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。     

小波和曲波结合的图像增强算法

针对传统的基于小波变换的图像增强算法中,对比度相同幅角不同边缘增强效果差异较大的问题,提出了基于小波和曲波变换相结合的自适应组合增强算法.该算法利用小波变换去增强图像的平滑区域,并利用曲波变换增强图像边缘.仿真实验结果表明,该算法在使图像具有很好的交叉熵和相关系数的同时,能够有效地改善边缘增强效果,使图像具有更好的视觉效果.     

卷积型小波变换的实现及其在机械早期故障诊断的应用

为消除Mallat算法存在的频率折叠等固有缺陷对机械故障诊断的不利影响,本文提出采用卷积型小波变换进行机械故障诊断。基于此,本文首先推导了卷积型小波变换快速分解算法,并给出其基于滤波器组的递归分解实现方法。其次,针对滚动轴承早期故障诊断与定量识别的难题以及共振解调法与冲击脉冲法的不足,本文提出一种将卷积型小波变换与共振解调法、冲击脉冲法相结合的新方法来对滚动轴承早期故障进行诊断与定量识别,并给出了其具体实现过程。仿真实验与实例分析表明：卷积型小波变换确实消除Mallat算法的固有缺陷对机械故障诊断的不利影响,比内积型小波变换更适合于机械故障诊断,并且本文提出的新方法可以有效实现对滚动轴承早期故障的诊断与定量识别,具有一定的工程应用价值。     

基于小波变换的图像融合方法研究

图像融合是多传感器信息融合的一个重要分支,小波变换是这一领域研究方法上的重大突破。本文通过对小波变换理论的研究,分析了二维离散小波分解与重构的算法,提出了一种高频小波系数直接替换的算法,并利用MATLAB数学分析工具环境实现全色图像和多光谱图像的融合,实验结果表明这种方法能很好地增强图像的光谱分辨率,便于对图像进行分析和识别。     

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。     

工业内窥镜图像对比度增强算法

针对内窥镜图像由于照明等原因而造成的亮度不均匀,局部对比度较低的问题,本文提出一种基于小波变换的同态滤波算法对内窥镜图像进行对比度增强.分析了照明反射模型的基本原理及可用于消除光照不均的同态滤波方法,采用快速小波变换代替传统傅里叶变换,在变换域中对小波系数进行非线性增强,对不同尺度上的小波系数进行不同程度的增强.实验结果表明,该方法可以有效消除由光照不均匀引起的图像亮度不均匀,增强图像对比度的同时不改变图像的原始面貌,其效果优于传统的同态滤波方法.     

基于二代小波变换的心电信号去噪算法

基于小波分析的去噪算法运算复杂,难以用于心电信号的实时处理,而常见心电信号滤波算法在实际应用中去噪效果不理想,针对上述问题,本文采用提升方案（第二代小波变换）来构造小波,提高了小波分解的速度,减少算法对内存的需求,并结合阈值滤波算法对小波系数进行处理,实现信号与噪声的分离。为了验证算法有效性,对MIT—BIH数据库中数据进行了仿真实验,结果表明该方法处理后信号失真较小,信号中叠加的工频干扰和肌电干扰基本被消除,相对于基于传统小波变换算法处理速度有了很大的提升。     

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。     

基于小波变换的噪声消除的方法

介绍小波变换的一般理论及在信号降噪应用中的理论基础,分析染噪后语音信号的特性,并使用多种小波和不同阈值对语音信号进行小波变换降噪,对结果进行分析比较。     

汽车内驾驶员语音增强评价研究

驾驶员语音增强质量的评价指标是保证语音增强算法性能的关键,而现有的语音增强质量评价方法不能准确地反映人对声音感知的主观性.针对上述问题,分析了言语可懂度指数对语音增强算法评价的适用性,并在某品牌汽车上进行实验.通过在汽车内建立均匀线性传声器阵列来对驾驶员语音进行信号采集,然后利用波束形成算法对阵列中不同传声器组合的语音...     

