一种新阈值函数的小波包语音增强算法

针对传统软、硬阈值函数去噪方法增强的语音存在失真的问题,提出一种新阈值函数的小波包语音增强算法,同时给出了新阈值函数和新的Bark尺度小波包分解结构。新阈值函数在小波包系数绝对值大于给定阈值的区间内,灵活地结合了软、硬阈值函数;在小波包系数绝对值小于给定阈值的区间内,用一种非线性函数代替传统阈值函数中的简单置零,实现了阈值函数的平缓过渡;新的60个频带Bark尺度小波包分解结构能更好地模拟人耳的听觉感知特性。仿真实验结果表明,在高斯白噪声和有色噪声背景下,与传统软、硬阈值函数去噪方法相比,新算法有效提高了增强语音信噪比和分段信噪比,减少了语音失真,具有更好的去噪效果。     

一种时间自适应阈值的小波包改进语音增强算法

针对传统小波语音增强算法存在过度周值处理的问题,提出一种改进的时间自适应阈值小波包去噪算法.该方法采用听觉感知小波包对噪声语音进行分解,得到小波包听觉感知节点上的系数,并基于语音存在概率估计按帧自动调节去噪周值,因改进的闲值能更好地避免语音小波包系数被过度阈值处理的情况,从而在抑制噪声的同时保留了更多的原始语音成分,进一步提高了降噪效果,实验结果表明,该算法比常规小波自适应闻值算法能得到更清晰的语音增强信号.     

一种新的提升小波自适应阈值图像去噪算法

利用小波变换方法对图像进行去噪处理是小波理论在图像处理中的一个重要应用.针对传统的去噪算法对信号和噪声在不同的分解层的传播特性缺乏有效分析这一不足,文中介绍了提升方法的基本原理,给出了用提升原理构造传统小波的实现方法,并将 Daubechies(9/7)提升格式小波应用到二维图像去噪过程中,提出了一种对小波分解后各个层次上的水平、垂直、对角方向上的高频系数矩阵进行分块处理的自适应阈值去噪方法.通过与传统算法对比,文中方法计算简单,运算速度快,去噪效果较好.     

基于阈值的小波域语音降噪新算法

提出了一种新的基于阈值的小波域语音降噪算法。采用小波包对含噪语音进行分解，克服了传统的正交小波变换的缺陷。采用自适应阈值的方法，对每一尺度上的噪声最大量进行去噪，保留有用信号，可以进一步提高信噪比，仿真实验表明，该方法有更好的去噪效果。     

基于新阈值函数和自适应阈值的小波包语音增强研究

针对传统的小波包语音增强算法增强后的语音失真严重的问题,本文提出了一种基于自适应阈值和新阈值函数的小波包语音增强算法。该算法在小波包域将带噪语音加窗分帧,基于相邻帧快速傅立叶变换功率谱的互相关值,计算各帧存在语音的概率,然后通过语音存在概率对传统通用小波包阈值进行调整,使得阈值在非语音帧中较大,在语音帧中较小,实现阈值的自适应调整,可以在最大程度消除噪声的同时,尽可能的保留语音,减小语音失真。本文还设计了一种新阈值函数,克服了传统硬阈值函数不连续和软阈值函数会带来恒定偏差的缺点,进一步减小了语音失真。本文采用TIMIT 数据库和NOISEX-92 数据库中的语音和噪声进行了大量的模拟实验,主观评比和客观评比结果均证明本文提出的语音增强算法比现有的两种算法有更好的增强效果,采用本文算法增强后的语音失真更小,听觉效果更好。     

联合改进子空间的自适应小波包阈值语音增强算法

针对传统自适应小波包阈值算法增强的语音存在失真的问题,提出联合改进子空间的自适应小波包阈值语音增强算法。提出的新算法对带噪语音首先做KL变换(Karhunen Loeve Transform)得到其特征值,并用自适应小波包阈值算法对该特征值进行处理,以去除部分噪声子空间;接着用递归最小二乘算法(RLS)对噪声的特征值进行估计,修正传统子空间算法容易导致的特征值估计偏差问题;最后用经过自适应小波包阈值算法处理得到的新的特征值减去噪声特征值,以去除所有噪声子空间并由KL逆变换最终还原出纯净语音。仿真结果表明新算法相比传统自适应小波包阈值算法有更优的增强效果,减少了语音失真。并且在信噪比较低的情况下,新算法对增强的语音的信噪比和分段信噪比提高得更多。     

