多尺度小波分解下的自适应语音消噪算法研究

将小波变换的理论引入到自适应语音消噪系统中,分析了多尺度小波分解下的LMS自适应消噪算法（MSWD-LMS）的原理,该算法将输入向量分解到多尺度空间,减小了自适应滤波器输入向量自相关矩阵的谱动态范围;将变步长LMS算法与多尺度小波变换的思想结合,提出了一种新的小波自适应语音消噪算法（MSWD-VSS-LMS）,新算法既减少了输入向量自相关矩阵条件数,又克服了固定步长LMS算法在收敛速度与收敛精度方面与步长因子μ的矛盾,获得了更好的语音信号处理的收敛速度和稳定性。仿真结果表明新算法取得了较好的效果。     

基于正交小波变换的心冲击图自适应去噪方法

研究了心冲击图的正交小波变换最小均方自适应去噪;阐述了基于正交小波变换的最小均方自适应去噪原理;利用径向高斯核函数对心冲击图进行自适应时频联合分析,得到了中心频率并确定了小波分解尺度;提出了通过选择小波基函数和输入信号长度确定自适应滤波器阶数的方法;从矩阵角度给出了算法的实现步骤,并分析了正交小波变换提高最小均方算法收敛速度的原因.实验结果表明,正交小波变换最小均方算法使自适应去噪后的心冲击图更快达到稳态,随心动周期的变化趋势更加明显.比较去噪前后心冲击图的功率谱密度可知,正交小波变换最小均方算法在保留心冲击图特征的同时自适应地去除了其中的时变噪声,获得了良好的去噪效果.     

基于小波萎缩法的非线性自适应数字滤波器的设计

本文中,将小波萎缩法应用于非线性自适应数字滤波器的设计,介绍利用基于离散正交小波变换的小波萎缩迭代滤波方法,设计出非线性自适应小波萎缩滤波器的模型文中给出了非线性自适应小波萎缩滤波器的一个消噪实例,证实了非线性自适应小波萎缩滤波器鲁棒性好的特性。     

基于小波萎缩法的非线性自适应数字滤波器的设计

本文中,将小波萎缩法应用于非线性自适应数字滤波器的设计,介绍利用基于离散正交小波变换的小波萎缩迭代滤波方法,设计出非线性自适应小波萎缩滤波器的模型.文中给出了非线性自适应小波萎缩滤波器的一个消噪实例,证实了非线性自适应小波萎缩滤波器鲁棒性好的特性.     

基于自适应仿生小波变换的语音增强方法

分析自适应滤波和小波滤波的原理与方法,提出一种基于自适应仿生小波变换的语音增强方法.该方法首先用仿生小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,然后将经仿生小波变换所分离出来的噪声成分作为自适应滤波器的输入.通过选用自适应滤波器的最小二乘算法(RLS)从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声.实验结果表明,该方法对语音信号有显著的增强效果,能实现语音信号在同频段对噪声成分和有用信号的最佳估计.     

基于平稳小波变换的图像去噪方法

正交小波阀值消噪方法已广泛地应用于图像噪声抑制，目前对于正交小波阈值去噪方法的研究主要集中于如何选取阈值使消噪达到较好的效果，然而对于图像中噪声幅度较大的情况下，正交小波变换阀值消噪会使图像边缘失真，甚至图像模型，提出的平衡小波变换的图像消噪方法，可以有效地降低噪声，同时又较好地保持图像边缘细节，与正交小波变换阈值降噪方法相比，有明显优越性。     

混响环境下的宽带波束形成语音增强方法

结合小波滤波器组理论和自适应波束形成技术,提出了一种基于宽带波束形成的麦克风阵列语音增强方法。该方法利用小波分析滤波器组将含噪语音信号变换到小波域;进行小波域阵列自适应波束形成;通过小波综合滤波器组重构增强后的语音信号。计算机仿真实验验证了该方法的有效性。     

组合方法在脑电信号消噪中的仿真研究

研究脑电信号消噪问题.脑电信号存在非平稳性且包括大量的噪声,传统的消噪算法不能很好消除脑电信号中的噪声,从而影响后继的脑电信号处理和分析.为了更好的消除脑电信号噪声,提出一种小波变换与自适应滤波相结合的脑电信号组合消噪方法.该方法首先对含噪的脑电信号进行白化处理,然后采用小波分解和重构含噪较大的信号,将重构后的信号作为自适应滤波器的输入,进行自适应滤波消噪处理.仿真结果表明,组合去噪方法能有效去除脑电信号中的噪声干扰.     

