基于数据驱动字典和稀疏表示的语音增强

本文提出了一种基于数据驱动字典和过完备稀疏表示的自适应语音增强方法。首先在训练阶段采用干净语音基于K奇异值分解(K singular value decomposition, K SVD)算法训练过完备字典,然后在测试阶段根据含噪语音的噪声方差自适应选择最优的阈值,采用正交匹配追踪算法对含噪语音信号在过完备字典上进行稀疏分解,最后利用系数稀疏表示重构语音信号,从而达到语音增强的目。该方法不像传统语音增强方法那样减少或消去噪声,而是从字典中选取适当的原子表示纯净信号,从而把纯净信号从含噪信号中分离出来。对白噪声和有色噪声环境下重构语音进行了主客观评价。仿真结果显示:该方法能有效去除加性噪声,并且改善了语音质量。      

一种基于Matching pursuits时频分解算法的语音降噪方法

提出一种基于时频分解算法的语音降噪方法,利用Matchingpursuits时频分解算法对含噪语音信号进行分解,把分解后的各个分量的魏格纳分布之和作为整个信号的魏格纳分布,这样便使得信号和噪声在时频平面上有了较直观的分布,利用这个特点对信号进行降噪。仿真结果表明,该方法能在保证可听懂度的情况下,有效地去除含噪语音信号中的宽带噪声。     

基于Matching Pursuits时频分解算法的传声器阵语音增强

根据在时频域中对含噪语音信号进行的时频分析研究,提出1种基于MatchingPursuits时频分解算法的语音降噪方法。利用MatchingPursuits算法对含噪语音信号进行分解,将分解后各分量的魏格纳分布之和作为整个信号的魏格纳分布,使信号在时频平面上有较直观的分布,并利用此特点对信号进行降噪。仿真结果表明:此方法能在保证可懂度的情况下,有效去除含噪语音信号中的宽带噪声。     

一种三阶多项式相位信号去噪的字典学习算法

在加性高斯白噪声的影响下,对于三阶多项式相位信号(CPS),经典的字典学习算法,如K-means Singular Value Decomposition(K-SVD), 递归最小二乘字典学习算法(RLS-DLA)和K-means Singular Value Decomposition Denoising (K-SVDD)得到的学习字典,通过稀疏分解,不能有效去除信号的噪声。为此,该文提出了针对CPS去噪的字典学习算法。该算法首先利用RLS-DLA对的字典进行学习;其次采用非线性最小二乘(NLLS)法修改了该算法对字典更新的部分;最后对训练后的字典通过对信号的稀疏表示得到重构信号。对比其它的字典学习算法,该算法的信噪比(SNR)值明显高于其它算法,而均方误差(MSE)显著低于其它算法,具有明显的降噪效果。实验结果表明,采用该算法得到的字典通过稀疏分解,信号的平均信噪比比K-SVD, RLS-DLS和K-SVDD高出9.55 dB, 13.94 dB和9.76 dB。     

一种基于奇异谱分析的降噪技术

提出一种基于奇异谱分析的降噪技术，用于降低目标声信号中的环境噪声分量，提升信号的信噪比。该方法将含噪声音信号分解为多个不同能量的声模态，通过提取包含大量目标声信号的主要声模态，舍去包含大量噪声信号的次级模态，实现目标声音与噪声的分离，达到降噪的目的。使用该方法对实验数据进行处理，能够大幅降低背景噪声的影响，提升信号的信噪比。     

基于在线字典学习的人脸超分辨率重建

针对基于学习的人脸超分辨率算法噪点、伪影较多,且噪声鲁棒性较差的问题,提出一种基于在线字典学习的人脸超分辨率重建算法。以人脸图集作为训练图库,运用在线字典学习方法提高字典训练的精度。独立调整字典学习阶段的正则化参数λt和求解重建稀疏系数阶段的λr,以获取最优的超完备字典和稀疏系数用于图像重建。实验结果表明,目标图像峰值信噪比比同一类型的稀疏编码超分法平均提高了0.85 d B,结构相似性增加了0.013 3,有效地抑制了噪点和伪影。在含噪人脸图像应用中,噪声水平提高时,峰值信噪比下降相对较平缓,提升人脸超分效果的同时改善了算法的噪声鲁棒性。     

