尺度变换复双树小波网络隐藏信道深度检测

针对隐藏信道检测问题解决中,传统检测算法存在特定隐藏信道盲区,或对某类隐藏信道针对性过强而忽视其他隐藏信道的问题,提出一种基于复双树小波包变换的邻域和空域联合网络隐藏信道检测。首先,基于复双树小波包有限冗余变换所特有的平移不变特性,尺度间不同变换系数的相关性,以及尺度相同变换系数邻域间的相关特征,并结合信号增强机制,实现对变换系数的取舍,以达到隐藏信道信号增强效果;其次,与块阈值算法进行联合对网络时间隐藏通道特征提取,然后采用深度学习方式实现隐藏信道训练和检测。最后,通过在IPCTC、TRCTC、Jitterbug、MBCTC、FXCTC五种典型时间隐藏通道中进行实验验证,显示所提算法具有更高的特征精度和较快的计算时间。     

基于双树复小波变换的X射线脉冲星信号处理

X射线脉冲星信号是一种典型的信噪比非常低的非平稳信号,为了提高对X射线脉冲星信号的识别效果,有效去除噪声是非常必要的。在详细分析了传统去噪算法的优劣之后,提出了一种基于双树复小波变换的X射线脉冲星信号去噪算法。此方法充分地利用了双树复小波变换的平移不变性、有限的数据冗余度和完美的重构性等特点,并研究了双树复小波结合软硬阈值估计法和实小波结合软硬阈值估计法对X射线脉冲星B0531＋21进行去噪的效果。实验结果表明,基于双树复小波变换的消噪算法较小波变换算法相比,对X射线脉冲星信号去噪的效果有了很大的提高。     

矿用电动机振动信号早期故障特征提取方法

针对现有矿用电动机振动信号故障特征提取方法存在依赖参数设置、频率混叠、信号失真等问题,提出了一种基于双树复小波变换的矿用电动机振动信号早期故障特征提取方法。利用双树复小波变换对采集的矿用电动机振动信号进行分解,得到各层双树复小波系数,并采用软阈值滤波对各层双树复小波系数进行滤波处理,滤波处理后的双树复小波系数经双树复小波变换重构获得去噪信号。应用结果表明,该方法能有效去除电动机振动信号中噪声,提取的早期故障特征能很好地反映电动机实际运行工况,为电动机早期故障诊断提供了有效依据。     

矿用钢丝绳损伤检测信号处理方法研究

采用电磁检测法检测矿用钢丝绳受损情况时,检测信号中含有大量噪声,且存在尖峰和突变干扰,增大了损伤识别难度,需要对原始检测信号进行降噪处理。常用的傅里叶变换无法处理运行中的钢丝绳检测信号,而小波变换因存在平移不变性较差、频带混叠等问题而影响检测准确度。提出了基于双树复小波变换的矿用钢丝绳损伤检测信号处理方法。首先采用Q平移法构造双树复小波高低通滤波器,对原始信号进行3层双树复小波分解,得到高低频信号分量;然后采用最小极大方差软阈值方法对分解信号进行降噪处理;最后对降噪信号进行重构。在实验室环境下搭建了钢丝绳损伤检测试验平台,对基于双树复小波变换的钢丝绳损伤检测信号处理方法的降噪性能进行验证,结果表明:该方法可有效减少检测信号中的尖峰和突变数量,使信号平稳,降噪效果优于经典小波变换,且增大了奇异点处信号峰值,有利于后续特征提取。     

基于边缘检测的双树复小波图像融合算法

提出了一种新的图像融合算法——基于边缘检测的双树复小波图像融合算法。多聚焦图像经过双树复小波变换较好地克服了传统小波变换的平移敏感性等缺点;低频系数利用边缘信息进行融合,较好地保留了图像的细节信息,提高了融合图像的质量;高频系数则采用常见的基于区域特征的融合规则。实验结果证明,该算法能够有效地提高融合图像的清晰度,细节更为丰富。     

一种新的自适应阈值小波包语音增强算法

针对固定阈值小波包语音增强算法在去噪时会损失语音信号的问题,文中提出了一种新的自适应阈值小波包语音增强算法。该算法先利用带噪语音的小波包变换系数估计出后验信噪比,再由含有后验信噪比因子的sigmoid函数作为平滑因子对随尺度变化的阈值进行相邻帧的平滑,最后由后验信噪比自适应修正平滑阈值,减少语音失真;仿真实验结果表明,该算法在去噪的同时减少了语音信号的损失,有效地提高了增强语音的信噪比和分段信噪比,较固定阈值小波包语音增强算法具有明显的优越性。     

