基于LMS算法自适应滤波器的设计

对语音信号及噪声信号的特点进行了分析研究,提出了基于LMS算法自适应滤波噪声抵消模型,能够根据背景噪声的能量分布特征,将被污染的语音信号降噪提出,并且不发生信息丢失现象。采用M atlab软件完成数字滤波去噪声的功能。实验数据表明,该算法简单,可靠性高,能在受坦克、卡车噪声污染且较低的信噪比情况下,对语音信号起到去噪增强作用。     

基于极值域均值模式分解最大相似度的语音增强方法

提出一种基于极值域均值模式分解最大相似度的低信噪比语音增强算法,解决部分噪声环境下低信噪比语音信号增强问题。该算法核心思想是：对分解后得到的固有模态分量进行筛选后再做滤波处理,以此减少过滤波和欠滤波情况的发生。在筛选过程中,提出一种最大相似度判断算法,通过检测得到的噪声信号与固有模态分量计算最大相似度,通过最大相似度筛选出固有模态分量进行滤波,由于噪声与语音信号容易发生频谱混叠,在滤波器的选择上采用时域滤波器。将滤波后的固有模态分量和未作处理的固有模态分量进行信号重构,得到增强后结果。     

基于自适应中值滤波的图像去噪技术研究

中值滤波和自适应中值滤波被广泛地应用于消除图像的椒盐噪声。传统中值滤波算法无法根据图像噪声浓度改变窗口尺寸,并且噪声浓度过高时,中值滤波算法基本失效。自适应中值滤波算法可以根据椒盐噪声浓度大小对窗口尺寸进行改变,在高浓度噪声干扰下仍然具有较好的去噪效果。针对椒盐噪声,对中值滤波算法和自适应中值滤波算法去噪结果进行比较。通过仿真实验对图像添加不同浓度的椒盐噪声,并分别使用中值滤波算法和自适应中值滤波算法进行噪声去除,实验结果表明,在去除椒盐噪声方面,自适应中值滤波克服窗口尺寸局限性后,比中值滤波具有更好地去噪效果,能很好地保留图像细节,且它的信噪比、峰值信噪比数值最大,均方误差的值最小。     

基于LMS算法和Matlab的自适应滤波器的设计

根据LMS算法性能特点,在Matlab环境下编写了基于LMS算法的有限长自适应滤波器的程序(*.m),用所设计的滤波器对受白噪声干扰的语音信号及正弦波信号进行滤波.理论分析和仿真结果表明,所设计的自适应滤波器具有快速的跟踪能力和收敛性能,且稳态误差较小.     

非平稳噪声环境下的语音增强算法

文章针对非平稳噪声环境和低信噪比的情况,提出了一种基于低频区和高频区带噪语音特性的非平稳噪声估计,并结合人耳听觉掩蔽效应进行语音增强的算法。该算法首先通过非平稳噪声估计为加窗后的每一帧语音构造一个时变的权值实现对噪声的实时估计,然后结合人耳听觉特性计算出每一帧语音的不同Bark域的噪声掩蔽阈值,最后利用计算出的噪声掩蔽阈值自适应设定语音增强系数。仿真结果表明,该算法在抑制背景噪声,提高信噪比,减少语音失真等方面优于传统的语音增强方法。     

时频域自适应均值脊波变换滤波及检测方法

针对Wigner-Ville Hough变换(WHT)在低信噪比下检测性能降低的问题,提出了互Wigner-Ville自适应均值脊波变换滤波检测方法.该方法采用互Wigner-Ville(XWVD)代替Wigner-Ville(WVD)在时频平面上提高了信噪比,且避免了信号多分量时各分量间的交叉项干扰.由于信号和噪声的时频聚集特性不同,且考虑到滑动窗长对均值滤波的影响,设计了自适应轴向均值滤波器及采用脊波变换滤波方法在时频域滤除噪声,最后采用Hough变换检测信号,并给出了详细的滤波检测算法.仿真和海试结果表明,该方法与WHT检测相比,在低信噪比下通过时频域滤波能有效的滤除噪声从而提高检测性能.     