改进的Kullback-Leibler复非负矩阵分解语音增强算法

针对单通道非负矩阵分解语音增强算法忽略相位信息的问题,提出了一种改进的Kullback-Leibler复非负矩阵分解的语音增强算法。该算法考虑到传统非负矩阵分解算法在复频域中增强语音时目标函数的影响,构建了一种适用于复频域的Kullback-Leibler散度下的目标函数,同时采用频谱一致性约束相位谱补偿算法,使其重构出的语音数据相位谱得到进一步的调制。实验结果表明,对于不同的非平稳噪声,所提出的算法在不同信噪比下均取得了较好的语音增强效果,尤其在低信噪比条件下（0 dB以下）语音增强效果较为明显,性能评估指标的增量较高,较好地克服了由传统相位谱补偿算法造成的信源失真率较低的缺点,进一步减少失真,抑制背景噪声,实现语音增强。     

多通道子空间算法在说话人识别中的应用

深入研究了基于多通道信号子空间的语音增强算法原理,对算法中各个参数对性能的影响进行了深入剖析．同时给出一种选取噪声方差的简单且有效的方法,并通过研究分析,证明多通道信号子空间算法不仅消噪明显而且对语音的损伤微小,而且相比于单通道子空间语音增强算法除了性能上的提升外,还没有导致计算量的增加。最后将多通道子空间语音增强算法用于说话人识别系统．并与其它多通道语音增强算法（延迟求和波束形成、波束形成后维纳滤波、线性约束最小方差波束形成）进行了对比．实验表明多通道信号子空间语音增强算法在多种噪声环境下均可有效的提高说话人识别系统的识别性能。     

基于深度压缩感知的语音增强模型

随着压缩感知的深入研究,压缩感知在语音增强方面的应用也备受关注。针对传统压缩感知语音增强算法中存在的不足,将压缩感知与深度学习结合构建名为基于深度压缩感知的语音增强模型(Speech Enhancement based on Deep Compressed Sensing, SEDCS)。基于压缩感知原理使用编解码模型代替压缩感知中语音信号稀疏过程,使用卷积神经网络代替测量矩阵实现语音信号观测降维过程,通过联合训练的方式实现语音增强。实验结果表明：该模型能够完成语音增强任务,并且与现有的压缩感知语音增强算法相比,该模型能取得较好的语音增强效果;相比利用深度学习的语音增强算法,该模型虽性能一般,但在模型泛化性能和测试阶段的增强时间效率上有一定提升。     

An efficient and high quality medical CT image enhancement algorithm

Aiming at the process of medical diagnosis, many problems such as unclear images and low contrast are often caused by noise and interference in the process of medical image acquisition and transmission. This article proposes a new image enhancement method that combines the wavelet domain with the spatial domain. First, we input two identical images (Both of the identical images are original images.) in which the first image is enhanced by histogram equalization. Then, the two images are divided into four sub-images by a two-dimensional wavelet transform. The average of the low-frequency coefficients of the low-frequency sub-images of the two images is taken as the low-frequency coefficients of the final reconstruction. Second, aiming at the problem that the contrast may be too low, the fourth high-frequency sub-image is blurred (sharpened) twice. The fourth high-frequency sub-image after blurring is denoised by median filtering. Finally, the four sub-images are fused to obtain the enhanced image. The experimental results show that the peak signal-to-noise ratio, structural similarity, and processing time of the proposed algorithm are better than those of other contrast algorithms, especially the processing time. These objective indicators show that the proposed algorithm can not only effectively suppress noise but also significantly enhance the contrast. Subjectively, compared with other algorithms, the proposed algorithm achieves a better visual effect and greatly reduces the processing time.     