基于改进阈值的双树复小波眼电信号去噪方法

眼电(EOG,electrooculogram)信号由眼球的运动而产生,通常在采集过程中混入强烈的背景噪声,去噪是对眼电信号作进一步分析和识别的首要步骤.提出将双树复小波变换用于眼电信号的去噪,并采用一种新的阈值估计方法改善统一阈值过度扼杀小波系数的缺点,用均方根误差和信噪比评价眼电信号的去噪效果.结果表明:与传统离散小波变换相比,双树复小波变换既能很好地抑制噪声,又能更好地保留信号的细节,具有较高的实用价值.     

瞬态信号的双树复小波Power-Law检测

为克服离散小波变换平移不变性差的不足,通过构造的Hilbert变换对滤波器组,实现了双树复小波变换.建立了基于复小波变换系数的Power-Law检测器.推导了检测统计量的渐近性能和偏移系数,由输入信噪比损失给出了检测器参数的选择方法.利用仿真与实测数据进行了试验,并与基于离散小波变换的Power-Law检测器进行了比较.本文提出的小波方法能很好实现平移不变性,建立的检测器具有更大的偏移系数,在相同的信噪比和虚警概率下能够得到更高的检测概率.     

一种时间自适应阈值的小波包改进语音增强算法

针对传统小波语音增强算法存在过度周值处理的问题,提出一种改进的时间自适应阈值小波包去噪算法.该方法采用听觉感知小波包对噪声语音进行分解,得到小波包听觉感知节点上的系数,并基于语音存在概率估计按帧自动调节去噪周值,因改进的闲值能更好地避免语音小波包系数被过度阈值处理的情况,从而在抑制噪声的同时保留了更多的原始语音成分,进一步提高了降噪效果,实验结果表明,该算法比常规小波自适应闻值算法能得到更清晰的语音增强信号.     

一种图像增强新方法

提出了一种四树复小波包变换域层内层间系数相关性图像增强新方法。该方法利用四树复小波包变换具有移不变性、良好方向选择性和对高频信号的细致分析能力,把含噪图像分解成低频逼近子图和若干高频方向子图;在保留低频逼近子图复系数不变的同时,充分利用变换域信号复系数层间相关性强和噪声复系数层间相关性弱的特点,采用非高斯双变量模型对每一个方向子图复系数进行降噪处理。同时考虑图像的弱边缘在变换域某些方向子图内复系数值较大,而在其他方向子带内其值较小的特点,甄别出弱边缘点对应的复系数并进行增强处理。实验结果表明,无论是PSNR指标,还是在视觉效果上,该方法的增强性能均好于传统的双树复小波变换去噪、四树复小波包变换去噪和小波域高斯尺度混合模型去噪,在有效抑制噪声的同时,具有很好的图像弱边缘增强和细节保护能力。     

基于子带谱熵的仿生小波语音增强

前端噪声处理直接关系着语音识别的准确性和稳定性,针对小波去噪算法所分离出的信号不是原始信号的最佳估计,提出一种基于子带谱熵的仿生小波变换(BWT)去噪算法。充分利用子带谱熵端点检测的精确性,区分含噪语音部分和噪声部分,实时更新仿生小波变换中的阈值,精确地区分出噪声信号小波系数,达到语音增强目的。实验结果表明,提出的基于子带谱熵的仿生小波语音增强方法与维纳滤波方法相比,信噪比(SNR)平均提高约8%,所提方法对噪声环境下语音信号有显著的增强效果。     

改进的基于小波包变换的语音特征提取算法

针对语音信号的非平稳特性,传统的应用短时分析技术容易丢失信息的现状,提出了一种利用小波包变换的技术对语音信号的共振峰特征(FDWPT)进行提取的方法。对整个语音信号进行多分辨分析的小波包变换,这样可以得到每个频带的小波分解值,结合共振峰的频率特性,选取适当的小波包分解结点,对这些结点建立共振峰参数,使用矢量量化模型进行识别,从而提高了说话人识别的效果。     

小波包分解下的多窗谱估计语音增强算法

传统谱减法是基于短时傅里叶变换的单一分辨率算法,具有较大方差。为此,提出一种基于小波包分解下的多窗谱估计语音增强算法。将含噪语音在小波包下分解成不同频段,在不同频段下进行多窗谱谱减运算,并逐一进行小波包重构,以得到去噪后的语音信号。仿真结果表明,该算法能提高含噪语音的信噪比,降低语言失真度。     

