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。     

基于相干函数和仿生小波变换的双麦克风语音增强算法

本文提出了一种双麦克风降噪方法。该方法基于相干函数和应用卡尔曼滤波的仿生小波变换。卡尔曼滤波器应用于对输入信号应用仿生小波变换得到的仿生小波系数。本文所采用的方法可以在不同的噪声场景下使用两个排列紧凑的麦克风处理带噪信号,在语音质量评价、谱图分析和时域波形等方面优于其他双通道语音增强方法。     

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。     

一种小波变换与维纳滤波结合的语音抗噪研究

语音信号与随机噪声在不同尺度上进行小波变换时,其小波变换系数和尺度大小的特性关系存在着不同的特征表现,而且,浊音和清音也各有其特性。给出了一种基于小波变换的维纳滤波语音增强方法;采用维纳滤波对浊音和清音信号的小波变换系数进行不同的处理,既抑制了噪声,又减少了语音段信息的损失,提高了信噪比。仿真结果说明,这是一种有效的语音增强方法。     

一种基于信号子空间和听觉掩蔽效应的语音增强方法

提文推导了基于离散余弦变换(DCT)的子空间分解法对有色噪声背景下的语音进行增强的公式,用基于听觉掩蔽效应的感智滤波器对增强后的信号频谱进行平滑以抑制背景噪声。几种噪声背景下对增强语音的客观测试表明,本文提出的方法可以有效地减少语音信号的失真度。     

基于自适应噪声估计的小波阈值语音增强

文中提出了一种基于小波阈值和自适应噪声估计方法的语音增强算法。该算法直接利用含噪语音信号估计出信噪比SNR,并通过该值调整小波阈值,从而实现了小波阈值的自适应变化。针对噪声的小波变换模值随尺度增大而减小的特性,采用了随尺度变化的小波阈值。并且改进了小波阈值函数。实验数据表明,本文算法在多种噪声环境下,均有较好的语音增强效果。并且在抑制噪声的同时,减少了语音失真。     

基于分形理论的语音增强

在分析了语音信号与随机噪声在不同尺度上进行小波变换时其传递特性不同的特征表现及其特点之后．给出了一种新的基于分形维数的语音信号增强方法。该方法根据带噪语音信号及子渡重构之后的分形维数不同对语音信号的小波变换系数作不同的阈值处理。既抑制了噪声，又减少了语音段的信息的损失，提高了佶噪比。仿真结果表明，这是一种有效的语音增强、去噪的方法。     

基于小波包变换的多阈值法语音信号去噪净化

文中在小波包变换和传统阈值法的基础上,提出了一种基于小波包变换的多尺度多阈值语音信号去噪净化方法。采用小波包分解,克服了传统的正交小波变换的缺陷。采用多尺度多阈值方法,通过改进噪声方差估计方法,在去噪的同时,进一步提高信噪比。仿真实验结果表明,本方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

基于小波变换的动态阈值法语音信号净化

语音信号实时去噪净化处理是语音通信系统的关键技术。传统的小波阈值去噪方法由于阈值的单一性,在去除噪声的同时,造成语音信号损伤。针对这一问题,提出了一种基于小波变换的动态阈值法语音信号净化方法。能根据噪声和信号的变化而动态调节阈值;采用改进的阈值函数对小波系数缓变地压缩,仿真实验结果表明,能有效去除信号中的噪声和较好保留语音细节。     

基于MATLAB的语音增强系统的设计

语音增强是信号处理领域中的一个重要的组成部分。在许多语音处理的应用中,例如移动通信,语音识别和助听器,语音信号的处理不得不在具有噪声的环境下进行。在过去的几十年里,人们提出了许多方法去消除噪声和减少语音失真,例如谱减法,基于小波的方法,隐式马尔科夫模型法和信号子空间法等。小波分析由于能同时在时域和频域中对信号进行分析,所以它能有效地实现对信号的去噪。介绍了一种语音增强系统的设计方法,采用Least Mean Square（LMS）算法和小波变换相结合的方法对带噪语音进行去噪,并在MATLAB的Simulink环境下建立了该系统的模型。通过对该模型的仿真表明：该方法去噪效果明显,为该系统在硬件上的实现打下了理论基础。     

杂波抑制的分形处理:小波-多尺度自适应Kalman滤波

从杂波分形模型的角度,以基于小波变换和多尺度自适应Kalman滤波的方法,解决雷达信号处理中重要的杂波抑制问题。首先对接收信号作小波分解,利用小波系数建立状态方程和观测方程,用Kalman滤波对每一尺度估计分形杂波,然后从接收信号中减去估计得到的分形杂波,从而实现杂波抑制。仿真结果表明,基于小波变换和多尺度Kalman滤波的处理方法,能对分形杂波进行有效的估计分析,进而实现有效的抑制。     

压缩感知理论在语音信号去噪中的应用

针对小波阈值滤波的局限性,将压缩感知理论应用到语音信号去噪中,并与小波阈值滤波方法进行了比较,仿真实验结果表明：基于压缩感知的小波滤波方法可以有效地去除语音信号中的噪声,并且去噪效果优于传统小波阈值滤波方法,对工程中音频信号的降噪具有指导意义。     

