基于小波变换多阈值语音增强处理研究

语音通信过程不可避免地会受到各种噪声的干扰，噪声降低了语音的信噪比和可懂度。语音增强就是对带噪语音进行处理，以改善语音质量。小波变换具有多尺度的特性，可以由粗及细的逐步观察信号。本文研究了一种基于小波多尺度特性的多阈值处理的语音增强算法，根据不同的尺度因子和位移因子选择不同的阈值，利用软阈值函数对带噪语音进行消噪，并比较分析了各种小波基处理带噪语音的不同效果。实验结果表明，该算法可以明显提高语音的信噪比，并提高了语音的清晰度和可懂度。     

基于Shannon熵的自适应小波包阈值函数去噪算法研究

小波包去噪算法的关键问题在于对信号进行去噪时,如何有效地消除噪声且尽可能地保留原始信号的小波包系数。传统阈值函数由于无可调节参数,其去噪形式固定,无法根据小波包分解系数的噪声成分自适应地进行调整,去噪效果有待提升。据此,将Shannon信息熵作为调节参数引入小波包阈值函数中,提出一种基于Shannon熵的自适应小波包阈值去噪算法,对信号进行小波包分解并计算最大分解尺度小波包系数的Shannon熵值,依据该值对阈值函数进行调整,以实现在强噪声背景下对小波包系数进行大尺度的收缩,而在弱噪声背景下实现阈值收缩的平滑过渡。采用该方法对仿真信号与轴承振动实验信号进行去噪分析,并与其它小波包阈值去噪算法相对比,结果表明该方法去噪效果更好且在滤除噪声的同时有效地保留了信号的原始特征。     

用于说话人辨认的新的语音去噪方法

基于阈值的小波域语音去噪算法是很有潜力的算法，阈值的选择和如何处理阈值是这一算法的关键。然而光有小波降噪处理往往还不能达到最佳的语音去噪效果，因此有必要在小波非平稳降噪的基础上进一步进行去噪处理。自适应KLT（Karhunen Loeve Transform）的语音去噪算法，不需要白化处理，既可以自适应跟踪KLT阵，又能够有效地协调去噪后信号的音质与可懂度之间的矛盾。实验表明，在小波降噪基础上进一步采用KLT语音去噪能增强说话人辨认的鲁棒性。     

基于平移不变小波变换的藻类细胞图像去噪

海藻细胞图像在采集的过程中掺杂着各种噪声信号,而常用的小波阈值法在细胞图像去噪中存在缺陷,为此在小波阈值法的基础上进行改进,得到新的阈值去噪方法。此外,传统的小波阈值去噪算法在信号的奇异点处会产生Pseudo-Gibbs现象,从而使去噪后的信号在急剧变换部分产生振荡现象。为抑制Pseudo-Gibbs现象,提出一种基于平移不变的小波阈值去噪方法。该方法能有效地消除人为的振荡现象,使消噪后的信号更加光滑,更好地逼近真实信号。     

语音信号去噪的最优方案选取

针对噪声的引人对语音信号的保真有很大的影响,本文主要采用matlab中小波工具中的一些小波变换去噪函数对语音信号进行去噪仿真研究,其中的阈值去噪的方法是一种实现简单、效果较好的小波去噪方法。且与一般的傅里叶变换去噪进行对比,显示了小波去噪的优良特性。     

基于双自适应提升算法的心音信号去噪研究

心音去噪是心音信号临床使用的前提。本文提出将双自适应提升算法用于心音去噪处理。该算法采用自适应更新和自适应预测构造小波函数,通过将传统的硬阈值和软阈值函数相结合,构造了一个改进的阈值函数进行心音信号去噪处理。对临床采集的80例心音信号进行了去噪实验,结果表明：该算法表现出良好的去噪效果,并增强了信号的局部特征。同普通小波去噪方法相比,其信噪比提高了46.5%,均方根误差减小了64.0%,而且运行速度快,可有效地用于临床心音信号的去噪处理。     

基于小波系数非线性连续函数衰减的脑电信号去噪

环境噪声和工频噪声的干扰对脑电信号(EEG)的进一步处理和分析带来极为不利的影响。针对传统小波系数软阈值消噪方法去噪后产生的波形失真和硬阈值消噪方法去噪后产生的振荡现象,提出了一种新的小波系数非线性连续函数衰减处理算法。通过小波系数的非线性衰减处理,使低值端小波系数连续函数的变化介于硬软阈值函数之间,有效避免了处理后的波形失真和振荡。通过实验数据比较,证明处理后的脑电信号信噪比和均方误差均优于传统的小波去噪处理方法。     

基于线性混合小波基的图像去噪

单小波基由于时频特性难以与复杂的图像特征相匹配,限制了小波闽值算法在图像去噪效果上的进一步提高.提出了一种基于线性混合小波基的图像去噪方法,将多个不同特性的正交小波基进行线性混合构成一个新的小波基,用该混合小波基对图像进行分解后再通过阈值处理实现去噪.调节混合系数,可使混合小波基的时频特性与图像特征相匹配,从而提高小波阈值去噪效果.实验结果表明,该方法去噪效果优于参与混合的各单小波基去噪效果,其峰值信噪比(PSNR)最大可提高3.5 dB.     

