共查询到18条相似文献,搜索用时 109 毫秒
1.
提出了一种基于小波包变换的自适应阈值语音去噪净化方法。采用双正交小波包分解,克服了传统的正交小波变换的缺陷。采用自适应阚值方法,通过最佳阈值的估计,在去噪的同时进一步提高信噪比。仿真实验结果表明.方法能在有效去除噪声的过程中保证相位不失真和较好保留语音细节,语音净化效果明显优于其他方法。 相似文献
2.
基于小波变换的动态阈值法语音信号净化 总被引:1,自引:1,他引:1
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。 相似文献
3.
《现代电子技术》2015,(23):54-59
地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。 相似文献
4.
5.
6.
基于自适应噪声估计的小波阈值语音增强 总被引:2,自引:1,他引:1
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。 相似文献
7.
8.
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。 相似文献
9.
基于听觉掩蔽效应的小波包语音增强 总被引:1,自引:0,他引:1
在分析传统阈值函数小波去噪方法的基础上,提出一种根据人耳掩蔽效应设计的阈值函数去噪方法。该方法利用小波包的多分辨率的优点,把语音分解到反映人耳听觉特性的小波子带中,再使用根据人耳听觉掩蔽原理设计的噪声掩蔽阈值函数对带噪的小波系数进行处理,最后反变换得到增强语音。仿真实验表明:输出的信噪比与听觉评测(PESQ)均取得较好结果。 相似文献
10.
11.
语音信号由于其时变特性,传统的小波算法虽然能够衰减语音中含有的噪声,但易造成语音的失真。丈中提出了基于小波变换的语音净化新方法,改进了阈值的选择和小波系数量化算法。仿真实验结果表明,在去除噪声和提高信噪比方面,本文方法是一种有效语音净化方法。 相似文献
12.
利用小波包理论对车载移动电话的接收信号进行小波包变换,通过设定一合适的阈值对变换后的信号进行量化处理.提取出主要由发动机产生的噪声信号,然后用实际检测信号减去小波包变换信号,得出汽车司机的语音信号.从而达到消除噪声的目的。利用MATLAB的小波工具箱对所提出的方法进行验证,结果表明提取后的信号与驾驶员的声音信号十分相似,误差较小,对发动机噪声有明显的抑制作用。 相似文献
13.
14.
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。 相似文献
15.
16.
为了提高皮肤听声器分辨语音的能力,提出了利用小波包变换提取语言信号特征参数,并将其应用于皮肤听声器的新方法。小波包变换对频带进行多层次划分,提高了时-频分辨率,所以通过小波包变换得到的特征参数更加准确、更加精细,且是唯一的。最后,通过仿真实验说明了该特征参数的优越性,并且其在一定程度上提高了皮肤听声器分辨语音的能力,从而验证了该方法是可行的。 相似文献
17.
ZHANG De-xiang GAO Qing-wei CHEN Jun-ning 《中国电子科技》2006,4(1):39-42
It is classical problem to extract signal itself from noise signal in speech processing. We can separate them according to their different statistic characters. Commonly the frequency band of noise is wide but that of original signal is limited and mainly lies in low frequency bands. How to eliminate noise effect becomes a challenging problem in speech processing. Speech enhancement algorithms have been developing considerably, many theories and approaches have been brought forward to suppress… 相似文献