行阶梯观测矩阵能够保留大部分语音特性的特点,对观测序列进行谱减法消噪,再对得到的观测序列进行基于输入信噪比的自适应重构,最后通过低通滤波器对重构语音进行平滑滤波,除去高频成分。实验结果表明:提出的语音增强方法具有较强的抗噪能力,重构速度快,输出的信噪比高,鲁棒性能好。     

基于扩展谱减法的语音增强算法及实现

结合漏水信号的特性,对基本谱减法进行改进.加入重叠帧,抑制部分音乐噪声.为了适合漏水信号无静寂帧的特点,引进了由谱减法和维纳滤波器相结合而构成的扩展谱减法,使得噪声估计可以时刻更新.经仿真验证,滤噪效果更好,适合用于对漏水信号的滤噪处理.     

基于小波分析与Boll改进谱减法的普米语语音增强算法

小波分析和Boll改进谱减法具有很好的减噪效果,但同时也存在"音乐噪声"和语音失真.为了解决这2个问题,基于这2种算法,研究了一种它们的联合算法并对加噪后的普米语进行语音减噪实验.通过对减噪后语音的试听和波形图的观察以及信噪比的对比,对实验的结果进行分析.实验结果表明,针对叠加了随机高斯白噪声的普米语,算法能有效地减少这2种方法单独使用时所产生的"音乐噪声"和语音失真.     

基于“音乐噪声”的修正谱减法算法分析

在传统谱减法语音增强的基础上,针对不同性别带噪语音信号采用传统的谱减法后残余音乐噪声过强的问题,提出采用被减项加权处理和功率谱修正处理相结合的改进方法,采取Matlab实验仿真分析,实验结果表明,该方法降低了音乐噪声,改善了语音信号的输出信噪比,达到了抑制纯音噪声的目的。     

基于正交小波变换和谱减法的语音增强研究

随着语音处理技术研究的深入和实际应用的增多,各种语音处理系统面临着进一步提高性能的问题。语音增强技术广泛地用来提高语音处理系统前端预处理的抗噪声能力和输入信号的信噪比,改善语音质量、可懂度和系统的性能,而作为预处理或前端处理模块存在于语音处理系统中。因此,对语音增强技术的研究具有十分重要的意义。本文基于正交小波变换理论和谱减法对语音增强问题进行了研究。     

谱聚类与混沌免疫相结合的软件缺陷分析算法

针对谱聚类算法中K-means处理无标识软件度量元数据易陷入局部最优的问题, 提出一种新的混沌免疫聚类算法. 该方法在免疫克隆选择算法的框架下, 设计抗体亲和度计算方法用于免疫克隆聚类中心的评价, 并给出分层混沌变异算子, 进一步提高了无标识软件度量元数据的预测性能. 仿真实验验证了算法的有效性.     

基于小波变换的信号降噪处理

在介绍小波变换的消噪原理和方法的基础上,研究了影响小波变换降噪效果的两个主要因素：小波基函数和分解尺度。通过模拟的方法对同一信号分别采用db小波和sym小波进行降噪处理;以及用相同的小波基函数,采用不同的分解层数,对其降噪处理。     

神经网络与响应面法相结合分析

响应面有限元的可靠度计算是采用有限元数值模拟来解决功能函数不能明确表示的结构可靠度计算问题的一类方法,对于大型复杂结构的可靠度分析有重要的意义．提出了基于BP神经网络与响应面法相结合的结构可靠度计算的几何分析方法,通过得出的可靠指标对一座既有桥梁进行了可靠性分析．数值试验表明,该方法建立的神经网络模型可以很好地拟合真实的极限状态函数,在既有桥梁可靠性分析中具有广阔的应用前景．