基于字典训练和高频增强的图像降噪研究

噪声图像,特别是含有高密度噪声图像在经过去噪后,图像细节(图像高频)丢失较多。针对这一问题,提出一种基于字典学习和高频增强的方法。该算法首先让噪声图像经过降噪算法处理,然后由样本图像依次模拟加噪和去噪过程得到去噪样本图像,样本图像和去噪样本图像相减得到样本差分图像,最后分别训练样本差分图像和去噪样本图像,得到一对高、低分辨率字典,用于重建图像去噪后所缺失的高频。实验结果表明,所提算法在主观的人眼视觉和客观评价上要优于经典的图像降噪算法。     

一种改进的基于K-SVD字典的图像去噪算法

为了更好地实现图像的去噪效果,提出了一种改进的基于K-SVD（Singular Value Decomposition）字典学习的图像去噪算法。首先,将输入的含噪信号进行K均值聚类分解,将得到的图像块进行稀疏贝叶斯学习和噪声的更新,当迭代到一定次数时继续使用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法对图像块进行稀疏编码,然后在完成稀疏编码的基础上通过奇异值分解来逐列更新字典,反复迭代至得到过完备字典以实现稀疏表示,最后对处理过的图像进行重构,得到去噪后的图像。实验结果表明,本文的改进算法相对于传统的K-SVD字典的图像去噪能够在保留图像边缘和细节信息的同时,更有效地去除图像中的噪声,具有更好的视觉效果。     

二次谐波信号降噪方法的研究

在近红外区域，利用波长调制光谱技术进行气体浓度检测时，光学元件以及电子器件的噪声会影响二次谐波信号的信噪比。为了抑制噪声，提出一种基于经验模态分解、去趋势波动分析和小波自适应阈值的复合降噪算法。该算法针对传统经验模态分解降噪算法中存在的有用信号缺失的问题，利用去趋势波动分析优化对于信息主导本征模函数的筛选，将筛选出的信息主导本征模函数进行信号重构，再用小波自适应阈值算法提高降噪精度。将提出的算法与经典的降噪算法进行对比评估，提出的算法降噪后的二次谐波信号与原二次谐波信号的互相关系数为99.9018%，均方根误差为0.0087%。通过对实验中实际得到的二次谐波信号进行去噪，结果表明提出的算法去噪效果明显，能够保留有用的信息点。     

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。     

基于稀疏表达的图像去噪方法研究

提出一种基于混合字典的图像稀疏分解去噪方法。使用小波包函数和离散余弦函数构成混合字典,采用匹配追踪算法对图像进行稀疏分解,提取含噪图像中的稀疏成分,最后利用稀疏成分进行图像重构,达到去除图像中噪声的目的。实验中与单一字典稀疏分解去噪算法进行了对比,结果表明,所提出的混合字典稀疏去噪算法可有效提取图像中的稀疏结构,改善重构图像的主客观质量。     

基于双层字典学习的单通道语音增强方法

为了提升复杂噪声环境下语音增强效果,该文提出了一种基于双层字典学习的单通道语音增强方法。在训练阶段首先采用干净语音和噪声训练初始化特征子字典,然后基于区分性约束和抗混淆约束的优化函数训练双层联合字典,第一层字典表达语音信号和噪声的可区分分量,而第二层字典表达语音信号和噪声的易混淆成分。在测试阶段含噪语音在双层联合字典上投影得到稀疏系数矩阵,然后重构得到增强后的语音。该方法利用目标优化函数的约束性减少“交叉投影”现象的发生,降低了信号在联合字典的混淆,从而进一步提升了语音增强的效果。实验结果表明,从全局信噪比（SNR）、主观语音质量评估（PESQ）和对数频谱距离（LSD）三个方面评价,相比于基于稀疏约束非负矩阵分解和改进的维纳滤波的语音增强方法,该方法具有更好的性能,能够更有效地去除噪声。      

一种新的含噪混沌信号降噪算法

该文针对低信噪比、非高斯加性噪声和混沌动力学系统参数未知的含噪混沌信号降噪问题,提出了一种基于粒子滤波(Particle Filtering, PF)的降噪新算法。该算法将混沌信号和动力学系统中的未知参数作为一个多维状态矢量,利用PF方法递推计算多维状态矢量的联合后验概率分布,进而实现了对混沌信号的最优估计。对于混沌信号轨道分离过快所导致的退化问题,提出了有效的解决方法,并利用核平滑和自回归(Auto-Regression, AR)模型建模的方法分别实现了非时变以及时变参数的递推估计。仿真实验的结果表明,与现有的降噪方法相比,该文提出的新算法能够更加有效地抑制含噪混沌信号中的加性噪声。     

