基于小波变换和独立分量分析的含噪混叠语音盲分离

含噪混叠语音的分离是语音信号处理中的重要研究问题。该文针对语音信号的非平稳特性与不同语音源之间的相互独立性,提出用小波变换与独立分量分析相结合的方法来进行分离。首先利用小波变换分别对各含噪混叠语音进行消噪,然后用独立分量分析的方法对消噪后的混叠信号进行分离,最后进一步对分离信号作矢量归一和再消噪处理,得到各个语音源信号的最终估计。仿真结果表明这种方法取得了很好的分离效果。     

结合小波变换的超完备独立分量分析

利用离散小波变换提出了一种结合小波变换和独立分量分析的超完备独立分量分析方法.对比现有的Overeomplete ICA算法,该算法利用了全局的观测信息,且实验子过程的有效长度仅为原来的一半.实验表明该算法能有效分离超完备情况下的混合语音.     

基于小波与独立分量分析的语音信号分离算法研究

混合语音信号的分离是盲源分离的重要内容,也是信号处理领域中的一个难题.对含噪声的混合信号采用小波滤波对信号进行去噪预处理,再采用基于信息极大分离算法提取信号的独立分量.实验结果表明,与传统的滤波方法相比,该算法在消除噪声的同时,对其他信号的细节几乎没有破坏,能够很好地分离频率相同或者相近的语音信号,而且去噪性能也比传统的滤波方法好.     

基于小波变换的独立分量分析及其在图像分离中的应用

提出了一种新的基于小波变换的独立分量分析方法,对混合图像进行分离。研究表明,当各个源信号的概率密度分布相同时,自然梯度算法的稳态误差与源信号峭度成反比。因此,对峭度更大的小波域高频子图像进行独立分量分析可以获得更高的分离精度。同时混合图像在小波变换的过程中,可以利用小波阈值对混合图像进行去噪,提高图像的信噪比。最后通过实验证明该方法是有效的。     

一种改进型的小波变换语音去噪算法

针对语音信号在传输和处理过程中不同程度地受周围环境噪声污染的问题,提出一种基于小波变换的改进型语音除噪算法.传统的小波语音除噪算法把信号的高频部分置零,会造成除噪后信号的失真.这里的算法,先对语音信号进行清、浊音分离,然后分别对清音和浊音部分进行不同的阈值处理,不但保留了语音中的高频信息,同时也提高了语音信息的逼真度和信噪比.仿真结果表明,与传统的小波语音除噪算法相比,该算法对含噪语音在高频部分和低频部分都具有很好的去噪效果.     

基于二维小波变换的独立分量分析方法及其在图像分离中的应用

该文提出了一种新的基于二维小波变换的独立分量分析方法。研究表明,当各个源信号的概率密度分布相同时,自然梯度算法的稳态误差与源信号峭度的平方成反比。因此,对峭度更大的小波域高频子图像进行独立分量分析可以获得更高的分离精度。同时,高频子图像的大小为源图像的1/4,计算量大大减小,因此算法收敛的速度更快。最后,将该方法用于混合图像的盲分离,通过一系列实验,证实该方法是有效的。     

基于小波变换的混合图像EASI盲分离算法

利用独立分量分析和小波变换的特性,提出了一种基于小波变换的混合图像盲分离新算法。该方法首先通过小波变换将原始图像稀疏分解,然后采用基于分离度变步长的EASI算法对分解后的系数矩阵进行盲分离,最后根据盲分离确定的分离矩阵将原始图像恢复出来。仿真结果表明,该方法的分离精度高,分离速度快,稳定性强,在混合图像较多的情况下仍具有较好的分离效果。     

多通道盲电磁辐射现场分离方法研究

针对船舶系统在复杂电磁环境下设备电磁辐射的多通道欠定盲源分离问题,提出了一种基于小波分解(Wavelet Decomposition,WD)、相关性筛选以及独立成分分析(Independent Component Analysis,ICA)的多通道盲电磁辐射现场同步分离方法(Wavelet Independent Co...     

语音编码中的新阈值小波去噪算法

为提高语音信号的编码质量和节省宽带资源,文中在传统的CVSD编码中加入了小波闻值去噪方法.首先讨论了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,然后提出了一种改进方案.该方案在阚值函数中加入因子,可以自适应地减少阈值函数中的恒定偏差,最后对重构后的语音信号再进行CVSD的编译码.Matlab仿真实验证明了该改进方案的有效性和优越性.     

