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。     

基于仿生小波变换和模糊推理的语音降噪算法研究

提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解,以分离出来的噪声信号作为自适应滤波器的输入,选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理,最终实现语音信号的信噪分离,去除语音信号中的噪声。仿真结果表明,该方法对语音信号有较为明显的降噪效果。     

小波变换在语音信号降噪技术中的应用

小波变换是一种时频变换方法,它由短时傅立叶变换发展而来,继承了局部化的思想,克服了短时傅立叶变换窗口大小不随频率变化的缺点,并且可以提供随频率改变的时频窗口,是进行信号时频分析和处理的理想工具。文中介绍了小波变换的基本理论及其在语音信号降噪中的具体方法,使用加入高斯白噪声的语音信号作为被处理信号进行小波降噪,并且对比了使用不同阈值小波变换的降噪效果,验证了小波降噪方法在语音信号降噪中的可行性。     

光纤陀螺全频域小波阈值降噪技术

为了有效地去除光纤陀螺信号中的分形噪声,提出了全频域小波多尺度阈值降噪方法。从分形信号的分数微分形式出发,建立了分形信号与高斯白噪声之间的联系,结合小波分析的高阶消失矩特性,实现了分形信号在小波空间的去相关。当分形信号被具有高阶消失矩的小波分解后,其在小波域具有白噪声的特点,可以采用阈值处理的方法予以去除。同时,根据陀螺信号噪声的宽频带特点,对小波分解的低频近似系数和高频细节系数进行阈值处理,有效地抑制了噪声成分。光纤陀螺信号的降噪实例表明:相比传统的小波阈值降噪方法、卡尔曼滤波方法和滑动平均滤波方法,该方法具有较好的降噪效果。     

小波软硬阈值去噪算法的研究及改进

小波软、硬阈值去噪法及软硬阈值折中法是根据信号与噪声的小波系数特点进行信噪分离的,关键在于对小波系数的处理.但是,噪声的方差越大,信噪分离越困难.提出的改进方法是利用均值逼近的软硬阈值折中法.试验表明这种改进的方法提高了重构信号的信噪比,能够达到较好的去噪效果.     

基于LMS自适应噪声抵消和小波阈值的语音降噪算法研究

针对宽带噪声干扰的语音降噪问题,提出一种基于LMS自适应噪声抵消和小波阈值的语音降噪算法。该算法首先采用LMS自适应噪声抵消器对消部分噪声,得到较高信噪比的语音信号后,再对其进行小波分析,用一种新的阈值函数对信号进行降噪,再重构得到降噪后的信号。Matlab仿真实验证明,该算法的效果优于单一算法,且避免了传统谱减法带来的"音乐噪声",视觉效果、输出信噪比和均方根误差也有很大改善。     

压缩感知理论在语音信号去噪中的应用

针对小波阈值滤波的局限性,将压缩感知理论应用到语音信号去噪中,并与小波阈值滤波方法进行了比较,仿真实验结果表明：基于压缩感知的小波滤波方法可以有效地去除语音信号中的噪声,并且去噪效果优于传统小波阈值滤波方法,对工程中音频信号的降噪具有指导意义。     

小波包阈值降噪法处理光纤陀螺信号

光纤陀螺以其自身结构和外部环境的影响容易在输出信号中产生随机噪声。为了消除光纤陀螺输出数据中的随机噪声,提出了用小波包阈值法来处理陀螺信号。在分析小波包变换理论及其分解重构算法的基础上,结合光纤陀螺输出数据的数学模型,对光纤陀螺随机信号进行四层小波包分解。通过阈值法对分解得到的各个节点分解系数中小于阈值的部分置零,利用处理过的节点系数进行重构以消除重构陀螺信号中的噪声。仿真实验结果表明,小波包阈值法比小波软硬阈值法在处理光纤陀螺信号中的效果更好,信噪比更高。     

小波阈值降噪法在Φ-OTDR扰动传感系统中的应用

针对目前基于相位敏感光时域反射计（Φ-OTDR）的分布式光纤扰动传感系统信噪比较差的问题,提出采用小波阈值降噪法对系统采样信号进行信号处理的前期降噪。分析系统有效信号特征,采用小波阈值降噪法中强制阈值降噪法、软阈值降噪法以及硬阈值降噪法分别对采样信号进行降噪处理,经过比较选择了阈值降噪法作为降噪算法。定量对比降噪前后扰动信号的信噪比,证明采用小波阈值降噪法中硬阈值法处理后的数据在进行后期定位算法时,信噪比提高近一倍。     

基于小波包变换的语音信号降噪研究

应用小波包滤波技术,采用半软阈值函数,Donoho标准差估计,基于统计学数据的阈值确定方法,实现了语音信号的白噪声降噪处理,并通过仿真验证了算法的可行性。     

小波阈值去噪在尾流散射光信号处理中的应用

为了从噪声背景中有效地提取舰船尾流后向散射光信号,采用4阶Daubechies小波对采集的信号进行了1维离散小波变换,将主要包含目标船后向散射光信号的低频部分和主要包含噪声的高频部分区别开来,使用阈值函数进行小波系数处理.在小波软硬阈值去噪方法的基础上,提出了一种新的阚值函数.该阈值函数克服了硬阈值函数值不连续的问题和...     

