基于临界频带子波变换的语音增强

提出了一种临界频带子波变换进行语音增强的新算法。该算法对传统的功率谱减算法进行改进，引入了与人耳听觉系统直接吻合的临界频带子波变换，使增强后的语音更符合人耳的听觉感知。对该算法进行客观和主观测试结果表明：与谱减法相比能更好地抑制残留噪声和背景噪声，增强后的语音具有更高的清晰度和可懂度。     

语音转换中系统单位冲激响应的频谱搬移方法研究

频谱包络转换是语音转换中的一项重要内容,基于双线性转换函数进行频谱搬移的方法可以有效地进行谱包络转换,而且在基于小语料库进行训练时仍能得到稳定的转换谱包络.本文基于LPC分析,提出用反傅里叶变换的方法来求解频谱搬移后的系统单位冲激响应,以此来实现频谱包络的变换,并取得了较好的效果.     

基于分段线性预测技术提取语音谱包络

语音谱包络提取是语音分析中的重要内容.提出了分段线性预测技术用于提取语音谱包络参数.结合滤波器组理论和线性预测模型,首先对语音频段进行划分,然后在不同的频带进行线性预测.实验证明,合成的语音频谱分辨率有了很好的改善.     

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。     

复解析小波变换与语音信号包络提取和分析

利用传统的Ｈｉｌｂｅｒｔ变换方法提取语音信号包络存在一些固有缺陷,为此本文建议了一种复解析小波变换包络提取新方法。该方法将Ｈｉｌｂｅｒｔ分析与小波分析紧密地结合在一起。文中推导并论述了新包络滤波器的时域、频域构造条件和设计方法,选择Ｍｏｒｌｅｔ复小波对语音信号进行了初步数字仿真实验,结果证实了理论分析的正确性,并显示出文中提出的新的分析方法对于信号处理上有许多独特优势和潜在性能。     

基于LMS自适应滤波的耳语音增强的研究

文中针对带噪的耳语音提出了一种LMS自适应滤波的耳语音增强算法。首先采用谱减法得到一个增强耳语音信号，取得较好的谱包络后对增强信号进行LMS自适应滤波，消除由谱减法产生的音乐噪声。结果表明，采集到的耳语音信号的质量得到明显提高，即使在低信噪比的情况下，信噪比也能提高20dB左右。     

一种基于人耳听觉两分性的语音信息隐藏方法

本文提出了一种新的基于人耳听觉两分性的语音信息隐藏方法.它利用带通滤波器组和Hilbert变换,将语音信号在若干个频带上两分为慢变的包络与快变的细节.由于包络的信息对于语音感知最为重要,因此我们提取出保密语音在每频段上的包络,并将其作为密文信息嵌进相应频段的明话包络中,再与各频段的明话细节合成透明的伪装语音.实验结果显示,在非盲条件下提取出的保密语音具有良好的可懂度.本算法的最大优点是隐藏容量很大,对语音伪装通信具有一定的参考价值.     

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。     

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。     

语音信号的Bark子波变换及其在语音识别中的应用

本文首先在语音感知实验基础上所得到的Bark尺度概念与子波的构造联系起来,提出了一种语音信号Bark子波及其变换.在感知特性中,它与人耳的听觉系统是直接吻合的:在数学上,它是一种非正交的但却是超完备的,可逆且是自反演的子波变换.应用在语音识别中时,利用子波的局部基性质,取较小的分析帧长,提高了前端处理的时间分辨率.实验表明,所形成的新特征在对辅音区别能力方面明显优于目前应用于广泛的MFCC特征.     