基于DFRCT滤波器组自适应语音增强算法

提出一种改进的语音增强方法,将带噪语音信号进行子带分解,再对子带信号进行离散分数余弦变换(DFRCT)域滤波,利用了DFRCT良好的正交特性,且自适应滤波采用最小均方(LMS)算法。对滤波后的信号进行DFRCT逆变换得到增强后的子带语音信号,合成增强后的语音信号。仿真结果表明,该算法在减少输入信号自相关程度的基础上,提高了收敛速度,减少了计算时间(约10s),增强后的语音信号的分段信噪比(SegSNR)和PESQ值都有所提高,具有良好的语音增强效果。     

A perceptually motivated stationary wavelet packet filterbank using improved spectral over-subtraction for enhancement of speech in various noise environments

In this paper, we propose a speech enhancement method where the front-end decomposition of the input speech is performed by temporally processing using a filterbank. The proposed method incorporates a perceptually motivated stationary wavelet packet filterbank (PM-SWPFB) and an improved spectral over-subtraction (I-SOS) algorithm for the enhancement of speech in various noise environments. The stationary wavelet packet transform (SWPT) is a shift invariant transform. The PM-SWPFB is obtained by selecting the stationary wavelet packet tree in such a manner that it matches closely the non-linear resolution of the critical band structure of the psychoacoustic model. After the decomposition of the input speech, the I-SOS algorithm is applied in each subband, separately for the estimation of speech. The I-SOS uses a continuous noise estimation approach and estimate noise power from each subband without the need of explicit speech silence detection. The subband noise power is estimated and updated by adaptively smoothing the noisy signal power. The smoothing parameter in each subband is controlled by a function of the estimated signal-to-noise ratio (SNR). The performance of the proposed speech enhancement method is tested on speech signals degraded by various real-world noises. Using objective speech quality measures (SNR, segmental SNR (SegSNR), perceptual evaluation of speech quality (PESQ) score), and spectrograms with informal listening tests, we show that the proposed speech enhancement method outperforms than the spectral subtractive-type algorithms and improves quality and intelligibility of the enhanced speech.     

一种基于听觉特性的自适应小波语音增强方法

提出一种基于人类听觉特性的自适应小波滤波算法。该方法用听觉感知小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,将经听觉感知小波变换所分离出来的噪声成分作为自适应滤波器的输入。通过采用递推最小二乘算法从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声。结果表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计,提高了语音的清晰度和可懂度。     

基于小波变换和非局部平均的超分辨率图像重建

针对小波域超分辨率方法中重建图像存在的模糊效应,提出一种结合离散小波变换(DWT)、平稳小波变换(SWT)和非局部平均(NLM)的单帧图像重建方法DSNLM。算法首先对低分辨率图像同时进行DWT和SWT,得到四个子带图像;然后结合对应高频子带图像,直接将原始低频图像作为低频子带,各子带利用NLM滤波处理,得到待重建高分辨率图像的各子带图像;最后,通过离散小波逆变换(IDWT)得到最终的重建高分辨率图像。实验结果和重建视觉效果表明,所提方法与已有的超分辨率方法相比更优,在峰值信噪比(PSNR)、均方差(MSE)和结构相似性度量(SSIM)的评价指标上有显著的提高,对图像去噪、去模糊有效。     

Speech enhancement with an adaptive Wiener filter

This paper proposes an adaptive Wiener filtering method for speech enhancement. This method depends on the adaptation of the filter transfer function from sample to sample based on the speech signal statistics; the local mean and the local variance. It is implemented in the time domain rather than in the frequency domain to accommodate for the time-varying nature of the speech signals. The proposed method is compared to the traditional frequency-domain Wiener filtering, spectral subtraction and wavelet denoising methods using different speech quality metrics. The simulation results reveal the superiority of the proposed Wiener filtering method in the case of Additive White Gaussian Noise (AWGN) as well as colored noise.     

基于TVAR模型和粒子滤波的语音增强方法

实际的语音以及语音中掺杂的噪声一般都是非平稳的。本文详细分析了TVAR（时变自回归模型）语音系统模型，把利用TVAR模型增强语音分解成卡尔曼滤波和粒子滤波两步，以减小运算量。同时在粒子滤波中，为克服粒子退化效应，引入了粒子重采样技术提高粒子滤波精度。实验证明，这种增强语音方法无需对语音分帧处理，无需要求噪声是否平稳，能很好地跟踪语音信号的非平稳性，对系统初始值设置不敏感，增强后的语音信号信噪比得到明显改善。