一种模糊自适应滤波算法的研究与实现

为解决均值滤波和中值滤波算法在数字信号处理中存在的问题,提出一种模糊自适应滤波算法．根据每个元素噪声度的大小控制均值滤波窗口的大小,并做了大量的仿真．与普通的均值滤波和中值滤波进行比较发现,该方法不仅很好地去除了信号中混有的脉冲,而且在不损坏信号细节的前提下,很好地滤除了噪声信号．最后,使用了信噪比改善因子S来检验算法的滤波效果,证明其滤波效果好于传统的中值滤波和均值滤波,且具有算法简单、实时性好等特点,并已经应用在很多场合．     

基于零陷谱减的GSC二元麦克风小阵列语音增强算法

为了提高广义旁瓣抵消器语音增强算法在二元麦克风小阵列中的噪声抑制能力,提出一种基于零陷谱减二元麦克风小阵列广义旁瓣抵消器的改进语音增强算法.在广义旁瓣抵消器固定波束支路上利用谱减法抑制目标语音零陷方向噪声能量以提高其信噪比,在自适应支路使用基于动态收敛步长的快速分块最小均方自适应滤波器进一步抑制剩余噪声,以降低算法复杂度并提升自适应滤波器的收敛性.实验结果表明,相对于其他二元麦克风小阵列波束形成语音增强算法,该算法可以在任意方向获得较高质量的目标语音.     

基于概率潜分量分析的语音增强算法

针对传统语音增强方法在非平稳噪声环境和低信噪比情况下增强效果不理想的问题,提出了一种基于概率潜分量分析(PLCA)的语音增强算法。该算法分析并引入了PLCA模型,将语音谱建模成意义明晰的边缘分布表示,并通过期望最大化(EM)算法对最优边缘分布进行求解,用边缘分布组成的字典对噪声进行描述,利用语音信号的边缘分布选择性地重构语音信号,从而实现与噪声分离,达到语音增强的目的。仿真结果表明,该算法在抑制噪声、提高信噪比、增强语音质量方面明显优于传统的语音增强方法。     

基于噪声特征空间消噪和TEO能量的语音活动度检测

提出了一种噪声环境下的语音活动度(Voice Activity Detection)的稳健检测算法,算法采用了先降噪后检测的策略.为了使检测算法能够适应嘈杂的噪声环境,本文采用了两个互补性的策略.首先,采用噪声特征空间投影的方法,以较小的语音畸变为代价,去掉语音信号中的有色分量,然后利用Teager Energy Operator(TEO)来增强语音信号与噪声之间的能量差别,最终,根据子带TEO的平均信噪比来区分语音与非语音信号.我们采用了TIM IT数据库与几种常见的噪声来评价该算法,实验表明,该算法优于最新的语音活动度检测算法.     

基于时域滤波多频段谱减法的语音增强

传统的多频段语音增强是将频域分割成各个频段,并对每个频段单独进行语音增强,但是因为相邻频带的共振峰影响清晰语音估计,导致了语音识别效果不理想,为了减少相邻频带的共振峰带来的影响,提出了一种时域滤波中多频带语音增强的方法,通过将时域中的未处理语音过滤成各种等效的基于矩形带宽的子带,然后在每个频带中使用基于离散余弦变换(DCT)谱减法来估计清晰语音,并结合使用各个频带信噪比(SNR)获得频带特定加权因子。在SNR为0~10d B的汽车噪声、餐厅噪声、列车噪声、白色噪声和工厂噪声的环境下基于时域多频段语音增强算法增强效果优于现有的技术。     

Speech enhancement using improved phase spectrum compensation

The typical phase spectrum compensation method has the negative enhancement performance in a low SNR,so the improved phase spectrum compensation method is proposed for this problem. First, the algorithm compensates the speech spectrum through the phase compensation function obtained by calculating the signal to noise ratio of each frame; second, by the new speech presence probability algorithm to estimate the noise power spectral density; finally, we apply the new phase spectrum and the estimated noise in the wiener filter. Simulation results show that the improved algorithm proposed in this paper can effectively improve the ability of voice systems to remove noise especially in a low SNR.     