Speech frame recognition based on less shift sensitive wavelet filter banks

The wavelet transform possesses multi-resolution property and high localization performance; hence, it can be optimized for speech recognition. In our previous work, we show that redundant wavelet filter bank parameters work better in speech recognition task, because they are much less shift sensitive than those of critically sampled discrete wavelet transform (DWT). In this paper, three types of wavelet representations are introduced, including features based on dual-tree complex wavelet transform (DT-CWT), perceptual dual-tree complex wavelet transform, and four-channel double-density discrete wavelet transform (FCDDDWT). Then, appropriate filter values for DT-CWT and FCDDDWT are proposed. The performances of the proposed wavelet representations are compared in a phoneme recognition task using special form of the time-delay neural networks. Performance evaluations confirm that dual-tree complex wavelet filter banks outperform conventional DWT in speech recognition systems. The proposed perceptual dual-tree complex wavelet filter bank results in up to approximately 9.82 % recognition rate increase, compared to the critically sampled two-channel wavelet filter bank.     

光电稳定跟踪平台中微机电陀螺滤波方法研究

根据微机电陀螺的实测数据,分析了其噪声特性,建立了微机电陀螺零漂的AR模型.研究了基于Kalman滤波的陀螺去噪算法,给出了去噪结果,分析了Kalman滤波不能够在微机电陀螺信号去噪中获得较好效果的原因.在此基础上,将基于阈值决策的小波去噪方法应用于微机电陀螺的信号处理中,给出了滤波结果.实测结果表明由于后者不依赖于噪声的精确模型,根据噪声在不同频段的统计特性采用阈值决策滤波,具有更好的抑噪效果.最后给出了两种滤波算法的比较结果.     

Deconvolution filter design for fractal signal transmissionsystems: a multiscale Kalman filter bank approach

A deconvolution filtering design is proposed for the 1/f fractal signal transmission systems, with its design philosophy being based on multiscale Kalman deconvolution filter bank equipped in the analysis/synthesis wavelet filter bank, The role of wavelet transformation for 1/f fractal signal process is exploited as a multiscale whitening filter for removing the properties of self-similarity and long-range dependence from the fractal signals     

1/f分形噪声的一种多尺度Kalman滤波方法

针对淹没在1／f分形噪声中的有用信号恢复问题，提出了一种基于小波变换与Kalman滤波的多尺度滤波算法。首先将带有1／f分形噪声的信号分解成多尺度的子带信号，通过小波变换对1／f分形噪声的白化作用，消除了1／f分形噪声的自相似性和长程相关性。然后在小波域内，利用Kalman滤波实现了噪声和有用信号的分离，估计出了各子带中的有用信号。最后进行小波重构，较好地恢复出淹没在1／f分形噪声中的有用信号。仿真实验表明，使用多尺度Kalman滤波器能有效地抑制分形噪声，显著地提高了信噪比。     

有色噪声下基于Unscented粒子滤波的语音增强方法

针对含有色噪声的语音,提出了一种基于Unscented粒子滤波的单通道语音增强方法.采用时变自回归模型(TVAR)对干净语音建模,通过Unscented粒子滤波器估计AR模型的参数并滤除有色噪声.与大多数常用的粒子滤波选择的建议分布不同,Unscented粒子滤波器采用Unscented卡尔曼滤波器生成粒子滤波的建议分布.由于在粒子的更新过程中考虑了最近的观测值,Unscented粒子滤波器能够在粒子数少于传统粒子滤波算法所需粒子数目的基础上改善估计的性能.仿真实验结果表明,在有色噪声背景下该算法具有良好的语音增强效果.     

一种基于二进小波变换的短波语音抗时变干扰算法

本文针对短波语音中存在的时变干扰难以跟踪,更难以滤除的问题,提出了一种基于二进小波变换的抗时变干扰算法,利用二进小波变换的变焦距的功能以及保持语音信号连续性的特点将短波语音信号分解成各层小波系数,由于噪声、语音和时变干扰在不同尺度上小波变换后,其小波变换系数和尺度大小的特性关系存在着不同的特征表现,因此通过二进小波变换能够有效地将时变干扰分解到很少的小波系数上,然后结合后验信噪比的大小以及根据人耳的听觉掩蔽特性,将强干扰和弱干扰、重叠干扰和非重叠干扰分开处理,较好地滤除了时变干扰并且明显降低了对短波语音信号的失真。仿真表明此算法不仅能够较好地滤除时变干扰,并且对语音失真较小,要明显优于传统的陷波算法。      

基于小波变换的双通道相干语音增强

提出了一种基于小波变换的双通道语音增强方法.该方法将双通道接收的带噪语音分解到各小波子空间,在对噪声非平稳特性的精确估计的基础上有效地进行相干增强处理.针对语音和噪声在各小波子空间的不同时-频特性,采用不同参数值的MMSE-STSA估计器进行后续滤波,可以将遗留噪声进一步滤除.文章最后的实验结果证明,与传统的双通道相干语音增强方法相比,该方法具有更好的处理效果.