基于小波包变换与自适应阈值的图像去噪

提出了一种基于图像小波包变换及与分解层次相关的自适应阈值的去噪方法。利用小波包对图像进行分解,可以同时对图像的低频和高频部分进行分解,可以更好地保留图像信息,减少噪声对图像的影响。同时对小波包树系数用自适应阈值进行软阈值处理,可以很好地保留边缘等图像信息,这一方法比采用常用的阈值明显提高了去噪图像的信噪比。通过对加噪图像的实验可以看出,本文方法不仅可以有效地去除加性高斯白噪声,而且很好地保留原图信息,对进一步图像处理有所帮助。     

自适应语音分段增强算法

近年来小波理论在信号分析、处理中得到了广泛的应用,本文提出了一种自适应分段小波域语音增强(ASWE)算法,即采用局部余弦包变换对语音信号自适应分段,然后对每一段语音采用基于小波变换的语音增强处理该方法不需要噪声的先验知识,且适合于缓慢变化的非平稳噪声.最后的仿真实验表明,该方法比直接用小波去噪效果好,是一种有效的语音增强技术     

基于小波包变换与自适应阈值的SAR图像去噪

针对SAR遥感图像在探测、传输过程中受到噪声干扰,不利于对其进行处理的问题,提出一种基于小波包和自适应阈值的SAR图像去噪方法.该方法采用小波包对SAR图像进行分解,与传统的小波分析相比,小波包分析能够提供一种更加精细的分析方法;然后采用自适应阈值的方法去除SAR图像中的噪声.实验结果表明,该算法能有效去除SAR图像中的噪声,在信噪比和主观视觉上都要优于小波去噪的方法.     

基于仿生小波变换和自适应阈值的语音增强方法

提出一种基于仿生小波变换以及自适应阈值的语音增强方法．含噪语音通过仿生小波变换后,针对不同的尺度采用不同的阈值函数进行去噪．由于在小波变换过程中考虑了人耳的听觉特性,所提出方法优于基本的小波语音增强方法．实验表明,该方法在多种噪声条件下均具有较好的语音增强效果．     

Bark子带小波包自适应阈值语音去噪方法

为了克服低信噪比输入下,语音增强造成清音弱分量损失,导致信号重构失真的问题,提出了一种新的语音增强方法。该方法采用小波包拟合语音感知模型的临界带,按子带能量对语音清浊音分离,然后对清音和浊音信号分别作8层和4层小波包分解,在阈值计算上采用Bark子带小波包自适应节点阈值算法,在Bark子带实时跟踪噪声水平,有效保护清音中高频弱分量,减少失真。通过与传统语音增强方法的仿真对比实验,证实该方法在低信噪比输入时,具有明显优势,输出信噪比高,语音失真度低。将该方法与谱减法相结合,进行语音二次增强,能进一步提高增强语音质量。     

基于小波包变换的动态阈值去噪方法

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,以至于去噪后的语音听觉质量下降,达不到很高的信噪比.一种基于小波包变换和动态信噪比估计的阈值方法可以更好地解决这一问题,这种方法可以有效保护有用信号不被去除.实验结果也证明这种方法可以达到更高的信噪比.     

