基于小波变换的动态阈值法语音信号净化

语音信号实时去噪净化处理是语音通信系统的关键技术。传统的小波阈值去噪方法由于阈值的单一性,在去除噪声的同时,造成语音信号损伤。针对这一问题,提出了一种基于小波变换的动态阈值法语音信号净化方法。能根据噪声和信号的变化而动态调节阈值;采用改进的阈值函数对小波系数缓变地压缩,仿真实验结果表明,能有效去除信号中的噪声和较好保留语音细节。     

基于经验模分解的小波阈值滤波方法研究

信号的多分辨经验模分解方法可以解释为以信号极值特征尺度为度量的时空滤波过程。这种时空滤波器充 分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势。本文提出了一种基于经验模分解的小 波阈值滤波去噪方法,并和小波阈值去噪、多尺度EMD滤波效果相比较。实验结果表明了基于经验模分解的小波阈值去 噪具有广泛的适用性和独特的去除非平稳信号的有色噪声的优势。     

基于小波变换的信号去噪方法研究

对小波闽值去噪方法进行了研究,阐述了小波变换和小波去噪的基本原理和方法,利用四种自适应阈值规则对含噪信号分别进行去噪处理,并比较了去噪效果。以采集到的语音信号为例,采用不同的阈值去噪方法去噪,在MATLAB下进行仿真,结果表明小波变换既能有效地去除信号噪声,又能较好地保留原信号中的突变信息。     

帧间自适应的压缩感知谱减去噪方法

针对应用压缩感知理论对含噪语音进行去噪其信噪比低的问题,以及应用谱减法对含噪语音去噪后语音信号仍不清晰的情况,提出帧间自适应的压缩感知谱减去噪方法。同时,由于传统压缩感知理论不能使语音信号在重构时实现帧间自适应的去噪效果,对此缺陷提出一种改进算法,并且将该算法应用到谱减法的去噪过程中。相比于经典的谱减法,实验结果表明,所提算法对含噪语音进行去噪不仅可以提高含噪语音的去噪效果,还可以有效地解决谱减法无法去除背景噪声及音乐噪声的问题。     

基于小波分析的语音信号增强的研究

语音增强目的是从带噪语音中尽可能纯净的原始语音,即消除含噪语音信号中的噪声成份,提高输入信号的信噪比.在实际应用环境中,语音都会不同程度受到噪声的干扰,噪声会影响语音质量,严重的情况下将语音完全淹没到噪声中,无法分辨.本文将读入的语音信号加入正态随机噪声,然后对含噪声的语音信号进行小波分解,估计噪声的方差,然后获取去噪的阈值并对小波分解的高频系数进行阈值量化,得到去噪后的语音信号.仿真证明此方法具有很好的增强效果.     

基于VDM和小波阈值的语音降噪方法研究

针对带噪声的语音信号,提出了基于变分模态分解（VMD）和小波阈值相结合的去噪方法。首先,采用VMD对带噪声道信号进行分解,从而得到分解后的固有模态（IMFs）信号;然后,引入T检验对各IMFs分量进行低频和高频区分,对其中的高频分量用小波阈值进行噪声滤除;最后,对将低频IMFs分量和滤波后的高频IMFs分量进行重构,从而得到降噪后的具有较高信噪比的语音信号。通过实验验证,本方法与EMD和小波阈值联合算法相比,具有更好的去噪性能,具有一定的实用价值。     

基于小波包变换的多阈值法语音信号去噪净化

文中在小波包变换和传统阈值法的基础上,提出了一种基于小波包变换的多尺度多阈值语音信号去噪净化方法。采用小波包分解,克服了传统的正交小波变换的缺陷。采用多尺度多阈值方法,通过改进噪声方差估计方法,在去噪的同时,进一步提高信噪比。仿真实验结果表明,本方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

海缆布里渊光时域反射信号的去噪方法研究

为了从噪声背景中有效地提取光电复合海缆的布里渊光时域反射信号,根据信号的特点,提出了采用小波阈值法对实时信号进行去噪处理。针对小波阈值去噪参量设置的基础性问题,通过理论分析和实验对比确定了适于海缆布里渊光时域反射信号去噪处理的最优参量,并与中值滤波、均值滤波的去噪效果进行了对比。结果表明,相对于两种传统的滤波方法,最优参量下的小波阈值法能有效去除噪声,不仅信噪比提高了14.1dB,而且能检测出100με的应变变化。该研究对于探索海缆布里渊光时域反射信号的高效处理方法具有重要参考价值。     

非平稳信号的小波包阈值去噪方法

研究非平稳信号的小波包阂值去噪方法，介绍了几种阈限和选取闽值的规则。计算机仿真结果表明，利用小波包阈值去噪的时频局部化特性可以滤去非平稳信号中大量的背景噪声，消噪后的信噪比（SNR）明显高于傅里叶滤波的结果，充分说明了小波包阈值方法在非平稳信号去噪中的优越性。     

语音编码中的新阈值小波去噪算法

为提高语音信号的编码质量和节省宽带资源,文中在传统的CVSD编码中加入了小波闻值去噪方法.首先讨论了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,然后提出了一种改进方案.该方案在阚值函数中加入因子,可以自适应地减少阈值函数中的恒定偏差,最后对重构后的语音信号再进行CVSD的编译码.Matlab仿真实验证明了该改进方案的有效性和优越性.     

