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。     

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。     

语音消噪应用研究

从时域与频域对比研究了低信噪比语音消噪问题,时域采用LMS自适应消噪,频域分析选用小波技术,对两种消噪方法进行了系统全面的分析,对比讨论了各自的优势及不足,对实际信号进行了仿真消噪并与原始语音取样信号相比较,研究表明选用消噪方法对低信噪比语音消噪是明显有效的,LMS自适应消噪及小波消噪具有很强的实际应用价值。     

水下单边带语音多通道增强技术

船舶噪声是影响水下语音通信质量的主要因素。为了提高单边带语音信号的信噪比和语音质量,采用多通道自适应增强算法对语音信号进行研究。该算法运用自适应信号增强技术,具有运算量小、易实时实现、消噪效果显著等优点,并且能够有效利用不同换能器接收到的信息。从理论上对该算法进行了分析,并结合海试数据进行验证。结果表明,低信噪比、非平稳噪声环境下,该算法有效抑制了接收信号中的尖锐噪声,并且当系统收敛时,使其趋于白化,明显提高了系统的输出信噪比,显著改善了语音质量,在性能上明显优于传统的信号相干叠加算法。     

基于新的模态单元滤波消除地震信号中的汽车噪声

由于地震信号采集环境和采集仪器存在干扰,采集到的地震波形中通常包含很多噪声信号,严重影响了地震信号的应用。模态单元滤波（Mode Cell Filter：MCF）无需先验基函数,是一种自适应的消噪算法。本文将MCF引入到地震信号消噪中,提出了一种基于MCF的汽车干扰消除算法,并设计对仿真信号和实际信号的消噪试验。仿真试验中,MCF消噪性能优于最优小波基算法,而在实际信号消噪中,MCF算法性能优于IIR数字滤波器,与改进最优小波基方法相当。     

双自适应提升方法用于洞壁加速度信号消噪

摘要：爆炸应用波对岩土洞壁所产生的加速度随着能量和时间的变化表现出非平稳的特性,由于加速度传感器的内阻高、输出信号小,容易受到环境噪声的影响,实测加速度曲线中存在大量的噪声信号。文中采用一种双自适应提升的小波变换方法对加速度信号进行消噪处理,在提升过程中采用自适应的方法设计更新算子和预测算子,并采用半软阈值法消噪。实验结果表时,双自适应提升小波变换结合半软阈值消噪方法与传统小波变换消噪方法相比,消噪后加速度信号的信噪比（SNB）有所提高,并且保留了突变信号部分信息量,基于提升方法也大大提高了算法灵活性,缩短计算时间。     

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。     

基于模糊控制的小波包多阈值语音减噪新算法

在分析小波包传统阈值去噪算法的基础上,提出了一种基于模糊控制的小波包多阈值语音减噪新算法。该算法采用改进的多阈值选取方式来代替传统的阈值选择;应用一种新阈值函数对经小波包变换后的最底层频率系数进行量化处理以确保噪声尽可能地被滤除;模糊控制器可用于对信号中的幅值跳变以及边缘粗糙等问题进行优化与修正。综合以上3种方法即可自适应地进行语音增强处理。经实验结果验证,与传统阈值算法相比,该算法能够最大程度地还原纯语音信息,有效提高了语音去噪的准确度与信噪比。     

基于RLS的自适应阵列抗交叉串扰语音增强研究

在噪声环境下的麦克风阵列语音增强应用中,由于语音与噪声之间存在交叉串扰,传统自适应算法降噪性能受到很大的影响。为了提高自适应滤波器收敛性能,同时抑制麦克风之间语音信号的交叉串扰,采用两级抗交叉串扰麦克风阵列结构,自适应滤波器均采用RLS格型一阶梯算法。其中,第～级滤波系统仅在确认为无语音阶段进行参数调整,以充分消除噪声的影响。实验结果表明,该方法消噪量大,对语音损伤小,语音增强效果显著。     