脉冲噪声环境下水声通信信号调制识别方法

为了提高浅海脉冲噪声环境下水声通信信号调制识别的性能和实用性,提出了基于降噪自编码器和卷积神经网络的调制识别方法。首先,利用降噪自编码器对含噪声信号进行降噪处理,然后,利用卷积神经网络对降噪信号的功率谱图进行分类,从而完成调制识别。此外,采用数据迁移思想构造训练数据集对网络进行训练解决了目标水域数据样本不足的问题。仿真实验和实际信号测试结果验证了本文方法的有效性。与现有算法相比,具有较高的识别率,并且提升了目标信道数据不足条件下的识别性能。      

分数阶微积分对频域除噪技术的改进

频域除噪是信号降噪技术中的重要内容。由于噪声多为高频,频域除噪技术一般利用低通滤波器滤除含噪信号中的高频部分,以达到除噪的目的。然而图像信号的轮廓以及某些细节部分也为高频,会被低通滤波器当作噪声滤除,降低除噪效果。利用分数阶微积分,对滤波器算法进行细微变换和调整,使其能够更加精确地区分噪声与高频信号,从而在滤除噪声的同时更多地保留高频信号部分。文中通过大量的仿真,证明了该方法较传统的滤波除噪技术具有很大的进步性。     

基于自适应稀疏表示的电子商务语音识别增强方法研究

传统语音增强算法在去除噪声的同时也导致语音受损，为了减小这种负面影响，结合了语音信号的稀疏表示算法与语音增强算法和自适应的获得训练字典，提出了一种基于自适应稀疏表示的语音增强算法。仿真实验结果表明该方法即使在低信噪比的条件下也能有效去噪，且去噪后能很好的分辨出原始语音信号。     

基于GMM均值超向量稀疏分解的碰摩声发射源识别

研究提出了一种基于GMM均值超向量稀疏分解的风电机组碰摩声发射源识别检测方法。以压缩感知理论与GMM识别模型为基础,将高斯分量的均值向量连接组成GMM均值超向量作为压缩感知的稀疏基,并利用MP、OMP算法进行稀疏分解,根据稀疏系数识别风电机组碰摩声发射源,而不需要对信号进行重建,提高了识别性能和效率。通过实验观察上位机输出结果,验证了识别结果数据的实时性和准确性,达到了对风电机组运行的状态信息监测和故障诊断的要求。     

零差激光测振系统中含噪多普勒信号处理方法

针对零差激光测振系统中多普勒信号的噪声导致信号正交校正困难、增大测量误差的问题,提出了含噪多普勒信号处理方法。首先利用平滑滤波对两路含噪多普勒信号进行降噪处理,再通过最小二乘法对非正交多普勒信号进行校正,然后采用单位圆校正算法二次校正成正交信号,最后利用微分相除积分操作解调出振动信号。实验结果表明,本文方法能有效解调振...     

同伦方法在图像稀疏去噪中的应用

本文在深入研究稀疏表示和字典学习理论的基础上,建立了图像去噪模型并提出一种新的图像去噪算法。该算法采用同伦方法学习字典,充分利用了同伦方法收敛速度快以及对信号的恢复准确度高的特点。之后利用 OMP 算法求出带噪图像在该字典下的稀疏表示系数,并结合稀疏去噪模型实现对图像的去噪。实验结果显示本文算法在不同的噪声环境下具有较好的去噪效果,同时在与 K-SVD 算法关于收敛速度比较的实验中,实验结果充分显示了使用同伦算法学习字典在收敛速度上的优势。      

数字摄像机自动聚集机械噪声消除方法研究

数字摄像机的摄像头在缩放时产生较大声噪,回放时主观听觉十分明显,因此需要研究一种高质量语音降噪算法,用于消除机械声噪,同时避免产生语音畸变.通过分析传声器阵列及带噪声源的数学模型,构建了一套基于传声器阵列的语音降噪系统,针对机械噪声的统计特性,利用最小方差无畸变响应波束形成法对非注视方向的噪声进行滤波,采用子带后处理法...