基于3次B样条小波变换的改进自适应阈值边缘检测算法

针对含噪声图像边缘提取问题,提出了一种改进NormalShrink自适应阈值去噪算法。该算法首先通过小波变换和局部模极大值法提取出可能包含图像边缘特征的小波系数,利用边缘像素之间特殊的空间关系以及噪声在各级小波分解尺度下的不同效应,构建适合各个尺度级的改进NormalShrink自适应阈值,并依此对提取出的小波系数进行筛选。实验结果表明,与改进的Candy算子和传统的NormalShrink自适应阈值相比,本方法提取出的图像边缘较为完整清晰,峰值信噪比提升约6 db。     

一种新的小波包变换窄带干扰抑制算法

本文研究了在直接序列扩频通信接收信号中有窄带干扰情况下,对于干扰抑制来说,小波包变换是一种较为合适的算法。     

改进阈值消噪算法的小波包实现

小波包变换是一种时频分析的方法,在分析中高频方面优于小波变换,将其应用于滚动轴承振动信号中噪声的消除。本文在经典的小波软、硬阈值消噪方法的基础上,提出了一种基于小波包分析的改进方法。Matlab仿真结果表明,此法同时克服了软、硬阈值方法的缺点,而且其消噪效果比小波消噪方法要好。     

一种改进的小波域阈值去噪算法

在D.L.Donoho和I.M Johnston提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的双变量阈值函数.采用新的阈值函数的去噪效果无论在视觉效果上,还是在信噪比增益上和最小均方意义上均优于传统的硬阈值和软阈值,克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点.通过仿真实验结果,表明该方法的有效性和优越性.     

基于改进的小波阈值函数语音增强方法

传统的小波阈值去噪方法会造成有用语音信号的损失, 信噪比改善情况不理想. 通过分析小波去噪原理, 提出了一种改进的小波阈值函数语音增强方法. 该方法结合小波软、硬阈值函数去噪的优点, 克服了硬阈值函数的不连续及软阈值函数存在偏差的缺点. 该方法首先对清浊音信号进行判断, 接着采用变化的阈值对清浊音信号的小波系数进行不同的阈值处理. 仿真实验结果表明, 改进的方法非常适用于强噪声背景下的语音增强, 无论在保留含噪语音信号中的清音信息, 还是在信噪比改善指标上均优于传统的软阈值法、谱减法和听觉感知小波变换法.     

基于小波自适应阈值图像去噪方法的研究

利用小波变换对图像去噪是一种非常有效的方法。传统的小波去噪算法对图像去噪后的平滑效果不是很好,图像细节清晰度不够高,甚至会产生伪吉布斯现象。针对这些现象,文中提出了一种改进的基于小波变换的多尺度自适应阈值图像去噪方法。该方法根据图像小波分解的特性,确定适合小波分解后不同层系数去噪的较优阈值,然后结合恰当的阈值函数对各层高频系数进行处理来达到去噪效果。实验结果表明,与传统方法相比,该方法运算量较小,能有效去除高斯白噪声,进一步提高峰值性噪比,同时能够很好地保留图像细节信息。     

基于小波包与自适应维纳滤波的语音增强算法

语音增强主要用来提高受噪声污染的语音可懂度和语音质量,它的主要应用与在嘈杂环境中提高移动通信质量有关。传统的语音增强方法有谱减法、维纳滤波、小波系数法等。针对复杂噪声环境下传统语音增强算法增强后的语音质量不佳且存在音乐噪声的问题,提出了一种结合小波包变换和自适应维纳滤波的语音增强算法。分析小波包多分辨率在信号频谱划分中的作用,通过小波包对含噪信号作多尺度分解,对不同尺度的小波包系数进行自适应维纳滤波,使用滤波后的小波包系数重构进而获取增强的语音信号。仿真实验结果表明,与传统增强算法相比,该算法在低信噪比的非平稳噪声环境下不仅可以更有效地提高含噪语音的信噪比,而且能较好地保存语音的谱特征,提高了含噪语音的质量。     

双树复小波包变换语音增强新算法

实小波包变换是语音增强中效果较好的一种算法,利用阈值的方法对小波包系数进行压缩进而重构语音信号.分析了实小波包变换的平移敏感性,以及其对语音进行增强时的缺陷.提出采用双树复小波包变换方法进行语音增强,当低通滤波器和高通滤波器对应的小波基近似为希尔伯特变换对时,该变换能大大减小实小波包变换中的平移敏感性.同时考虑小波包系数之间的相互关系,提出了重叠块复阈值算法.结果表明,算法优于传统实小波包变换及点阈值算法,尤其对含周期噪声的语音信号,双树复小波包变换算法的优势更为明显.