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．     

基于小波变换的语音段起止端点检测算法

提出一种基于小波变换的语音段起止端点检测算法.传统的语音段起止端点检测算法大都是在时域上根据能量累积的大小判别语音段和噪声段,这些算法只是适用于高信噪比的情况.对于低信噪比的情况,这些算法往往要借助平均过零率等辅助特征.这样做不但增加了算法的复杂度,而且也未必奏效.单音节或浊辅音汉字的平均过零率与噪声的平均过零率大致相当.根据小波变换的特性,针对主要由白色噪声组成的噪声背景,提出一种新的语音段起止端点检测算法.这种算法根据白色噪声在小波变换域各个子带的平均能量变化平缓的特点判别语音段和噪声段.实验结果表明,算法即使在低信噪比的情况下也能正确判别语音段和噪声段.     

用小波包改进子空间的语音增强方法

针对传统子空间语音增强方法中,由于不能去除整个噪声子空间而导致语音特征值估计的偏差,致使增强语音中仍有残留噪声的问题,提出一种新的用小波包改进的方法,该方法利用小波包对噪声的抑制功能,首先对带噪语音进行KL(Karhunen-Loeve Transform)变换,得到带噪语音的特征值,并对该特征值进行Daubechies8小波尺度分解,利用新的改进的软判决阈值函数去除一部分噪声子空间;然后再在子空间内用统计信息的方法实时跟踪此时噪声特征值,进一步消除所有噪声子空间,从而得到最终估计的语音特征值;最后由KL逆变换还原出纯净语音。仿真结果表明,在输入信噪比相同的情况下,经过该方法的增强语音的输出信噪比明显高于传统子空间方法,听觉感受上增强语音也具有更好的清晰度和可懂度。     

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．     

小波变换在噪声环境下语音识别中的应用

本文讨论了运用小波变换实现语音增强的原理，提出了相应的去除噪声的方法。实验表明，本文方法能有效地提高噪声背景下语音识别系统的性能。     

基于波原子变换的语音信号去噪

波原子转换是在小波转换的基础上扩展出的一种转换方式,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去除一部分语音信号中的噪声,但造成有用语音信号尤其是清音部分的损失,导致去噪后的语音听觉质量下降,达不到很高的信噪比。针对这一问题,该文利用了波原子变换法对语音信号进行去噪,通过相同阈值下小波去噪后的效果,该方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

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．     

声带振动功能模式识别的研究

应用小波变换估计传导语音的谐波噪声比，研究了不同发声方式、发音及声带病变对传导语音谐波噪声比的影响，并与口腔语音的谐波噪声比进行了对比研究，发现发不同元音时，传导语音谐波噪声比的变化范围是5dB，口腔语音谐波噪声比的变化范围为20dB；不同发声方式的传导语音谐波噪声比的变化范围可达18dB，口腔语音的变化范围为12dB。从结果可以看出，传导语音谐波噪声比能够更好地反映声带振动模式，是一种研究声带振动功能和模式及喉部疾病诊断的有效方法。     

基于小波-倒频谱技术的语音识别研究

在实际应用中,噪声干扰导致语音识别性能急剧下降。针对该问题,本文分析传统方法并提出相应的系统解决方案:采用小波变换对语音信号进行前端处理,以MFCC声道特征结合基频(F0)韵律特征来提高识别系统的鲁棒性。实验结果表明:小波变换能有效地消除噪声影响,经小波降噪处理后,使得F0-MFCC联合模型能更好的识别语音。可以看出在噪声环境下系统的综合性能得到很大改善。     

基于TMS320VC5509和小波分析技术的语音增强系统

本文设计了以TMS320VC5509为核心的语音信号采集系统。在计算机上使用MATLAB软件对采集来的语音信号进行小波分析,并使用全局阈值进行语音信号增强处理,降低语音信号的噪声。该系统的研究将小波分析与实际语音信号处理结合,为语音增强提供了一种可行的方法。     

一种基于小波系数方差的语音端点检测方法

首先分析讨论了小波变换的原理,在此基础上提出了一种利用小波系数方差识别含噪语音信号中静音与语音的新算法。算法首先对含噪语音进行小波分解,观察各层小波系数的统计特性,提取它们的方差作为检测特征,从而进行语音端点检测。对该算法进行了仿真实验,并与传统的基于能量与过零率的端点检测算法进行了比较。实验结果表明:该算法在低信噪比条件下也能够有效分割语音。     

基于减谱法的语音增强和噪声消除的研究

介绍了减谱法进行语音增强的一种方法 .分别对语音和噪声信号进行傅立叶变换 ,求得它们的频谱 ,相减得到的是去噪后语音的频谱 ,再进行傅立叶反变换 ,即可得到增强语言信号 ,从而有效地抑制了噪声     

应用自相关减法改善噪化语音的线性预测编码分析

本文提出了一种新的线性预测编码(LPC)方法。它既可用于纯语音分析,也可用于噪化语音分析。用于噪化语音分析时,首先在无语音帧内估计出噪声样本的自相关系数,然后从噪化语音的自相关系中减去噪声的自相关系数,最后利用估值得到的语音自相关系数求出它的线性预测系数。当输人噪化语音的信噪比为0～10dB时,使用这种方法可以提高信噪比5dB左右。     

一种小波加权的基音检测方法

噪声环境下的基音检测在语音信号分析和识别中占有重要地位。自相关法是一种常用的基音检测方法，利用自相关法结合小波变换检测信号突变的灵敏性，提出了一种噪声环境下有效的基音检测方法。实验结果表明，与传统方法相比，该方法鲁棒性好，对基音检测具有更高的准确率。     

基于听觉场景分析的近讲语音增强算法

针对近讲场景,提出一种双麦克近讲语音增强算法。该算法基于耳间延时差(ITD)、耳间强度差(IID)特征来区分目标语音,利用声学掩蔽效应,实现目标语音对背景噪声的分离降噪。与传统的单麦克增强方法相比,该算法可消除多种类型噪声且对语音造成的损伤较小。实验表明:该算法能将8～33dB的白噪声、音乐噪声、广播噪声3种噪声类型的带噪语音的信噪比提高到36dB以上,同时保持较高的目标语音可懂度。对于冲击噪声的带噪语音也具有较好的降噪效果。     

有噪语音的线性预测HMM参数估计方法

本文讨论了混有加性高斯白噪声的语音的线性预测隐Markov模型(HMM)参数估计问题.由Baum等人提出来的重估公式没有考虑噪声的影响,因此,对有噪语音的模型参数估计会产生较大的偏差.本文对该公式提出了一种修正方案,用这种方法估计出的模型参数有效地抑制了噪声的影响,较准确地反映了语音真实时变特征.实验证实了这一结论.     

基于小波变换的说话人识别技术

说话人识别技术是通过判断待识别人语音与预先提取的说话人语音特征是否匹配来鉴别说话人身份的一种生物认证技术,环境噪声是说话人识别技术走向实用化的一个主要障碍.针对噪声环境中说话人识别性能较差的不足,结合小波变换的优点,提出了将小波变换技术与传统的特征参数提取方式相结合的方法.该方法首先对语音信号进行小波分解,在此基础上再对小波系数进行阈值处理,仅保留阈值以上的数据,而后提取相关性不大的传统特征参数进行组合,分别作为说话人识别系统的输入矢量.仿真结果表明:在噪声环境中,说话人识别系统能较好识别出说话人,经过小波变换后再提取特征参数的方法可以得到更高的识别率,大大提高说话人识别系统的识别性能.