小波域阈值语音去噪的几点改进

根据含噪语音中噪声、清音和浊音的不同特点,提出了一种改进的多尺度小波域阈值去噪方法。采用常用的软阈值函数对清音和浊音进行不同的阈值处理,而对于噪声,将其对应的小波系数全部置零。该方法在很大程度上抑制了噪声,又减少了语音段清音的损失,提高了信噪比。仿真结果表明了该方法的可行性和有效性。     

一种改进的子波域语音增强方法

本文基于文献［3］中提出的子波域去噪技术,并针对语音信号的特点提出了一种改进的子波域语音增强方法。该方法采用软限幅函数对语音信号的子波变换系数作阈值处理以达到去噪的目的。同时,为了防止在抑制噪声的过程中对语音的清音段信息造成损失,首先对语音信号进行了清浊音判别,然后针对不同的判别结果对清音段语音和浊音段语音采用不同的阈值处理方法。仿真实验表明,该方法效果良好且简便易行,是一种有效的语音增强技术。     

基于分形理论的语音增强

在分析了语音信号与随机噪声在不同尺度上进行小波变换时其传递特性不同的特征表现及其特点之后．给出了一种新的基于分形维数的语音信号增强方法。该方法根据带噪语音信号及子渡重构之后的分形维数不同对语音信号的小波变换系数作不同的阈值处理。既抑制了噪声，又减少了语音段的信息的损失，提高了佶噪比。仿真结果表明，这是一种有效的语音增强、去噪的方法。     

一种新的子波域语音增强方法

提出了一种新的子波域语音增强法,即首先对带噪语音进行1层离散小波变换,然后对提取出来的低频信号和高频信号分别作3层DWT和3层小波包分解,最后对去噪后的语音完成重构。为了在降噪过程中减少清音信息的损失, 文中对语音信号进行了清浊音判决并分别采用多阈值进行处理。计算机仿真结果表明,经本文方法增强语音的清音成分得到了较好保留,并且增强语音的主客观质量均优于DWT去噪法和WPD去噪法。     

一种改进型的小波变换语音去噪算法

针对语音信号在传输和处理过程中不同程度地受周围环境噪声污染的问题,提出一种基于小波变换的改进型语音除噪算法.传统的小波语音除噪算法把信号的高频部分置零,会造成除噪后信号的失真.这里的算法,先对语音信号进行清、浊音分离,然后分别对清音和浊音部分进行不同的阈值处理,不但保留了语音中的高频信息,同时也提高了语音信息的逼真度和信噪比.仿真结果表明,与传统的小波语音除噪算法相比,该算法对含噪语音在高频部分和低频部分都具有很好的去噪效果.     

一种基于二进小波变换的短波语音抗时变干扰算法

本文针对短波语音中存在的时变干扰难以跟踪,更难以滤除的问题,提出了一种基于二进小波变换的抗时变干扰算法,利用二进小波变换的变焦距的功能以及保持语音信号连续性的特点将短波语音信号分解成各层小波系数,由于噪声、语音和时变干扰在不同尺度上小波变换后,其小波变换系数和尺度大小的特性关系存在着不同的特征表现,因此通过二进小波变换能够有效地将时变干扰分解到很少的小波系数上,然后结合后验信噪比的大小以及根据人耳的听觉掩蔽特性,将强干扰和弱干扰、重叠干扰和非重叠干扰分开处理,较好地滤除了时变干扰并且明显降低了对短波语音信号的失真。仿真表明此算法不仅能够较好地滤除时变干扰,并且对语音失真较小,要明显优于传统的陷波算法。      

基于小波变换的语音基音周期检测

语音信号是一种非平稳信号,基音周期是语音信号最重要的参数之一,传统的基音检测方法存在一些缺陷.小波变换鲁棒性强、能很好地反映信号的时频特性,非常适合处理非平稳信号.为准确提取基音频率,提出了一种基于小波变换的基音周期检测方法.检测前在小波域上用Teager能量算子分离出语音信号的浊音段,然后对浊音段采用空域相关函数降噪...     

一种基于小波分析的阈值去噪算法

利用信号和噪声在小波变换中不同尺度上具有不同的特性,提出了基于小波变换的去噪方法。经过小波变换后的信号,在其小波系数中包含了实际信号的重要信息特征,表现为幅值较大的小波系数,而噪声产生的小波系数幅值较小。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,以得到去噪后的信号。     

基于多尺度分析的混沌态Boost电路的分形研究

分形维数是混沌吸引子的重要特征参数,而小波变换是一种多尺度分析工具。该文研究了混沌信号的自相似性及其不同尺度小波变换系数的特性,推导出计算混沌信号分形维数的多尺度计算方法,并对Boost电路混沌信号的分形维数进行了仿真计算,清楚刻画了其混沌吸引子的分形特性。     

基于自适应噪声估计的小波阈值语音增强

文中提出了一种基于小波阈值和自适应噪声估计方法的语音增强算法。该算法直接利用含噪语音信号估计出信噪比SNR,并通过该值调整小波阈值,从而实现了小波阈值的自适应变化。针对噪声的小波变换模值随尺度增大而减小的特性,采用了随尺度变化的小波阈值。并且改进了小波阈值函数。实验数据表明,本文算法在多种噪声环境下,均有较好的语音增强效果。并且在抑制噪声的同时,减少了语音失真。     