基于小波包的阈值语音去噪算法研究

传统的小波阈值去噪算法会不可避免地造成有用语音信号的损失,达不到很高的信噪比。基于Donoho提出的传统阈值去噪方法,提出了一种新的阈值函数,该闽值函数结合了软阈值函数和灿律阈值函数的优点,不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差。实验仿真表明,新阈值函数的语音去噪方法无论在听觉效果上,还是信噪比指标上均明显优于传统的硬、软阈值方法。     

基于改进阈值函数的小波包语音增强算法的研究

基于小波分析的阈值语音信号去噪技术是语音信号处理的一个重要热点技术,由于语音信号的非平稳性,传统的小波阈值去噪算法虽然能够衰减一部分语音信号中的噪声,但这些算法会不可避免地造成有用语音信号的损失。小波包可以同时对语音的低频和高频部分进行分解,能更好保留语音信息,减少噪声对语音的影响;同时,文中提出一种新的阈值函数,它对噪声清除得更加干净。仿真结果显示,该阈值函数较软、硬阈值函数具有明显的优越性。     

语音信号基于小波分析的噪声抑制

详细介绍了语音信号基于小波阈值法的噪声抑制在Matlab上的具体实现步骤,在阈值函数的问题上,针对硬阈值和软阈值函数的缺点和不足,采用一种改进的阈值函数.分析实验结果,总结新阈值函数在处理语音信号方面存在的优势和不足.     

语音重构的DCT域加速Landweber迭代硬阈值算法

重构信号的最基本理论依据是该信号在某个变换域是稀疏的或近似稀疏的。基于语音信号在DCT域的近似稀疏性,可以采用压缩感知(Compressed Sensing, CS)理论对其进行重构。压缩感知理论中的迭代硬阈值(Iterative hard thresholding, IHT)算法以其较好的性能被广泛用来重构信号,但其收敛速度比较慢,如何提高收敛速度,一直是迭代硬阈值算法研究的重点之一。针对压缩感知理论中的IHT算法收敛速度相当慢的问题,提出了语音重构的DCT域加速Landweber迭代硬阈值(Accelerated Landweber iterative hard thresholding, ALIHT)算法。该算法对原始语音信号做DCT变换,然后在DCT域将每一步Landweber迭代分解为矩阵计算和求解两步,通过修改其中的矩阵计算部分实现Landweber迭代加速,最后通过迭代硬阈值对信号做阈值处理。实验结果表明,加速Landweber迭代硬阈值算法加快了收敛速度、减少了计算量。      

一种基于Hilbert-Huang变换的语音去噪方法

在介绍Hilbert Huang变换理论的基础上,提出了一种基于HHT变换的语音去噪算法。首先对带噪语音信号做EMD分解,得到各阶IMF分量,然后对高频的IMF分量用小波域去噪中的阈值方法进行处理,然后把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。仿真实验表明基于Hilbert Huang变换的去噪结果优于小波软、硬阈值法的去噪结果,显示了Hilbert Huang变换在处理非平稳信号中的优越性。     

一种改进的基于经验模态分解的小波阈值滤波方法

经验模态分解是一种新的信号分解方法,该方法可将非线性非平稳信号分解成若干个单分量的本征模态函数,使得每个本征模态函数都具有一定的物理意义。本文探索了该方法在语音增强方面的应用.在文献[8]的基础上,对其方法进行了有效改进。首先将带噪语音进行经验模态分解,得到六个本征模态函数和一个余量信号,对这七个信号分别进行小波阈值滤波,并由滤波后的七个信号重构语音。结果表明,该方法的滤波效果明显优于对带噪语音直接采用小波阈值滤波的方法,并且较之文献[8]的滤波方法也具有一定的优势。     

基于二进制小波变换和维纳滤波的语音降噪研究

本文综合应用小波变换理论和维纳滤波技术,提出一种语音降噪算法,该算法不仅能够较好地提高信噪比,而且能够有效地抑制传统的维纳滤波所产生的音乐噪声。本文最后提供的实验结果表明,该算法对于受自噪声干扰的语音具有较好的降噪效果。     

A Wavelet Based Hybrid Threshold Transform Method for Speech Intelligibility and Quality in Noisy Speech Patterns of English Language

The paper proposes a method to improve the performance of speech communication system in a highly noisy industrial environment. For the improvement, different speech signals are considered which includes signals from different environments such as car noise, railway station, babble noise, street noise which are corrupted with additional noise as input data set for processing. This database is processed using suitable filters which will remove the effect of noise to some extent. Different algorithms have been proposed to minimize the effect of noise to a certain limit. The denoising algorithms are generally the different wavelet thresholding method which removes the noise from the speech signal. Many researchers have worked on soft and hard thresholding for image processing. The proposed method of hybrid thresholding comprises of both soft and hard thresholding process which is comparatively better method than the previous methods. The method can be implemented for the non-stationary noise and it also removes the problems of edges. Unlike the traditional way of using single value, different values are used for the adaptive filtering to remove the edges. During the course of experiments, the dataset of IIIT-H with a set of noisy files from Noizeus and AURORA database having sampling rate of 16 kHz has been used. Results are calculated with subjective and objective measures for fine and broad level quality assessment. SNR, SSNR, PSNR, NRMSE, and PESQ parameters are used as performance parameters and outperform with other combinations as compared to conventional methods. The hybrid threshold method yields better results with significant improvement in speech quality and intelligibility.

     

小波阈值法在语音去噪中的应用

本文介绍了小波变换在语音去噪方面的应用概况,小波变换的基础理论,详细阐述了在应用小波阈值方法去噪时,阈值法中的软阈值和硬阈值方法及它们的不足。本文提出了一种改进阈值方法,用matlab进行了模拟处理实验,为后续更有效的处理奠定了基础。