基于非亚采样Contourlet和SWT的多光谱图像和全色图像的融合算法

该文研究了多尺度几何分析工具非亚采样Contourlet变换(NSCT),提出一种新的全色图像和多光谱图像融合的方法。该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,对于二者的低频近似系数再进行平稳小波变换(SWT)并融合,进一步提高融合图像的空间信息量,对于高频细节系数,采用基于局部平均梯度的方法进行融合,经过逆NSCT得到融合图像。实验结果表明,该文提出的方法在保留多光谱图像的光谱信息的同时,增强了融合图像的空间细节表现能力,提高了信息量,并且优于传统的基于IHS变换、小波变换、双树复小波变换及Contourlet变换的融合方法,该方法是有效可行的。     

基于仿生小波的阈值语音增强算法

人耳对于声音信号的分辨率是非线性的,而仿生小波变换正是由非线性的耳蜗听觉模型发展而来。文章提出一种基于仿生小波变换的语音信号去噪方法,同时针对软硬阈值函数的不足,采用一种修正的硬阈值函数进行处理。仿真结果表明,该方法具有较好的增强效果。     

基于设备固有噪声的置换语音信号检测

随着音频编辑软件的广泛使用,数字语音材料很容易被重新编辑。如何对数字语音信号原始性进行有效的认证成为一项急需解决的课题。提出了一种置换语音信号的小波包-谱相减（WPT-SS）的被动检测方法,利用语音设备固有噪声特性,对置换语音信号进行有效检测和置换区域定位,通过实验证实了该方法的有效性。     

Supervised Single Channel Speech Enhancement Based on Stationary Wavelet Transforms and Non-negative Matrix Factorization with Concatenated Framing Process and Subband Smooth Ratio Mask

Journal of Signal Processing Systems - In this paper, we propose a novel single channel speech enhancement approach that takes up the Stationary Wavelet Transform (SWT) and Nonnegative Matrix...     

基于DCT增强和改进谱熵的语音端点检测方法

端点检测是语音信号处理过程中非常重要的一步，它的准确性直接影响到后面的学习及识别效果．提出了基于DCT（离散余弦变换）增强和改进谱熵的语音端点检测方法．首先，通过DCT（离散余弦变换）进行语音增强，然后再通过改进谱熵法判决去噪后语音的端点位置．仿真结果表明：此方法快速有效，具有较强的抗噪能力，特别适合低信噪比下的端点检测．     

一种基于DWT通道分离和函数提取的运动目标检测新方法

智能视频监控由于其智能性、实时性和高检测率成为交通和安防领域的热点研究方向,其中运动目标实时检测是智能视频监控中的一个基本和重要的部分。本文提出一种针对智能视频监控的运动目标检测新方法：包括视频帧的小波变换、YCb Cr通道分离、目标检测与融合等环节。与传统的检测方法相比,该方法检测运动目标速度较快,精确度较高,且同时还能抑制弱的阴影。     

A Configurable Architecture for the Wavelet Packet Transform

The standard Wavelet Transform (WT) has a wide range of applications, from signal analysis to image or video compression and communications. Most of these applications would be benefited if the transform provided good spectral and temporal resolution in arbitrary regions of the time-frequency plane. This flexible choice of the time-frequency tiling is provided by the Wavelet Packet Transform (WPT). Though many VLSI architectures have been proposed for the WT in the literature, it is not the case for the WPT. We present both word-serial and word-parallel real-time pipelined architectures capable of computing a complete WPT binary tree, but which are easily configurable to compute any required WPT subtree.     

基于实值离散Gabor变换的联合时频域语音增强

传统变换域语音增强方法对语音做短时平稳性假设,这会造成对语音信号和噪声信号谱估计不准确,从而导致语音失真和残留噪声。本文提出一种从联合时频域进行语音增强的方法,该算法无需对语音做短时平稳假设。算法采用具有最佳能量聚集特性的高斯变换核函数,利用能快速实现的实值离散Gabor变换（RDGT）将语音信号变换到联合时频域,然后利用语音和噪声谱服从高斯分布的假设和无语音概率的思想进行基于最小均方误差的语音对数谱估计,采用改进的最小受控递归平均算法（IMCRA）进行噪声时频谱估计,在得到纯净语音的谱估计后利用实值离散Gabor逆变换获得纯净语音估计。实验表明,该算法相比频域变换算法具有较好的语音去噪度和较低的语音失真度。