基于奇异谱分析和维纳滤波的语音去噪算法

针对维纳滤波算法对非平稳语音信号去噪存在的信号失真、信噪比(SNR)不高的问题,提出了一种奇异谱分析(SSA)和维纳滤波(WF)相结合的语音去噪算法SSA-WF。通过奇异谱分析将非线性、非平稳的语音信号初步去噪,提高含噪语音的信噪比以获取尽可能平稳的语音,并将其作为维纳滤波的输入,以剔除其中仍存在的高频噪声,最终获取纯净的去噪语音。在不同强度的背景噪声下进行仿真实验,结果表明SSA-WF算法在SNR和均方根误差(RMSE)等方面都要优于传统的语音去噪算法,能够有效去除背景噪声,降低有用信号的失真,适用于非线性、非平稳语音信号的去噪。     

基于循环维纳滤波的振动信号去噪算法研究

振动信号的去噪需要在滤除噪声的同时尽可能避免相位失真。传统的锐截止低通滤波器或FIR滤波器无法在去噪效果和线性相位之间取得平衡,难以满足振动信号的去噪需求。针对这一问题,将线性相位的维纳滤波算法引入到振动信号的去噪中,并结合振动信号的循环平稳特性,形成了振动信号的循环维纳滤波算法。文中以直接维纳滤波为基础对循环维纳滤波算法的原理进行了深入分析和仿真实现,并基于实测汽轮机振动信号对算法的去噪性能进行了讨论。理论分析及算法仿真表明,循环维纳滤波算法在保证线性相位的前提下有较好的去噪效果,能够解决传统去噪算法所存在的去噪效果与线性相位难以均衡的问题。     

基于维纳滤波的电能质量检测去噪算法

针对均值滤波对突变点敏感及传统自适应维纳滤波所取邻域的局限性,给出了一种新的电能质量检测去噪算法.该算法首先通过均值滤波去除噪声从而减小噪声在维纳滤波参数估计的影响;再对纳滤波结果进行阈值处理,从而提取突变点信息.实验结果表明,该算法不仅能去除大量的噪声而且能很好地保留突变点信息.     

基于多层自适应背景模型的实时视频去噪算法

提出了一种基于多层自适应背景模型的实时视频去噪算法。针对视频去噪的需求提出的多层自适应背景模型,是一种不仅适用于静态的背景,还适用于快速变化的背景。在背景经历突变再次稳定后,它能够在短暂的时间内完成背景模型的重建。多层自适应背景模型是自适应地单帧逐渐调整,因此它不存在多帧的时延与计算量。去噪效果表明,此算法对视频图像的视觉质量有明显改善。     

DCT域维纳滤波语音增强

针对非平稳噪声和强背景噪声下声音信号难以提取的实际问题,提出了一种DCT域的维纳滤波方法。列出了DCT域清浊音分割步骤,给出了DCT域频谱信噪比迭代更新机制与具体实施方案,设计了DCT域的二维维纳滤波。实验仿真表明,该算法能有效地去噪滤波,改善可懂度,且在不同的噪声环境和信噪比条件下具有鲁棒性。该算法计算代价小,简单易实现。     

实时语音端点鲁棒检测

提出了一种适应复杂环境下的高效的实时语音端点检测算法,给出了每帧声信号在滤波中的噪声功率谱的推算方法。先将每帧语音的频谱进行迭代维纳滤波,再将它划分成若干个子带并计算出每个子带的频谱熵,然后把相继若干帧的子带频谱熵经过一组中值滤波器获得每帧的频谱熵,根据频谱熵的值对输入的语音进行分类。实验结果表明,该算法能够有效地区分语音和噪声,可以显著地提高语音识别系统的性能,在不同的噪声环境条件下具有鲁棒性。该算法计算代价小,简单易实现,适合实时语音识别系统的应用。     

基于维纳滤波和主成分分析的脉冲涡流检测信号降噪方法

针对强背景噪声下微弱的脉冲涡流检测信号的特征量难以准确提取的问题,提出一种基于维纳自适应滤波和主成分分析的脉冲涡流信号降噪方法。该方法首先利用自适应维纳滤波在最小均方误差意义上所具有的最优特性,对脉冲涡流信号进行预处理,再将预处理信号与参考信号进行差分以消除部分系统噪声,最后利用主成分分析提取差分信号的主成分特征,通过设定阈值选取合适数目的主成分量进行重构,得到了具有高信噪比的脉冲涡流差分信号。在Q235阶梯板试件上进行脉冲涡流检测实验,运用该方法对被噪声干扰严重的检测信号进行处理,结果表明所提方法能够有效的消除强噪声对检测信号的干扰,大幅提高信噪比,是一种有效的脉冲涡流检测信号降噪方法。     