噪声谱估计算法对语音可懂度的影响

噪声谱估计是单通道语音增强算法的关键步骤,当前大部分语音增强算法旨在提高语音质量,提高语音可懂度的算法却很少。在传统的单通道语音增强算法中,语音质量的提高往往是以牺牲语音的可懂度为代价的。对目前主流的几种噪声谱估计算法对语音可懂度影响进行分析。在不同噪声背景、不同信噪比情况下进行噪声谱估计,并采用谱减法对含噪语音信号作去噪处理,对比分析不同噪声、不同信噪比下增强前后语音的短时客观可懂度(Short-Time Objective Intelligibility,STOI)值,最后根据信噪比,对比分析了不同噪声环境下,语音增强前后语音能量高于噪声能量的时频块所占比例。实验表明,相比其他噪声估计算法,最小统计(Minima Statistics,MS)算法由于保留了更多的以语音能量为主的时频块,使得去噪后的语音有较高的可懂度。     

一种小波域的图像增强算法

微弱图像具有对比度低、噪声高、质量差等特点,一定程度上影响了图像的观察和使用。因此,提出一种小波域的图像增强算法,通过对微弱图像多尺度、多分辨率的小波变换分离各维度小波系数,对低频小波系数进行直方图均衡化,高频小波系数进行Canny算法提取边缘,最后将处理后的各维度小波系数进行图像重构以实现图像增强。并选取了3幅微弱图像,将其经所提出的算法及几种传统经典图像增强算法增强后的图像进行实验仿真对比。仿真结果表明,在主观评价上,所提算法增强后的图像的细节更加丰富,视觉感受更加平滑自然;客观评价指标中信息熵的值也都是最大的,分别是4.989 3,3.741 5,4.796 1,信息丰富度最高;而峰值信噪比和图像质量测量函数的数据表明所提算法增强图像的强度适中,整体性较好。可见,所提出的针对微弱图像的增强算法能够在视觉效果上和图像信息上进行有效的图像增强。     

低信噪比环境下的语音识别方法研究

单通道语音信号在信噪比较大的环境下经过增强后再识别,能表现出较高的识别率。但是在低信噪比环境下,增强后语音信号的识别率急剧下降。针对此种情况,提出了一种用在识别系统前端的语音增强算法,该增强算法将采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimum Mean Square Error,Log MMSE)提高其信噪比,然后再利用改进的维纳滤波去除噪声残留并提升语音可懂度,最后用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔科夫模型(Hidden Markov Model,HMM)对增强后的语音信号做特征提取并识别。实验分析结果表明,该方法能有效地抑制背景噪声并减少噪声残留,显著提升低信噪比环境下语音识别的准确性。     

Applying and Comparison of Chaotic-Based Permutation Algorithms for Audio Encryption

This research presents, and clarifies the application of two permutation algorithms, based on chaotic map systems, and applied to a file of speech signals. They are the Arnold cat map-based permutation algorithm, and the Baker’s chaotic map-based permutation algorithm. Both algorithms are implemented on the same speech signal sample. Then, both the premier and the encrypted file histograms are documented and plotted. The speech signal amplitude values with time signals of the original file are recorded and plotted against the encrypted and decrypted files. Furthermore, the original file is plotted against the encrypted file, using the spectrogram frequencies of speech signals with the signal duration. These permutation algorithms are used to shuffle the positions of the speech files signals’ values without any changes, to produce an encrypted speech file. A comparative analysis is introduced by using some of sundry statistical and experimental analyses for the procedures of encryption and decryption, e.g., the time of both procedures, the encrypted audio signals histogram, the correlation coefficient between specimens in the premier and encrypted signals, a test of the Spectral Distortion (SD), and the Log-Likelihood Ratio (LLR) measures. The outcomes of the different experimental and comparative studies demonstrate that the two permutation algorithms (Baker and Arnold) are sufficient for providing an efficient and reliable voice signal encryption solution. However, the Arnold’s algorithm gives better results in most cases as compared to the results of Baker’s algorithm.