共查询到19条相似文献,搜索用时 125 毫秒
1.
提出了一种基于Hilbert-Huang变换的语音增强方法。首先利用经验模态分解方法(Empirical Mode Decomposition,EMD),选择合适的固有模态函数对含噪语音进行初步降噪,然后根据信噪比分别确定过减因子进行谱减运算。实验结果表明,与传统的谱减法相比,该方法的输出信噪比提高了5 dB以上,尤其在非稳定噪声条件下,输出性能有更为明显的改善。经Hilbert-Huang变换后得到的特征量能较为有效地描述语音信号的非线性以及非平稳特性。 相似文献
2.
3.
针对Hilbert—Huang变换方法在语音处理过程中存在模态混叠问题,本文提出了基于小波包分解的语音时频分析方法。首先对含噪语音进行小波包分解,对各分量分别进行经验模态分解,并运用相关系数阈值准则对固有模态函数进行筛选;然后建立语音信号的Hilbert谱和瞬时能量谱;最后将基于小波包分解的Hilbert—Huang变换瞬时能量谱方法应用于含噪语音的端点检测。实验结果表明:与传统广义维数以及谱熵算法相比,本文方法具有更好的准确性、稳定性和自适应性,能够有效描述语音信号非线性非平稳的时频特性,为语音信号的分析研究提供了一个新的思路。 相似文献
4.
为了在复杂的噪声环境中区分出语音信号和非语音信号(噪声),提出了一种基于小波及能量熵的带噪语音端点检测方法.该方法利用小波的多分辨率特性以及它对非平稳信号局部特征的表现能力,对含噪语音信号进行小波变换,用各层能量熵值的平均值来有效地区分语音段和非语音段.不同背景噪声及不同信噪比下的实验结果表明,提出的带噪语音端点检测算法获得了较高的检测正确率. 相似文献
5.
基于频谱方差和谱减法的语音端点检测新算法 总被引:1,自引:0,他引:1
针对低信噪比情况下频谱方差法对语音信号进行端点检测时准确率降低的问题,提出了一种结合频谱方差和谱减法的语音端点检测新算法。算法采用改进的谱减法对语音信号进行动态降噪处理,并依据得到的降噪后信号的频谱方差设置双门限值进行端点检测。仿真实验表明,该方法具有抗噪性好、自适应性强等优点,在低信噪比情况下检测的准确率与普通的频谱方差法相比有很大的提高。 相似文献
6.
基于小波分解和信号相关函数的语音端点检测 总被引:1,自引:0,他引:1
为检测和分离含噪语音信号中的信号段和噪声段,提出一种基于小波分解和信号相关函数的检测方法.该方法对含噪信号进行多层小波分解,利用相邻层重构信号间的相似性,通过信号相关计算来检测语音端点.实验表明:该方法能够较准确地在噪声污染的音频中检测出语音端点,其抗噪声干扰能力强于美尔倒谱检测法. 相似文献
7.
噪声信号对于语音信号是相对奇异的.小波变换是分析信号奇异性的有利工具.在利用小波对含噪语音进行分析研究的基础上,提出了一种新的端点检测方法.该算法利用了基于信号奇异性的统计特征和高低频能量比特征.实验结果表明,在低信噪比的情况下,该算法依然能有效地进行语音分割. 相似文献
8.
《计算机应用与软件》2017,(11)
语音端点检测对于构建实际语音识别系统具有重要的意义。为了提升在低信噪比条件下语音端点检测算法的性能,提出一种基于最大熵谱和时频特性的端点检测算法。对分帧后的语音信号通过最大熵估算出功率谱,并根据带噪语音信号时频域上的特性进行特征捕捉,从而进行端点检测。实验结果表明,此方法在较低的信噪比下(-9~0 dB)能够比较准确地捕捉语音信号的特征,明显地提高了端点检测的准确性。 相似文献
9.
