一种改进谱减法语音增强算法的研究

语音增强是语音处理中常用的手段,在传播语音信号的同时噪声信号也随之添加进来,为了得到纯净的语音信号,我们对带噪信号进行语音增强,我们一般使用谱减法进行语音增强,但面对变化较大的噪声效果不理想。文章提出了一种改进的谱减语音增强方法,通过实验仿真表明,该方法有效地解决了噪声变化大情况下的语音增强。     

一种改进谱减法语音增强算法的研究

语音增强是语音处理中常用的手段,在传播语音信号的同时噪声信号也随之添加进来,为了得到纯净的语音信号,我们对带噪信号进行语音增强,我们一般使用谱减法进行语音增强,但面对变化较大的噪声效果不理想。文章提出了一种改进的谱减语音增强方法,通过实验仿真表明,该方法有效地解决了噪声变化大情况下的语音增强。     

一种新的自适应语音增强系统

针对自适应噪声对消(ANC)语音增强系统的性能高度依赖于参考信号的质量，任何原始语音信号泄漏到参考信号中，都会导致原始语音信号失真和噪声抵消性能恶化这一问题，本文提出一种对泄漏不敏感的附加随机噪声(ARN)自适应噪声对消语音增强系统。它通过在参考信号中加入一个低功率的宽带随机训练信号，然后用该训练信号作参考信号对噪声传输函数(NTF)进行自适应建模，并在使用自适应预测滤波器(APF)消除NTF自适应建模的语音信号干扰的同时，用补偿滤波器(CPF)来修正由APF引起的参考信号失真。计算机仿真表明，这种ARNANC语音增强系统在泄漏情况下能将原始语音信号从带噪语音信号中有效分离出来。     

基于自相关的语音自适应增强器的设计与实现

为了提高语音信号的清晰度,利用基于自相关的自适应滤波器对语音信号进行增强.在理论上研究了该滤波器的频率响应和语音增强原理.同时设计并实现了使用该算法的自适应语音增强器,介绍了该增强器的硬件结构.经过试验研究,证实该增强器能对白噪声环境中的语音信号进行有效增强,实际使用效果明显.     

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。     

基于随机共振的语音增强研究

传统的语音增强方法是通过线性过滤除噪声达到语音增强的目的,而在强噪声环境中,语音信号表现为弱信号．去噪变得困难,而随机共振能利用噪声增强语音信号。基于Hodgkin—Huxley神经元阈上非周期随机共振原理,提出一种自适应调节,添加最佳噪声来实现语音增强。实验结果表明,在强噪声能够实现对语音信号的增强,具有一定的鲁棒性,提供了在强噪声环境中增强语音信号的新思路。     

一种改进的语音信号非线性自适应预测编码方案

应用神经网络和Ｌｅｖｉｎｓｏｎ－Ｄｕｒｂｉｎ算法,本文提出一种改进的语音信号非线性自适应预测编码方案。用该方案实现了１６Ｋｂ／ｓ语音信号自适应预测编码器。实验结果表明,与原方案相比,本文提出的方案解码恢复后的语音质量有明显地改善。     

一种基于DSP的人工耳蜗语音处理器设计

传统的人工耳蜗语音处理器采用ASIC设计,投入成本高,可移植性差,设计了一种基于TMS320VC5509A的人工耳蜗语音处理器。该处理器采用双麦克风接受语音信号,实现了语音信号的自适应噪声消除和CIS(Continuous Interleaved Sampling)方案。同一段语音由DSP采样处理得到的刺激脉冲与MATLAB采样处理的结果基本相同。实验结果表明,基于DSP的人工耳蜗语音处理器能实现语音信号中噪声的消除并得到良好的刺激脉冲。     

传声器阵列语音增强新方法与仿真实验

结合宽带LCMV语音增强和噪声自适应对消原理,提出了一种基于传声器阵列的多级自适应语音增强方法。在真实声学环境下构建实验模型并对语音信号进行采集,通过MATLAB仿真验证了算法。分析表明,该方法计算复杂度低,对语音信号损伤小,信号SNR提高显著。     

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。     

一种新的图像去噪混合滤波方法

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和模糊加权均值滤波的混合滤波方法.该方法首先进行噪声检测把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用模糊加权均值滤波算法,而对受脉冲噪声污染的像素则采用改进的中值滤波算法进行去噪.仿真结果证明,该方法更具有实用性和有效性.     

基于自适应形态滤波算法的斑点噪声抑制

文章提出了一种应用于斑点噪声抑制的自适应权重形态滤波算法，实验证明此算法优于传统的形态滤波算法和权重形态滤波算法。     

A robust adaptive weighted constant modulus algorithm for blind equalization of wireless communications systems under impulsive noise environment

A robust adaptive weighted constant modulus algorithm is proposed for blind equalization of wireless communication systems under impulsive noise environment. The influence of the impulsive noise is analyzed based on numerical analysis method. Then an adaptive weighted constant modulus algorithm is constructed to adaptively suppress impulsive noise. Theoretical analysis is provided to illustrate that the proposed algorithm has a robust equalization performance since the impulsive noise is adaptively suppressed. Moreover, the proposed algorithm has stable and quick convergence due to avoidance of large misadjuntment and adoption of large step size. Simulation results are presented to show the robust equalization performance and the fast convergence speed of the proposed algorithm under both impulsive noise and Gaussian noise environments.     