基于噪声特性阀值的语音去噪

分析合有噪声的语音信号和噪声信号，对他们分别进行小渡分解，提取各层嗓声小渡系数低频的特性。将提取的各层噪声的特性作为阀值进行去噪。     

FRFT滤波的语音增强

针对传统去噪方法在强背景噪声情况下,提取声音信号的能力变弱甚至失效与对不同噪声环境适应性差,提出了一种动态FRFT滤波声音信号语音增强方法。给出了不同语音噪声环境下FRFT最优聚散度的更新机制与具体实施方案。用TIMIT标准语音库与Noisex-92噪声库搭配,实验仿真表明,该算法能有效地去噪滤波,显著地提高语音识别系统性能,且在不同的噪声环境和信噪比条件下具有鲁棒性。算法计算代价小,简单易实现。     

一种鲁棒性的基于运动估计的自适应时空域视频去噪算法

提出了一种鲁棒的基于运动估计的自适应时空域视频去噪算法。在运动估计前的自适应维纳滤波,提高了运动估计的准确性与匹配率;在运动估计后基于小块的再次判断以及Duncan滤波器的采用,提高了运动估计的鲁棒性。实验数据表明,此算法取得了很好的预期效果。     

基于Kalman滤波的自回归滑动平均信号信息融合Wiener滤波器

应用Kalman滤波方法,在按矩阵加权线性最小方差最优信息融合规则下,提出了带白色观测噪声的多通道ARMA信号的多传感器信息融合Wiener滤波器.它可统一处理信息融合滤波、平滑和预报问题.为了计算最优加权阵,提出了计算局部滤波误差互协方差阵的公式.同单传感器情形相比,可提高估计精度.一个带三传感器的目标跟踪系统的仿真例子说明了其有效性.     

图像处理中维纳滤波器的推广与应用

维纳滤波器是一种最简便的降噪方法,而且它在均方误差意义下是最优的。将噪声推广到一般的乘性噪声的情形,利用维纳滤波的基本思想,同样可以得到均方误差意义下的最优滤波,最后通过两个模拟的例子验证了该方法的有效性。     

基于Kalman滤波的带相关噪声系统统一的Wiener状态估值器

基于Kalman滤波和白噪声估值器, 对带非零均值相关噪声系统提出了渐近稳定的统一的和通用的Wiener状态估值器. 它们可统一处理滤波、平滑和预报问题, 且避免了计算最优初始状态估值. 它们揭示了Kalman滤波器和Wiener滤波器之间的关系.一个仿真例子说明其有效性.     

图像处理中非加性噪声情形下维纳滤波的推广

在图像处理中,噪声问题是经常会遇到的问题。一般情形下都假定噪声是加性的,此时,维纳滤波器是一种最简便的降噪方法,而且它在均方误差意义下是最优的。将噪声推广到非加性的情形,利用维纳滤波的基本思想,同样可以得到均方误差意义下的最优滤波。     

结合结构张量和Wiener滤波的图像去噪算法

利用图像的结构张量表示的局部结构信息,结合Wiener滤波给出了一种图像去噪算法,并采用了加性算子分解格式求解非线性扩散方程以提高计算效率。实验结果表明,该算法在去除噪声的同时很好地保持了图像中的强弱边界等细节特征,去噪后的图像在峰值信噪比和主观视觉效果上都有显著提高。     

基于Contourlet变换和Wiener滤波的图像降噪

提出一种新的基于Contourlet变换和Wiener滤波的图像降噪方法。该方法充分利用Contourlet变换域系数服从广义高斯分布的特点,在Contourlet域采用Bayes收缩阈值法进行预降噪,采用Wiener滤波法对预降噪图像中的残留噪声进行进一步处理,以提高图像的恢复精度。仿真结果表明,该方法较传统的Contourlet域降噪方法具有更好的降噪效果,进一步提高了PSNR值,降低了MSE值,获得了更好的图像恢复质量。     

A Kiefer‐Wolfowitz Algorithm Based Iterative Learning Control for Hammerstein‐Wiener Systems

The iterative learning control (ILC) is considered for the Hammerstein‐Wiener (HW) system, which is a cascading system consisting of a static nonlinearity followed by a linear stochastic system and then a static nonlinearity. Except the structure, the system is unknown, but the system output is observed with additive noise. Both the linear and nonlinear parts of the system may be time‐varying. The optimal control sequence under the tracking performance is first characterized, which, is however, unavailable since the system is unknown. By using the observations on system output the ILC is generated by a Kiefer‐Wolfowitz (KW) algorithm with randomized differences, which aims at minimizing the tracking error. It is proved that ILC converges to the optimal one with probability one and the resulting tracking error tends to its minimal value. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society