端点检测是语音识别系统的一个重要组成,尤其是在噪声环境中,其准确性对语音识别系统性能有直接影响。提出了一种基于小波子带倒谱系数(SBC)的语音信号端点检测方法,利用小波变换对频带进行尺度划分,采用小波子带倒谱能量检测语音端点。通过与MFCC的仿真对比以及大量实验分析,小波子带倒谱特征在语音端点检测中具有更好的识别性能。 相似文献
10.
11.
针对使用语音变换技术的语音篡改,提出一种自动检测方法。在分析语音变换基本模型和变换语音失真的基础上,提取语音信号的声道参数以及相关的信号统计量,并通过支持向量机递归特征消除法,选择出对语音变换比较敏感的特征作为分类特征,使用支持向量机进行语音变换检测和变换语音的说话人性别判别。对于一种语音变换软件的实验结果表明,该方法具有较高的检测准确率,其中语音变换检测的平均准确率为94.90%,变换语音的说话人性别判别平均准确率为92.09%。 相似文献
12.
13.
一种基于Hilbert-Huang变换的基音周期检测新方法 总被引:14,自引:0,他引:14
利用Hilbert-Huang变换对语言信号处理中基于事件的基音周期检测问题提出了一种新的检测方法.该方法利用Huang等人1998年提出的具有高时频分辨能力的Hilbert-Huang变换分析语音信号,并提取其瞬时能量,通过精确定位声门脉冲发生的时刻,从而精确地跟踪基音周期的变化,达到精确检测基音周期的目的.与传统方法相比,其优点主要表现在:(1)不需要对语音信号作短时平稳性假设;(2)检测精度高,适应范围广;(3)具有跟踪基音周期变化的能力;(4)能精确区分清浊音}(5)与传统方法相比,帧长大大增加,因而,在提取连续语音信号的基音轮廓时,用于分帧和拼合的开销大大减少,帧间拼合痕迹小.仿真数据和实际语音信号检测实验均获得了相当精确的检测结果.最后,需要指出的是,Hilbert-Huang变换作为一种新的信号分析方法,被成功地用于提取语音信号的基音周期,这本身是一个有意义的探索,它为拓展Hilbert-Huang变换理论的应用给出了一个新的尝试. 相似文献
14.
15.
16.
17.
为了消除语音信号分离中仍存在的部分混叠声音,提出一种基于小波消噪和独立分量分析(ICA)结合的信号分离方法。该方法将小波变换和独立分量分析结合,利用小波变换的去噪作用,滤除原始语音信号中的噪声后作为ICA的输入信号,采用FastICA算法在小波域进行独立分量分析,对输入信号实施分离。实验结果表明,该方法大大调高了传统独立分量分析对语音信号的分离效果。 相似文献
18.
小波变换的频响特性及其在语音去噪中的应用 总被引:2,自引:0,他引:2
讨论小波变换在实际语音信号去噪处理中应用。由于语音信号的复杂性 ,信号本身含有奇异性 ,因此不能单一使用阈值去噪法。文中定义了小波变换频响特性 ,并利用它重构低尺度参数上的小波变换模极大 ,达到去噪目的。实例证明它的有效性 相似文献
19.
提出了一种基于马田系统的设备健康检测与故障分类方法,利用设备运行的振动信号作为信号源进行了验证;首先介绍了马田系统的实施步骤,提出了基于马田系统的设备故障诊断与分类方案;其次,分别利用信号小波变换模极大值估计得到的Lipschitz指数和Hilbert-Huang变换进行特征提取;最后利用凯斯西储大学电气工程实验室的轴承振动数据对方法进行了验证,采用滚动轴承的5种状态振动信号:正常,滚动体故障(轻微、严重),内圈故障(轻微、严重),基于信号奇异性特征的故障检测率为100%,故障分类率为81.8%,基于信号能量特征的故障检测率和故障分类率均为100%;结果表明了方法的正确性,利用Hilbert-Huang变换提取特征进行诊断和分类的正确率更高。 相似文献