利用子空间改进的K-SVD语音增强算法

在低信噪比的情况下,稀疏表示无法将纯净语音完全从带噪语音中分离出来,针对此问题提出了一种利用子空间改进的K奇异值分解语音增强算法．首先,利用子空间最优估计器跟踪噪声; 其次,通过K奇异值分解算法对噪声进行训练,构建出噪声字典; 最后,用K奇异值分解算法训练语音字典．在训练过程中,如果某个原子对应的稀疏系数低于设定的阈值,并且该原子可在训练得到的噪声字典中找到,就把该原子对应的稀疏系数设为零,即可达到去噪的目的．仿真结果表明,改进算法去除白噪声和babble噪声的效果显著,有效提高信噪比和减少语音失真,同时,该算法也可以很好地应用于消除随机噪声．     

区分性联合稀疏字典交替优化的语音增强

在联合稀疏字典的语音增强中,由于联合字典的相似性,导致稀疏重构阶段产生语音和噪声混淆进而产生语音失真问题。针对此,在训练阶段提出一个费希尔准则下的目标函数。该函数包含了语音和噪声的区分约束项,并用与信号变化相关的平衡因子去调整各项权值,为尽可能减小混淆误差提供了保障;同时,为了能使目标函数收敛,设计了一种交替优化字典和稀疏系数的算法,迭代寻找所需的字典和稀疏系数,完成语音字典和噪声字典的输出,得到具有非相似即区分性能较好的联合字典。在增强阶段,将带噪语音信号在联合字典上进行稀疏表示,并估计出语音幅度谱和噪声幅度谱。最后,结合维纳滤波器和理想二值掩模的优点,提出了新的软掩模滤波器,进一步消除了残余噪声。通过对不同信噪比的带噪语音进行实验,新算法得到的语音信噪比和听觉感知评价都较高,验证了新算法在提高语音性能方面的有效性。     

基于EMMD／MMSE低信噪比的语音增强方法

EMMD分解后的信号虽然解决了EMD中存在的端点效应问题,但是存在音乐噪声,提出一种基于EMMD／MMSE的语音增强方法,该算法利用MMSE解决经过EMMD处理的信号中含有的音乐噪声问题,从而得到很好的语音增强效果。通过实验对增强前后语音信号的信噪比分析表明,基于EMMD／MMSE的语音增强方法在提高语音信号的信噪比、可懂度方面优于传统的增强方法。     

一种自适应时移与阈值的DCT语音增强算法

针对现有语音增强方法在低信噪比下性能降低的问题,提出了一种自适应时移与阈值的离散余弦变换语音增强算法．首先,对软阈值函数进行改进,既能消除噪声主导帧中的噪声,也能消除语音主导帧中的噪声,并依据信噪比自适应地选择阈值,较大程度地保留了语音的原始特征．其次,依据基音周期自适应地选择分析窗时移,降低了固定分析窗时移产生的白噪声,并且引入短时自相关函数和短时平均幅度差函数相结合的加权自相关函数,来进行基音周期的检测,提高了基音周期检测的准确性和对噪声的鲁棒性．理论分析与仿真结果表明,该算法在信噪比低至-5dB噪声环境下,相比现有的经验模态分解算法和子空间算法,输出信噪比有较大提高,鲁棒性更好．     

改进的基于听觉掩蔽特性的语音增强

该文利用人耳感知的掩蔽特性,研究了一种改进的基于人耳听觉掩蔽特性的语音增强方法。该方法改进了对含噪语音中噪声的估计,即在估计噪声时,先在帧上判断语音的有无,然后在频率点上判断语音的有无,最后再从感知的角度,利用估计出的语音信号计算掩蔽阈值,以此在时域和频域上合理地调整增强系数。仿真结果表明,该方法不仅使信噪比有较大的提高,而且减少了语音失真,同时也很好地抑制了背景噪声和残余音乐噪声。     

基于扩展谱减法语音增强系统的DSP实现

针对语音通信经常受到背景噪声干扰的问题，本文采用扩展谱减法（Extended Spectral Subtraction）在TI公司的TMS320VC5410DSP芯片上实现语音增强系统。实验结果表明，当p取0．85时，获得最佳增强效果，增强后的语音可懂度明显得到改善。由于背景噪声是非平稳的，在低信噪比下语音信号有所损伤，但是没有出现大量的“音乐噪声”，其可懂度也没有显著下降。扩展谱减法可以有效地消除背景噪声，抑制“音乐噪声”，信噪比越高，增强效果越好。即使当信噪比较低（0dB）时也能很好的提高语音质量。