小波分析压缩感知在图像复原中的应用研究

压缩感知理论是在已知信号具有稀疏性或可压缩性的条件下,对其进行数据采集、编码和解码的新型理论。通过对二维小波分解与重构算法以及压缩感知理论的介绍,指出基于小波变换压缩感知理论在图像复原中具有计算复杂度低、结构简单和易于实现的优点。实验结果说明了该算法与一般的图像复原算法相比,相近效果下所需要的观测数据量、存储空间和计算量更少;能够有效地改善低码率压缩图像的主客观质量,改善程度也优于传统算法。     

基于提升小波变换对音乐信号压缩的研究

用提升方法构造传统小波,并将构造后的提升小波用于音乐信号压缩中。对一段音乐信号通过提升小波分解。并分别基于提升格式下的haar,dbN,symN小波对音乐信号进行压缩。观察仿真结果,对比基于提升小波进行压缩后的效果．得出压缩的较佳方案。再通过小波变换对音乐信号的压缩,得出基于提升小波变换的优点。     

一种有效的宽带雷达信号压缩算法

针对宽带雷达回波信号采样数据量大、传统小波压缩算法保真度不高的特点,利用小波多层次变换系数之间的关系,提出了基于小波变换的自适应贪婪算法,并将其应用于宽带雷达回波信号数据压缩.将该算法与传统的小波多层次方法在对宽带信号的压缩性能上进行了比较,结果表明,基于小波的自适应贪婪算法对数据压缩保真效果优于传统的小波方法.     

多层离散小波变换系数的稀疏向量构造的改进

融合离散小波变换和压缩感知的图像压缩方案很好避免了采用离散余弦变换和压缩感知时所带来的块效应,但当前基于单层离散小波变换的算法压缩比较低,基于多层离散小波变换的算法重构质量不佳。为了解决这些不足,根据离散小波变换系数的特点,对现有基于多层离散小波变换的算法提出了改进。图像经小波变换后,保留图像最高层低频系数,高频系数的构造方式给予适当改进。实验结果表明,与现有算法相比,重构图像的PSNR值得到2～4 dB提高。     

基于部分频谱小波边缘检测的压缩宽带频谱感知

压缩宽带频谱感知是一种采用压缩感知技术去感知相对较宽的频谱的方法.针对压缩宽带频谱感知中信号重构引起的计算资源消耗比较大以及能量检测在低信噪比下感知性能差的问题,提出了基于部分频谱小波边缘检测的压缩宽带频谱感知方法.首先使用基于最大熵准则的部分傅里叶矩阵获得部分频谱,然后根据部分频谱进行小波边缘检测,最后判别.仿真结果证明了该方案的有效性和优异性.     

彩色图像有效压缩及联合重建的研究

足够的稀疏性是信号或图像压缩感知精确重建的前提,但实际情况下的彩色图像并不完全满足此约束条件。为了降低稀疏性的限制,这里给出了基于小波分解与联合重建的彩色图像压缩方法,该方法是将彩色图像的RGB分量独立地分解成密集和稀疏两部分,密集部分采用传统方法编码,稀疏部分采用压缩感知进行压缩编码。文中还讨论了如何采用联合重建算法同时重建RGB3个分量的稀疏部分,及结合密集部分进行原始彩色图像的重建问题。仿真结果表明：该方法是实现实际彩色图像的压缩传输和精确重建的一种有效方法。     

基于小波压缩域的字符自动定位

本文提出一种基于小波压缩域的图像/视频字符自动检测定位方法.对于基于小波变换的压缩格式图像/视频,仅部分解压即可实现具有复杂背景的字符区域定位.与其他定位方法相比,明显降低计算复杂度,对字符尺寸的鲁棒性,检测精度显著提高.初步实验结果验证了该方法的有效性和快速性.     

改进的多尺度压缩感知方案

传统多尺度压缩感知方案只对设定的小波变换系数采样,不用于采样的小波系数直接置零,造成重建图像边缘粗糙,影响图像重建质量。针对该问题,提出了一种改进的多尺度压缩感知方案。新方案在原方案获得的重建图像基础上,通过轮廓波变换对重建图像进行图像插值,在保持重建得到的小波系数不变的同时估计出原来被直接置零的小波系数,从而改进了图像重建质量。通过仿真实验证明了改进的多尺度压缩感知方案的有效性,并且与传统多尺度压缩感知方案相比能得到效果更好的重建图像。     

基于小波变换的超声波含噪信号处理

超声波流量计测量气体或液体流量时,传感探头接收的超声波信号中夹杂了大量噪声,它将会影响信号的分析和流量的测量.而传统方法无法刻画超声波信号的非平稳特性并准确去噪,为克服传统方法的不足,采用小波变换理论,结合阈值去噪法,通过Matlab仿真实验,可得去噪后的超声波信号,从而验证小波变换可用于超声波信号去噪的处理.     

小波变换在心音奇异信号处理中的应用

针对如何剔除心音信号奇异点处的噪音信号的问题,该文利用小波变换方法,通过PhysioBank数据库中的相关数据,运用Matlab对含有噪音信号的心音奇异信号进行处理。其结果表明,该方法可在保留奇异信号的前提下,有效滤除噪音信号。说明利用小波变换技术分析与处理心音奇异信号是一种新的有效和实用的方法。