基于不确定性信息融合的高密度椒盐噪声降噪方法

为解决高密度椒盐噪声滤除与细节保护之间的矛盾,提出一种基于不确定性信息融合的中智灰滤波算法.该算法包括两个阶段:噪声检测和噪声恢复.在检测阶段,为提高噪声检测准确率,首先利用Max-Min算法进行初测,然后利用极值压缩灰色关联度与顺序不确定性的融合信息进行二次判断.在噪声恢复阶段,为充分利用像素本身的不确定性及邻域像素的灰色关联性,将中智不确定性和极值压缩灰色关联度的乘积作为相似性度量特征,设计了中智灰自适应权重函数.实验表明,针对不同图像,二次噪声检测方案的噪声剔除率可达0.1%~8.8%;该中智灰滤波算法在抑制椒盐噪声的同时能较好地保护图像边缘信息,特别是在高噪声(70%~90%)情况下,算法的综合性能优于现有相关算法.     

水声通信系统中基于迭代自适应的脉冲噪声抑制方法

针对水声通信系统中脉冲噪声抑制问题,提出了一种迭代自适应的脉冲噪声抑制方法。基于 OFDM子载波之间的正交性,该方法首先利用空子载波矩阵从接收信号中提取出背景噪声和脉冲噪声。然后,利用空子载波矩阵构造导频矩阵,得到脉冲噪声的干扰协方差矩阵,并在加权最小二乘准则下通过对代价函数的求解得到脉冲噪声的闭式解。最后,在接收信号中减去脉冲噪声的估计值,完成对脉冲噪声的抑制。仿真结果表明,本文方法有效降低了水声通信系统的误码率,且在高信干噪比下性能提升更加明显。     

基于图像增强的改进自适应加权均值滤波算法

为了尽可能滤除图像中的椒盐噪声同时改善图像视觉效果,将改进自适应加权均值滤波与小波域图像增强技术有机结合,提出了一种具有增强效果的图像滤波算法。该算法分为滤波和滤波后处理两个阶段。滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为三个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。将该滤波算法与经典均值滤波,加权均值滤波、自适应加权中值滤波等性能比较,实验结果表明,本文滤波算法在噪声滤除和图像细节保持方面,效果较好。     

基于差分法的噪声检测和变分法的图像滤波算法

针对图像的椒盐噪声滤除算法中,在噪声检测阶段对噪声点的检测通常不够准确,在噪声恢复阶段,又缺乏对边缘信息的保护,文中提出了一种两步复原法,以用于复原被脉冲噪声破坏的模糊图像。算法将滤噪过程分为噪声检测和噪声恢复阶段。噪声检测过程中,在滑动窗口扩大当前的像素值和其他像素值之间的有序差异,来确定当前像素是否为噪声像素。而在噪声恢复过程中利用变分法,确保图像的边缘和细节。实验结果表明,文中所提检测、降噪方法在噪声密度较高的情况下,优于其他算法。     

一种图像脉冲噪声小波域广义滤波算法

提出了一种脉冲噪声滤波算法.首先对噪声图像进行二维小波分解,得到高频和低频子图像;其次对高频子图像序列采用改进自适应加权中值滤波进行处理,以排除水平、垂直、对角方向的噪声;然后对于低频子图像引入基于修正系数的维纳滤波进行处理,并进行小波系数重构;最后设计出一种小波域图像增强模型,通过设置调节系数,将图像分为不同区域分别进行相应比例的对比度拉伸处理,结合实验定量讨论了噪声强度与模型系数的函数关系.实验表明,该滤波算法不仅优于几类单一滤波算法,相对于某些组合滤波算法而言,也具有一定的优势.     

基于噪声检测的高密度椒盐噪声自适应滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度的保护图像的细节信息,使得高密度噪声污染图像也能得到较好地恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。     

基于改进型GIW算法的TerraSAR-X图像斑点噪声抑制

针对TerraSAR-X图像中的斑点噪声抑制问题,分析了噪声的基本数学模型,并考察了经典处理方法,进而结合Kuan滤波的基本思想,给出了一种改进型梯度倒数加权(GIW)滤波算法,利用邻域像素和中心像素的灰度梯度倒数及其邻域统计信息构造滤波加权模板,然后通过卷积操作实现斑点噪声的抑制。对TerraSAR-X图像处理的结果表明该算法原理简单,实现方便,可有效抑制图像中的斑点噪声,同时具有优良的边缘细节保持能力,非常适合边缘提取、目标检测等后续处理。