基于减谱法的信号处理研究——MATLAB软件辅助设计

描述了用减谱法进行语音增强的一种方法,利用计算机以及相应的MATLAB标准软件,分别对语音和噪音信号进行傅里叶变换,求得它们的频谱,相减得到的是去噪后语音的频谱,再进行傅里叶反变化,即可得到增强语言信号,从而有效地抑制了噪声.     

基于Matlab的语音信号的频谱研究

Matlab作为一款具备强大科学计算能力和图形显示功能的软件在语音信号处理领域得到了广泛的应用。本文研究了在Matlab环境下的FFT频谱分析原理及其显示,并对采集信号的纹理图像进行了傅立叶变换,实现了傅立叶能量谱。实验证明Matlab对语音信号的频谱处理十分简单方便,易于实现。     

一种新的模拟电路故障特征提取与诊断方法

提出了一种基于小波变换、傅立叶变换与神经网络相结合的模拟电路故障诊断新方法.该方法使用小波变换和傅立叶变换对模拟电路在各种故障状态下进行特征的提取,即首先对电路在各种故障状态下的节点电压信号进行小波变换以将干扰信号(如噪声)除去,防止不相关的能量混在有效信号中,然后采用傅立叶变换进行分析,得到有效信号频谱,提取其能量值...     

一种基于子空间分解的语音增强算法

提出了一种基于卡亨南-络维变换方法的语音信号增强处理算法,该算法提供了在语音信号失真和残留噪声之间进行控制的机制,无需对噪声进行任何假定,克服了以往语音增强算法中对语音信号的噪声特点的限制,可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理.     

含白噪声阶跃信号的频谱特性及去噪分析

文章根据含有白噪声的阶跃信号的频谱特点,采用了离散小波变换的方法对该突变信号进行去噪。实验证明,若选用合适的阈值方案,利用小波变换进行去噪,其效果将明显优越于基于传统傅立叶变换的理想低通滤波去噪。     

无参考输入的双话筒噪声抵消

介绍了一种双通道的噪声抵消系统 .传统的频谱减法的语音增强需要预先知道噪声的特性 .但是 ,噪声的平稳性和可分离性在许多实际应用场合都无法满足要求 .提出采用两路话筒输入 ,以便动态获得噪声频谱的方法 .采用自适应校正滤波的同步算法 ,利用语音信号的相关性同步两路信号中的语音 ,通过抵消其中的语音成分获得噪声的频谱特性 .实验证明该方法能够获得很好的同步效果 .在获得噪声频谱的基础上用频谱减和维纳滤波两种方法进行了噪声抵消的对比实验 .对 0dB信噪比输入的信号可以获得约 9dB信噪比的提高 .用维纳滤波处理后的语音比频谱减法残留较低的“音乐声” .在非平稳条件下对噪声仍具有一定的跟踪能力     

基于小波和傅立叶变换的纱线波谱图计算

采用离散小波变换与快速傅立叶变换相结合的方法,先对纱线信号进行小波分解,再对各子带信号作快速傅立叶变换,从而得到各子带信号的频谱。截取相应频段,并在同一图形上显示,然后将各频率成分转换成相应的各波长分量,得到纱线波谱图。     

基于微信号增强的机器人远距离语音识别仿真

由于噪声信号的干扰,导致机器人难以实现对微弱信号的远距离语音识别,影响最终的识别效果.为此,本文提出基于微信号增强的机器人远距离语音识别仿真研究.首先采用谱减法对微信号进行增强处理,由于语音信号中噪声功率谱具有一定的稳态属性,可估算出噪声的功率谱,再利用谱减计算求出纯净语音的功率谱,对傅里叶变换后的各个相位信号进行差异化赋权后,再对去噪功率谱进行拟合,完成对信号相位的恢复.在语音识别阶段,将增强后的原始语音信号分解为若干个独立的语音帧,在梅尔三角滤波器组中提取语音信号的Mel频谱参数,将其与语音频率之间的关系作为识别特征参数,最后利用梯度下降算法,在损失函数的约束下匹配与识别特征拟合度最高的内容,实现语音识别.仿真测试结果表明,本文提出的设计方法在噪声、不同信噪比、不同测试距离下对语音的识别率均达到了95.00%以上,与对照组相比具有更好的识别效果.     

含白噪声阶跃信号的频谱特性及去噪分析

章根据含有白噪声的阶跃信号的频谱特点，采用离散小波变换的方法对该突变信号进行去噪，实验证明，若选用合适的阈值方案，利用小波变换进行去噪，其效果将明显优越于基于传统傅立叶变换的理想低通滤波去噪。     

基于听觉模型的自相关谱语音信号的重构

研究如何从听觉模型的自相关谱中恢复出原始的声音信号.从短时自相关函数中得到原始信号的傅立叶变换的幅度值,然后利用迭代算法仅从傅立叶变换的幅度值中恢复语音信号.     