基于小波变换的自适应语音盲分离新算法

提出用小波变换和两步自适应盲分离算法相结合的方法来进行语音分离.首先,利用小波变换分别对各含噪混叠语音进行消噪;然后,利用代价函数的极值点特性分别获得混合信号和白化信号的特征向量矩阵,实现自适应盲分离过程;最后,进一步对分离信号进行矢量归一和再消噪处理,得到各个语音源信号的最终估计.实验结果表明此方法取得了很好的分离效果.     

A noise reduction technique of speech signal using ICA and spectral analysis

This paper discusses the new method on noise reduction exploiting the combined effects of wavelet decomposition, ICA and spectral analysis on noisy speech. The input noisy speech is wavelet decomposed into two signals. Wavelet entropy is computed based on the modified probability density function for the signal derived from the approximation coefficients during wavelet decomposition. By proper entropy comparison, the starting frame is detected. Between the two signals obtained from the wavelet decomposition, one is speech combined with noise and another one is noise alone. These two signals are analysed in independent component analysis (ICA) domain, in order to generate an enhanced speech. Zero-crossing rate is computed and used to discriminate between speech and noise. Then, spectral analysis is performed on the noise prior to starting frame and noisy speech. Elimination of noise frequencies in the noisy speech leads to noise reduced speech. Subjective analysis and experimental results show the considerable noise reduction capability of the proposed algorithm.     

一种改进的子波域语音去噪方法

分析了信号和噪声在子波域的不同特征表现,提出了一种改进的子波域语音去噪方法,该方法用一个随尺度变化的门限阈值来抑止带噪音信号在不同尺度上噪声的子波系统,从而更好地实现在重构语音信号中消除噪声的目的。     

基于小波变换的语音净化新方法

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。     

基于小波变换的双通道相干语音增强

提出了一种基于小波变换的双通道语音增强方法.该方法将双通道接收的带噪语音分解到各小波子空间,在对噪声非平稳特性的精确估计的基础上有效地进行相干增强处理.针对语音和噪声在各小波子空间的不同时-频特性,采用不同参数值的MMSE-STSA估计器进行后续滤波,可以将遗留噪声进一步滤除.文章最后的实验结果证明,与传统的双通道相干语音增强方法相比,该方法具有更好的处理效果.     

一种改进的子波域语音增强方法

本文基于文献［3］中提出的子波域去噪技术,并针对语音信号的特点提出了一种改进的子波域语音增强方法。该方法采用软限幅函数对语音信号的子波变换系数作阈值处理以达到去噪的目的。同时,为了防止在抑制噪声的过程中对语音的清音段信息造成损失,首先对语音信号进行了清浊音判别,然后针对不同的判别结果对清音段语音和浊音段语音采用不同的阈值处理方法。仿真实验表明,该方法效果良好且简便易行,是一种有效的语音增强技术。     

不同小波基函数下的语音去噪研究

为了分析语音去噪的效果,首先介绍了小波变换和分解的相关理论知识,然后对Daubechies小波、Symmlets小波、Coiflets小波和Haar小波特性做了比较分析。最后选取一段添加了高斯白噪声的实际语音信号,选取heursure启发式阈值,利用Matlab软件分别对各种小波基下的去噪效果进行仿真实验。并通过计算去噪前后的信噪比(SNR)和最小均方差(MSE)的值,分析比较各种小波基函数的去噪效果,并得出最优小波基函数。     

人脸语音动画中语音特征参数提取算法研究

人脸语音动画是虚拟现实领域的热点,语音特征参数提取是实现语音同步动画的前提和关键所在。为了能够提取鲁棒性更好的语音特征参数,在小波变换的理论基础上,借鉴MFCC特征参数的提取方法,运用表征语音动态特征的特征差分算法,提出了一种基于离散小波变换的语音特征参数（DWTMFCC）提取方法,并与反映语音情感特征的韵律参数相结合。通过基于LGB算法的VQ模型进行说话人语音识别,可以得到组合特征参数的识别率较高。     

基于子波变换的语音去噪方法

本文在分析了随机噪声的子波变换系数在不同尺度上的传递特性和噪声信号奇异性与子波模极大值的关系后,提出了用一个尺度间变化的门限阈值来抑制带噪语音信号在不同尺度上噪声子波系数,从而实现在重构语音信号中消除噪声的目的。文中还给出了不同信噪比语音信号的子波去噪的计算机仿真结果,从结果上看出,本文的方法有较好的语音去噪、增强效果。