基于多带的2.4 kbit/s波形内插算法

由于传统特征波形内插语音编码算法对特征波形相位信息的忽略,以及对特征波形的整体对齐,往往造成语音高频谐波分量丢失,从而导致语音的噪声感。为了提高合成语音的质量,该文引入语音多带清浊音标志,并以此为依据对波形内插编码模型中的慢渐变波形和快渐变波形的相位谱进行估计,在语音合成时则对特征波形采取部分对齐的方法,最后提出了一种基于多带的2.4 kbit/s特征波形内插算法。与传统算法相比,新算法明显提高了语音的清晰度。与标准2.4 kbit/sMELP算法相比,该算法合成语音质量亦略显优势。     

噪声环境下语音信号的基音检测

研究和改进了一种基于归一化互相关系数的基音检测方法(NCCFPDA)。NCCFPDA算法利用归一化互相关系数、短时归一化能量和自适应门限来区分清/浊音和选取基音周期,计算量小,精度高。在NCCFPDA算法的基础上,采用动态规划的方法对检测出的基音周期进行平滑,并在噪声环境下与自相关法检测基音周期的检测结果进行了比较。实验表明NCCFPDA算法在基音轨迹的平滑和清/浊判别方面都具有令人满意的效果,能实现基音周期的鲁棒性检测。     

Lifting-based wavelet domain adaptive Wiener filter for image enhancement

A method of applying lifting-based wavelet domain Wiener filter (LBWDMF) in image enhancement is proposed. Lifting schemes have emerged as a powerful method for implementing biorthogonal wavelet filters. They exploit the similarity of the filter coefficients between the low-pass and high-pass filters to provide a higher speed of execution, compared to classical wavelet transforms. LBWDMF not only helps in reducing the number of computations but also achieves lossy to lossless performance with finite precision. The proposed method utilises the multi-scale characteristics of the wavelet transform and the local statistics of each subband. The proposed method transforms an image into the wavelet domain using lifting-based wavelet filters and then applies a Wiener filter in the wavelet domain and finally transforms the result into the spatial domain. When the peak signal-to-noise ratio (PSNR) is low, transforming an image to the lifting-based wavelet domain and applying the Wiener filter in the wavelet domain produces better results than directly applying Wiener filter in spatial domain. In other words each subband is processed independently in the wavelet domain by a Wiener filter. Moreover, in order to validate the effectiveness of the proposed method the result obtained using the proposed method is compared to those using the spatial domain Wiener filter (SDWF) and classical wavelet domain Wiener filter (CWDWF). Experimental results show that the proposed method has better performance over SDWF and CWDWF both visually and in terms of PSNR.     

基于形态滤波的基音检测新方法

提出了一种数字形态滤波与数字低通滤波器相结合作为基音检测预处理的基音检测新方法，本方法是线性滤波与非线性滤波相结合的一种新的尝试。实验结果表明，该方法可以得到比传统自相关法和倒谱法更好的结果，尤其是清浊音特征不明显的音段，基音检测的性能更好。     

基于小波变换的图像去噪方法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题,基于小波去噪的优点,研究了几种改进的基于小波变换的图像去噪方法。分别是基于小波变换和中值滤波的去噪方法,雏纳滤波和小波域滤波相结合的方法,小波变换去噪与高阶统计量滤波法去噪相结合的方法等。经过大量的计算机仿真试验,最后所得结果表明这几种改进后的基于小波变换的去噪方法均可以有效地降低图像的噪声干扰,比较好地保留图像中重要的细节信息,具有一定的实际应用价值。     

一种基于小波和Wiener相结合图像去噪新方法

本文提出了一种新的小波变换和维纳滤波相结合的图像滤波方法.该滤波方法首先使用小波变换,将图像信号从时域变换到频域,结合新的wiener方法对图像的高低频结果进行滤波处理。改进的自适应Wiener滤波器可以根据图像特性,在给定的多个模板间对图像进行自适应模板选择,使得滤波效果更加理想。实验结果表明,本文提出的方法比传统的维纳滤波和小波阈值去噪方法有较大的改善。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

Microarray image enhancement by denoising using decimated and undecimated multiwavelet transforms

In this paper, we present a new approach to deal with the noise inherent in the microarray image processing procedure. We use the denoising capabilities of decimated and undecimated multiwavelet transforms, DMWT and UMWT respectively, for the removal of noise from microarray data. Multiwavelet transforms, with appropriate initialization, provide sparser representation of signals than wavelet transforms so that their difference from noise can be clearly identified. Also, the redundancy of the UMWT transform is particularly useful in image denoising in order to capture the salient features such as noise or transients. We compare this method with the discrete and stationary wavelet transforms, denoted by DWT and SWT, respectively, and the Wiener filter for denoising microarray images. Results show enhanced image quality using the proposed approach, especially in the undecimated case in which the results are comparable and often outperform that of the stationary wavelet transform. Both multiwavelet transforms outperform the DWT and the Wiener filter.     

基于小波变换的语音基音周期鲁棒性检测

固定门限的小波变换基音检测算法,在浊音信号起始段和结束段的模极大值不能有效提取。文中提出一种基于小波变换模极大值的基音周期自适应前后向跟踪算法,并结合过零率检测,实现了弱浊音信号基音周期的鲁棒性检测。算法对浊音信号采用自适应帧长,对陡变的基音周期能够准确提取,对噪声有较强的鲁棒性。