小波消噪阈值算法优化

在研究小波固定阈值消噪方法,讨论阙值估计经验公式的基础上,针对加性噪声小波变换后的统计特征,提出了一种自适应闽值优化算法,该算法可以较准确地估计噪声水平,在消噪的同时保留语音信号中的弱特征成分。通过仿真实验验证,优化算法较传统算法能够更加有效地消除语音噪声,获得最大信噪比。     

小波分析在微弱信号测量中的应用研究

处理低信噪比的测量信号的关键是去除噪声，小波阈值消噪法是较为实用的一种处理方法。分析了Donoho的去噪阈值函数的优劣，基于sigmoid函数构造了一个新的阈值函数，该函数克服了硬阈值函数的分段性及软阈值函数的恒定偏差及导数不连续的弱点。对低信噪比的3种典型信号进行对比去噪仿真实验，结果表明该函数的去噪效果优于Donoho的阈值函数去噪以及传统的快速傅里叶变换去噪。     

小波消噪阈值选取的一种改进方案及其在健康监测中的应用

在D. L. Donoho和I. M. Johnstone提出的小波阈值去噪方法的基础上,构造一个新的阈值函数。与传统的软硬阈值函数相比,新阈值函数表达式简单易于计算,克服硬阈值函数不连续的缺点。仿真结果表明,采用新的阈值函数的去噪结果有效抑制在信号奇异点附近产生的Pseudo-G ibbs现象,无论是在视觉效果上,还是在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法。将该方法应用于桥梁振动信号降噪中,其结果表明该方法可以较有效去除噪声。     

语音模糊消噪算法

针对加性有色噪声,提出了语音信号模糊消噪算法;建立并训练了一个语音模糊消噪系统——自适应神经模糊推理系统（ANFIS）;用其对含噪语音中的有色噪声进行模糊估计,从而提取出干净的语音。对算法进行了仿真实验,结果表明,对模拟有色噪声在-17dB时能提取出清晰的语音。     

基于改进阈值函数的小波去噪算法研究

针对用小波变换进行信号去噪的阈值函数设定问题,在传统软、硬阈值函数去噪的基础上,提出一种改进的阈值函数方法,并与极大重叠离散小波包变换相结合,从而得到一种改进阈值函数的小波去噪方法。[Matlab]仿真结果表明：去噪方法提高了重构信号的信噪比,有效除去噪声,且保留原始信号的细节特征,是一种较好的信号消噪方法,在股票去噪中具有较高的实用价值。     

离散余弦小波包变换及语音信号压缩感知

针对语音信号压缩感知问题,在研究语音离散余弦变换(Discrete Cosine Transform,DCT)系数和小波包变换(Wavelet Packet Transform,WPT)特性的基础上构造了离散余弦小波包变换(Discrete Cosine Wavelet Packet Transform,DCWPT)。DCWPT首先获取语音信号的DCT域系数,结合语音频谱特性选取部分DCT系数进行WPT变换,从而得到比DCT系数更加稀疏的DCWPT系数。为将此变换直接用于压缩感知,构造了DCWPT的正交稀疏分解矩阵并分析了其稀疏表示性能。结合稀疏表示基优化了正交匹配追踪重构算法,提出了基于DCWPT的语音信号压缩感知框架。通过压缩重构对照实验,采用主客观评价指标,得出该方法优于传统基于DCT的语音压缩感知方法的结论。     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。     

第二代曲波变换的图像降噪新算法

Curvelet变换表示曲线奇异函数的异向性及图像边缘时,具有比小波变换更优的表示特性。针对小波图像降噪存在的不足,分析基于wrapping算法的快速离散曲波变换的特点,提出结合循环平移、厄尔迭代方法和蒙特卡洛阈值规则的新消噪方法。该算法充分利用曲波系数的相关性,消除了因Curvelet变换缺乏平移不变性引起的图像＂划痕＂失真和＂振铃＂效应。实验结果表明,该算法与传统的小波消噪、二代小波消噪、小波包消噪和曲波硬阈值消噪相比,得到降噪图像的峰值信噪比更高,视觉效果更好。     

基于模极大值和尺度理论的音频降噪方法

在数字化时代,音频的转录或录制都会引入噪音,但是历史音频保存和音频资料处理需要纯净的音频信号,因此音频降噪研究有着重要的现实意义。该文首先介绍了二进小波和奇异性指数,并阐述了尺度跟踪和模极大值重构等理论,在Mallat工作的基础上,提出了一种基于小波滤波的音频降噪方法。该方法首先引入补偿因子削减二进小波变换对系数造成的影响,并计算带噪音频的小波系数和模极大值;然后基于信号和噪声奇异指数不同的特点,结合阈值降噪和尺度跟踪理论,采用层间相关搜索去除噪声的模极大值;最后利用交替投影算法,重建音频信号。本文用该方法处理带click和hiss噪声的音频信号,跟小波阈值方法和小波包方法相比,能达到较好的听觉效果和信噪比。同时观察信号的波形图及模极大值演示图,发现本方法都表现出优异的降噪效果。     

小波域降噪方法及其在历史音频保护中的应用

提出基于小波包变换的自适应多阈值音频降噪法,从小波包最佳分解树的各个终端结点选择不同的最佳阈值。而最佳阈值的选取是基于贝叶斯理论,并且采用折中阈值函数。实验和应用表明,相比小波包全局阈值降噪算法,此种降噪方法能使降噪后的音频保留尽可能多的原始音乐信号,较好地适合听众的听觉效应,满足历史音频资料数字化保存的需要。