基于总体平均经验模态分解和一步式字典学习联合去噪的语音端点检测算法

针对复杂环境下语音端点检测准确率低下且检测耗时过长的问题,研究一种基于EEMD和OS-DL联合去噪的语音端点检测算法。首先利用EEMD（总体平均经验模态分解）算法对输入语音进行分解得到IMF（本征模式分量）,然后使用OS-DL（一步式字典）算法分别对纯净语音信号与噪声信号进行训练,得到纯净语音信号和噪声信号的幅度谱字典,进而对幅度谱进行稀疏表示,利用得到的系数矩阵重新构建出语音信号频谱,将重构出的语音信号频谱经过傅里叶逆变换得到降噪后的语音信号,最后对降噪后的语音信号利用均匀子带频带方差法进行端点检测。实验结果表明：该算法在复杂环境信噪比低于-10dB情况下检测准确率仍可达到85%以上,且平均检测时间缩短至传统端点检测算法的1/3。     

自适应小波阈值语音增强新方法

针对单一小波闻值语音增强方法降低语音可懂度这一问题,提出一种基于自适应小波闻值的语音增强新方法．根据噪声帧频谱的平整度判断出噪声的类型,即是白噪声（合频响曲线比较平整的有色噪声）还是频响曲线不平整的有色噪声．由于不同类型的噪声具有不同性质的Lipschitz指数,对两种不同的噪声类型分别采用不同的自适应小波阚值对带噪语音信号进行增强处理．用计算机仿真和实际环境录制的语音数据对该方法的性能进行了测试,实验结果表明在两种实验数据情况下,该方法均具有较好的噪声抑制能力．     

基于小波变换的语音增强和噪声消除的研究

介绍了在小波领域中去除叠加在信号上的噪声的一种方法,采用门限法把噪声语音的小波系数中的噪声成份滤掉,实验结果证明应用小波变换的语音增强算法是很有效的。     

一种基于小波变换的语音增强新方法

根据随机噪声的小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小波模极大值的关系，提出用一个随尺度变化的软阈值来抑制带噪语音信号在不同尺度上的噪声小波系数的语音增强方法．实验结果表明：该方法既能减小语音畸变，又能有效地去除噪声，具有较好的语音增强效果．     

基于时频面旋转的线性调频信号增强

估计淹没于噪声中的线性调频（ｃｈｉｒｐ）信号,是许多研究领域中的一个基本课题。本文提出一种基于时频面旋转的增强 ｃｈｉｒｐ 信号的算法,其处理过程是： 首先计算含噪信号的短时 Ｆｏｕｒｉｅｒ 变换,然后用由瞬时频率得出的信号的倾斜角度控制时频平面的旋转,在奇异值分解的基础上用低有效秩分离开信号子空间和噪声子空间,再将信号子空间旋转回去,最后经短时 Ｆｏｕｒｉｅｒ 逆变换,就得到去除了噪声的信号。仿真实验的结果表明了这种增强算法具有很好的保幅性能。     

基于子带能量线性映射的噪声中端点检测算法

研究噪声环境下的语音端点检测问题。在低信噪比下 ,虽然噪声和语音的频谱分布不同 ,但是传统语音检测算法使用的时域能量没有描述能量在各频域子带的分布 ,对于语音和噪声没有很好的区分性。以前提出的基于时间 -频率的能量参数利用频域的限带能量加上时域能量来进行噪声中的语音检测。但是它们选择频带的依据是语音信号的高能量子带 ,而没有考虑噪声的子带能量分布。该文提出的语音检测方法同时考虑语音和噪声的频域能量分布 ,采用线性映射的方法将 Mel滤波器组的子带能量特征空间映射到噪声和语音最有区分性的一维子空间 ,得到新的特征参数 EL MBE进行语音检测。实验结果表明 ,在噪声环境下基于线性映射的能量参数比时域能量 ,基于时间 -频率的能量有更好语音检测性能。     

基于独立感知理论的鲁棒语音识别算法

为了提高在噪声环境下语音识别系统的性能,对基于子带独立感知理论的语音识别方法进行了研究.这些方法利用人耳对不同频率信号感知的差异,以及噪声和识别对象的频域特征差异,分别采用线性分析、判决分析、多层感知机以及子带最大似然估计对噪声影响进行补偿.实验表明,子带分析采用非线性策略优于线性策略.基于独立感知假定的子带模型,虽然由于独立性假定丢失了带间相关性,但对于噪声环境下语音识别而言可以捕获噪声和识别对象的频谱差异,从而获得比全带分析更高的鲁棒性.     

基于浊音语音谐波谱子带加权重建的抗噪声说话人识别

提出了一个基于浊音语音谐波谱重建的说话人识别算法.该算法根据浊音语音短时频谱的结构特征和基音信息,对浊音语音谐波结构频谱进行子带加权重建,以补偿由噪声引起的训练与测试条件的失配.算法基于重建浊音频谱提取感知线性预测倒谱系数,与基音相组合作为说话人的语音特征参数矢量,采用高斯混合模型对说话人进行建模.仿真实验的结果表明:所提出的浊音谱重建方法对多种类型含噪语音的噪声补偿均具良好效果,可以明显提高在噪声环境下的与文本无关的说话人识别的识别率,特别是显著提高低信噪比环境下的识别率,而不会明显降低纯净语音和高信噪比环境下的识别率.     

一种实现超分辨率付里叶变换谱的新方法

用光学滤波器或电子滤波器滤出感兴趣的波段,分别测量背景干涉图和样品干涉图,然后相减得到纯的样品透射的干涉图,最后对这个干涉图进行自回归谱分析。与以往的二次谱分析法相比,可以减少信息的损失和畸变,提高谱线位置的预测精度。这种新方法的分辨率为FFT法的4倍左右。本文还讨论了谱线结构和噪声对分辨率和谱线位置精确度的影响。     

一种改进的小波域语音去噪方法研究

分析了信号和噪声在小波域的不同特征表现，并根据语音中浊音和清音的特点，提出了一种改进的多尺度多阈值的小波域语音去噪方法．该方法采用软限幅函数对浊音和清音信号的小波变换系数作不同的阈值处理，既抑制了噪声，又减少了语音段信息的损失，提高了信噪比．仿真结果表明，这是一种有效的语音增强方法．