一种新的语音增强方法研究

在研究语音分形维数的基础上，提出一种新的基于分形理论的语音信号增强方法。该方法根据带噪语音信号及子波重构之后的分形维数不同，对语音信号的模糊控制参数和分形维数取不同的线性关系，既抑制了噪声，又减少了语音段的信息的损失，提高了信噪比，有广阔的应用前景。     

基于分形维数的语音信息隐藏方法

通过研究语音信号分形维数的特点,提出一种在语音信号小波变换低频系数的DCT域实现信息隐藏的方法,该方法首先对原始语音进行一级小波分解,计算高频系数的分形维数,在对应帧的低频系数中嵌入秘密信息。秘密信息的嵌入位置和个数利用小波变换高频系数的分形维数决定,嵌入和提取采用查量化表的方法。仿真结果表明,该算法具有较好的鲁棒性和嵌入效率。     

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。     

含噪声混沌信号的小波去噪方法研究

基于混沌信号具有分形结构的特点，提出了一种分数维与小波变换相结合的带观测噪声混沌信号的噪声去除新方法，利用噪声小波变换特性提取信号的真实分数维，进而根据欲处理混沌时间序列分数维与信号真实分数维之差控制小波包除噪的阈值及位置，达到噪声与信号的自适应分离。该方法克服了以往对未知动力系统方程信号除噪的盲目性，仿真结果表明此法有效可行。     

基于相干函数和仿生小波变换的双麦克风语音增强算法

提出了一种双麦克风降噪方法。该方法基于相干函数和应用卡尔曼滤波的仿生小波变换。将卡尔曼滤波器用于输入信号,应用仿生小波变换从而得到仿生小波系数。所采用的方法可以在不同的噪声场景下使用两个排列紧凑的麦克风处理带噪信号,在语音质量评价、谱图分析和时域波形等方面优于其他双通道语音增强方法。     

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。     

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。     

一种小波变换与维纳滤波结合的语音抗噪研究

语音信号与随机噪声在不同尺度上进行小波变换时,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,而且,浊音和清音也各有其特性。给出了一种基于小波变换的维纳滤波语音增强方法;采用维纳滤波对浊音和清音信号的小波变换系数进行不同的处理,既抑制了噪声,又减少了语音段信息的损失,提高了信噪比。仿真结果说明,这是一种有效的语音增强方法。     

基于短时分形维数的汉语语音自动分段技术研究

本文根据汉语语音的构成特点,提出了一种新的基于短时分形维数的汉语语音自动分段方法。该方法首先用等差尺度网格维数替代传统盒维数计算方法来快速计算语音信号的分形维数,然后在统计、分析汉语男女声２１种声母和３８种韵母语间信号的分形特性基础上,利用中心偏离限定算法来实现汉语语音信号的自动分段。仿真实验表明,该方法不但能正确实现不同语速条件下的语音自动分段,而且具有噪声鲁棒性,是一种有效的汉语语音自动分段技     

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。     

Designing an adaptive approach for segmenting non-stationary signals

Signal analysis tools such as Fourier transform are often applicable on data with a limited length. Segmentation is an important pre-processing step in many signal processing applications. Statistical characteristics of the signal in a segment are often preferred to be similar. This characteristic, stationarity, improves performance of signal analysis technique. This article develops an adaptive segmentation method based on wavelet transform and fractal dimension from two aspects. One is to use discrete stationary wavelet transform in pre-processing step instead of using classical wavelet transform. The other is to choose the optimal parameters. Two parameters are needed to calculate the fractal dimension of a decomposed signal, window length and percentage overlapping of the successive windows, which affect the performance of the proposed approach. These parameters are optimally set using the particle swarm optimisation algorithm. Performance of the proposed method is compared with three other existing segmentation methods using both synthetic signal and real data. The results indicate the superiority of the proposed technique in terms of accuracy compared to existing methods.     

基于分形理论的麻醉监测诱发脑电信号识别方法研究

提出了一种基于分形理论的麻醉监测诱发脑电信号识别方法.首先给出了麻醉监测中潜伏期听觉诱发脑电信号的数学模型,产生与实际信号相符的模拟脑电信号,然后对脑电信号进行小波降噪,提取降噪后脑电信号的关联维数,最后通过关联维数的大小识别麻醉状态下中潜伏期听觉诱发脑电信号的类型.实验仿真结果表明:提出的识别方法具有较高的识别率.     

The time–frequency analysis approach of electric noise based on the wavelet transform

In this paper, the wavelet transform approach has been firstly introduced to analyze electric noise in a transistor. Due to the multiresolution ability of wavelet transform, we can separate noise signal into several detail signals and approximation signal which can be interpreted in terms of the noise output of a generalized constant-Q filter bank and low pass filter, respectively.Based on this approach, the fractal and chaos characteristic of 1/f noise are obtained, the smaller burst noise pulse embedded in the white noise and 1/f noise can be detected, and the noise spectrum can also be calculated from short noise data. These results demonstrate that wavelet transform approach is a useful tool for investigation of noise mechanism of a transistor.     

提升小波变换与分形结合的图像压缩算法

遥感图像在环境监测、军事侦察等多方面有着广泛应用,然而遥感图像包含信息量大,对其进行压缩来提高存储效率具有重要意义.传统分形编码由于压缩比大的特点被广泛应用到遥感图像压缩中,但是传统分形编码存在压缩时间太长的问题.提出提升小波变换与改进分形结合的压缩方法,把提升小波变换后的低频分量进行基于最小方差搜索法的分形压缩.实验结果表明,提升小波变换与改进的分形结合的压缩方法与小波变换与分形结合的压缩方法相比,在峰值信噪比保持在35 dB不变的情况下,压缩时间大约可以缩短8倍,图像压缩比也有提高.     

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Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。     

1/f分形噪声的一种多尺度Kalman滤波方法

针对淹没在1／f分形噪声中的有用信号恢复问题,提出了一种基于小波变换与Kalman滤波的多尺度滤波算法。首先将带有1／f分形噪声的信号分解成多尺度的子带信号,通过小波变换对1／f分形噪声的白化作用,消除了1／f分形噪声的自相似性和长程相关性。然后在小波域内,利用Kalman滤波实现了噪声和有用信号的分离,估计出了各子带中的有用信号。最后进行小波重构,较好地恢复出淹没在1／f分形噪声中的有用信号。仿真实验表明,使用多尺度Kalman滤波器能有效地抑制分形噪声,显著地提高了信噪比。     

基于频域增强和差分盒维数的早期火灾烟雾图像分割

根据烟雾的半透明性特征和分形性质,提出一种基于频域增强和差分盒维数的烟雾图像分割算法。首先,利用小波变换空-频域的特性,通过对图像多层分解后小波系数的加权处理得到烟雾纹理增强图像;然后,运用差分盒维数方法遍历图像,计算出各像素分形维数值,由阈值法得到烟雾分割图像。最后,通过形态学膨胀运算使分割图像更加完整。实验结果表明,该算法能有效利用小波频域增强的特点,减小烟雾薄弱区内背景的影响,使该区域烟雾的分形维数更多地集中于阈值内,提高了烟雾分割的准确性。