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。     

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。     

Cutting force denoising in micro-milling tool condition monitoring

An independent component analysis (ICA) algorithm for cutting force denoising was applied in micro-milling tool condition monitoring. In micro-milling, the comparatively small cutting force signal is prone to contamination by relatively large noise, and as a result it is important to denoise the force signal before further processing it. However, the traditional denoising methods, based on Gaussian noise assumption, lose here because the noise is identified as containing a high non-Gaussian component in the experiment. ICA was recently developed to deal with the blind source separation (BSS) problem. It solves the BSS problem by measuring the non-Gaussianity of the signal and it is particularly effective in the separation of non-Gaussian signals. This approach employs fixed-point ICA (FastICA), assuming the noises are sources and the force signal is an instantaneous mixture of sources and by treating the signal denoising process as a BSS. The results are illustrated both in time and frequency domains. The FastICA denoising performances are compared with the popular wavelet thresholding. The results show that FastICA performs better than wavelet. Theoretical discussion of the nature of ICA and wavelet thresholding supports the results: ICA separates both Gaussian and non-Gaussian noise sources, while wavelet only suppresses Gaussian noise.     

水声信号动态阈值正交匹配追踪降噪方法

为了对实时采集的水声信号进行数据压缩的同时实现信号降噪,提出了一种动态阈值正交匹配追踪方法(Dynamic Threshold Orthogonal Matching Pursuit,DTOMP)。该方法将稀疏分解原理应用于水声信号的预处理,通过在正交匹配追踪算法中引入阈值约束,并根据噪声分布特性将其分为两部分,用以控制预设置的参数。通过对加噪正弦信号、实测鲸鱼叫声和舰船辐射噪声信号的降噪实验,表明该方法能够在对原始水声信号进行压缩的同时提高信噪比,且在较宽的信噪比变化范围内比小波方法具有更好的降噪性能。     

中值与小波消噪集成的转子振动信号滤波方法研究

对受强脉冲随机噪声干扰转子振动信号的滤波方法进行了研究。提出了一种将中值滤波与小波消噪算法集成的混合滤波器。其中,中值滤波用于滤除信号的强脉冲噪声分量,小波消噪平滑线性叠加在中值系列中的平稳随机噪声。结果表明,实施的滤波方法对该类信号的处理效果好,获取的转子本质振动信号保持了信号的光滑性。     

一种结合小波变换和维纳滤波的图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,结合维纳滤波的优势和小波分解各分量的特点,提出一种新的图像去噪算法。方法该算法先将含噪声图像进行小波变换,分离出1个低频分量和3个中高频分量,然后对低频分量进行自适应维纳滤波,对3个中高频分量用Canny算子提取边缘,最后将处理后的4个分量进行重构得到去噪后的图像。结果仿真结果表明,该算法对扫描仪引入的常见噪声均表现出较好的去噪效果,PSNR值均大于20 d B。尤其是对于高斯噪声和混合噪声,新算法去噪后的PSNR结果高于维纳滤波、软阈值小波滤波和文献[9]算法1~8 d B,效果较好。结论结合小波变换和维纳滤波的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

小波去噪中噪声估计失真判别方法

研究小波阈值去噪时存在的噪声估计失真问题。当采用常见的阈值确定方法对含有较强高频分量的信号进行小波去噪时,小波分析的频带能量泄漏现象会导致噪声估计失真,从而使小波阈值去噪出现较大的偏差。从小波分解的d1细节层和d2细节层的相关性角度,揭示d2细节层频带能量泄漏对噪声估计影响的规律,提出根据d1、d2细节层的最大相关系数判别噪声估计失真的方法。最后,给出解决噪声估计失真的方法。实验表明,该方法可以很好地判别小波去噪中是否出现噪声估计失真,可以避免出现去噪后信号有用信息损失严重的问题。     

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。