基于提升格式的紧支集双正交小波的设计

通过研究提升格式构造完全重构滤波器的方法,并结合传统的双正交小波的构造理论,得到了构造基于提升格式的双正交紧支集小波的方法。同时列举滤波器长度为4-4,消失矩为2-1的基于提升格式的双正交小波的构造实例。将所构造出的小波实例用于信号和图像消噪,发现在滤波器长度相同的前提下,基于提升格式的小波的消噪效果优于普通小波,并且用自适应的方法在已求得的范围内找出达到最佳消噪效果的自由变量的取值。     

一种基于听觉特性的自适应小波语音增强方法

提出一种基于人类听觉特性的自适应小波滤波算法。该方法用听觉感知小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,将经听觉感知小波变换所分离出来的噪声成分作为自适应滤波器的输入。通过采用递推最小二乘算法从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声。结果表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计,提高了语音的清晰度和可懂度。     

基于小波熵自适应阈值的语音信号去噪新方法

针对语音信号去噪问题, 提出小波熵自适应阈值去噪法。首先利用小波变换分解带噪语音信号, 计算小波分解后信号子带区间的小波熵, 然后将小波熵和自适应阈值相结合确定各层高频系数的阈值门限, 采用折中指数阈值函数对各层高频系数进行去噪处理, 重构降噪后的语音信号, 最后对比小波熵自适应阈值、极大极小阈值、固定阈值和无偏风险阈值去噪方法的性能。实验结果表明, 当输入信噪比为5 dB时, 小波熵自适应阈值去噪法的输出信噪比是最大的, 且其输入输出信噪比曲线高于其他三种阈值去噪法的输入输出信噪比曲线, 从而证实该算法具有更好的去噪性能。     

基于形态学与小波变换的信号自适应去噪算法

针对常规的ECG（electrocardiogram）信号去噪算法存在的缺陷,提出了一种基于形态学与小波变换的自适应综合去噪算法。该算法利用形态学滤波器去除基线漂移信号,用小波滤波器去除高频干扰信号,并将这两部分所得到的心电噪声分量作为自适应滤波器的参考输入信号,对ECG信号进行自适应滤波处理,最后得到去噪后的ECG信号。实验表明,本算法是一种有效的去噪算法。     

基于不同位置小波变换的盲均衡器研究*

目前引入小波变换的自适应均衡器均是将正交多小波变换放置在均衡器(前向滤波器)之前以加快收敛。以常模判决反馈均衡器(CMA-DFE)为例,根据平衡正交多小波变换是放置在前向滤波器还是反馈滤波器之前,研究了三个均衡器,即常规的基于前馈正交多小波变换常模判决反馈盲均衡器(MWT-CMA-DFE)、基于反馈正交多小波变换的常模判决反馈盲均衡器(FMWT-CMA-DFE)和基于双正交多小波变换的常模判决反馈盲均衡器(DMWT-CMA-DFE),分析了其各自的复杂度。水声信道仿真结果表明:与CMA-DFE、MWT-CMA-DFE和FMWT-CMA-DFE相比,DMWT-CAM-DFE具有更快的收敛速度和跟踪时变信道的能力,且消除了相位旋转。     

一种基于形态学的小波自适应去噪算法

针对常规的去噪算法会引起图像边缘模糊,而在保留和增强图像边缘时又会影响图像的去噪效果的缺陷,提出了一种基于形态学的小波自适应去噪算法,利用多种结构元复合形态滤波器对噪声图像预处理,然后对处理后的图像采用小波自适应阈值进行二次滤波去噪,最后对图像进行重构得到去噪后的图像.实验表明,该算法能对受不同程度、类型的噪声污染的图像进行有效地的处理,并且在去噪时能保持更多的图像边缘.     

基于混沌系统的正交小波变换盲均衡算法

针对常数模盲均衡算法(CMA)收敛速度慢、稳态误差大和局部收敛的缺点,将正交小波变换与混沌通信理论相结合,提出了一种基于混沌通信系统的正交小波变换盲均衡算法(CS-WT-CMA)。该算法充分利用了混沌映射的伪随机性、遍历性、相关性以及无限宽带功率谱等特点,将混沌调制系统用于产生宽带混沌信号,使用混沌信号作为载波,在调制的同时直接对发射信号进行扩频,从而降低了信道输入信号的自相关性,更好地抑制了码间干扰和多径衰落;同时对均衡器输入信号进行正交小波变换,并作能量归一化处理,降低了信号的自相关性,从而有效地加快了收敛速度。水声信道仿真结果表明,与正交小波变换盲均衡算法(WT-CMA)相比,该算法收敛速度更快、稳态误差更小。     

小波自适应滤波器在DCG去噪中的应用

设计一种新的小波自适应滤波器。首先对原始信号进行小波分解,然后去除含噪多的小波系数,将重构后的数据作为滤波器的原始输入信号,而将含噪多的小波系数作为滤波器的参考输入信号。实验结果表明,该算法信噪比较高,去噪效果较好。此外,该算法的运算量小,很适合动态心电信号这种大量数据的运算。     

自适应提升小波变换与信号去噪

文章引入了基于提升法的自适应离散小波变换,根据LMS自适应法使伯恩斯坦预测算子自适应匹配特定的数据序列,而且应用该方法于信号的软域值去噪,数值仿真实验表明自适应提升小波变换同经典的小波变换相比,去噪后信号的信噪比效率相近,提升方法的优点在于其设计上的灵活性和计算简单。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。