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．     

基于尺度噪声能量估计的自适应语音去噪算法

摘要：
针对语音增强技术中的信号去噪问题,提出了一种非线性小波自适应阈值去噪方法.该方法采用一个改进的阈值函数,克服了传统软、硬阈值函数的缺陷;在阈值选取规则中,引入尺度相关去噪法而自适应地选取尺度阈值,利用小波系数在空间尺度的相关性进行尺度噪声能量的估计,根据所得尺度噪声能量来选取对应尺度层中的最佳小波系数并作为该尺度的阈值;同时,应用该方法对不同强度噪声背景下的语音信号进行去噪.结果表明,其具有较好的降噪性能. 关键词：
语音信号; 滤波; 小波变换; 噪声能量; 自适应阈值 中图分类号： TN 912.3
文献标志码： A     

自适应高斯混合模型语音增强方法

语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号．针对噪声环境下的语音增强问题,提出了一种语音增强新方法．该方法利用小波子带的方向性特点以及小波系数尺度内的相关性,将小波系数的概率分布建模为一种自适应高斯混合模型,在贝叶斯框架中采用这种概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数．利用这种萎缩函数可以实现对小波系数的修正．仿真实验表明,该算法对于噪声有较好的抑制作用,该算法在主观和客观测试中都具有良好的语音增强效果,可以在语音识别、语音编码中获得应用．     

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。     

基于小波变换和空域相关函数的基音周期检测及其在DSP上的实现

利用TI公司制造的DSP芯片TMS320VC5509和CODEC芯片TLV320AIC23构建一个语音采集系统,为语音信号处理搭建一个有效的平台.具体方法是:采用TMS320VC5509的I2C模块对TLV320AIC23进行配置,并通过TMSVC5509的McBSP实现两者之间的数据通信;利用小波变换在信号突变检测方面的原理在不同尺度下对采集到的语音信号进行小波变换,并引入空域相关函数,利用相邻尺度的相关系数代替传统小波变换方法中的小波系数寻找局部极大值之间的距离.实验结果表明,系统以22 kHz的采样频率采集到语音信号;通过计算不同尺度下的相关系数局部极大值之间的距离,能估计出基音周期:与传统的小波变换方法相比,基于空域相关函数的小波变换方法在锐化信号边缘的同时抑制了噪声,对噪声的鲁棒性更强.     

基于小波多分辨率系数模值的并发故障检测方法

提出了利用小波分析技术进行信号奇异性检测的多重并发故障检测方法。利用小波多尺度分解技术,将信号进行多尺度的小波分解,得到不同尺度下的信号高频分量的小波系数模值,并根据奇变信号和噪声信号小波系数模值的差异,采用软阈值去噪法,对其高频分量小波系数进行去噪处理,获取不同尺度上突变信号的小波系数模值,实现对故障的检测,并可根据不同尺度上小波系数模值的对应关系,实现对多重并发故障的区分。对电网信号分析的仿真结果证实了该方法的正确性和可行性。     

基于小波和先验信噪比维纳滤波的语音增强

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法.通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号.通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较.实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量.     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质，提出了一种基于小波多尺度乘积的信号去噪算法，该算法首先对信号进行多尺度二进制小波变换，通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时，也能保留信号的重要特征。     

基于小波域的软阈值噪声图像增强

针对噪声图像增强提出基于小波域的软阈值算法，基于信号和噪声在小波变换现具有不同的传播特性，图像经二维小波变换后得不同尺度的子带图像，在不同尺度的子带图像以软阈值算法进行增强，最后进行小波重构得到增强图像，实验表明，与传统算法相比本文算法在细节增强和噪声抑制上取得较好效果。     

基于小波变换的多分辨率语音消噪

根据多分辨率分析的原理 ,提出了一种基于小波变换的语音增强方法。通过小波多分辨率分解 ,将受噪声污染的语音信号在不同尺度上展开 ,并对特定频段上的信号细节进行分析和处理 ,从而使对听觉影响最严重的频段上的噪声被有效地滤除掉 ,滤波后的语音信噪比得到较大的改善 ,其方法简便有效。     

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。     

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。     

基于听觉模型的小波包变换的语音增强

由于人耳频率分辨率是非线性的 ,用传统的线性信号处理方法 (如FFT)来模拟人耳基底膜的频率分析特性是比较困难的 .小波包算法有灵活的时频分析能力 ,可较好地符合人耳基底膜的频率分析特性 .在模拟人耳的听觉机理方面 ,用动态阈值法成功地对含噪语音进行了去噪处理 ,在去噪处理中引入音乐噪声的问题也较好地得到解决 .实验表明 :在单声道的条件下 ,其语音增强效果比传统的频谱减法有更高的清晰度和可懂度     

基于谱熵和多尺度小波的码元速率估计方法

针对实际信号码元速率估计中噪声对估计精度的影响和小波方法最优尺度的选择问题,提出了一种基于谱熵分析和多尺度小波变换的码元速率估计方法。通过谱熵检测有效滤除带内噪声,并采用并行多尺度小波分析和精度函数分析提取最优小波尺度。实验结果表明,该方法的估计性能优于传统小波分析方法,并且在低信噪比情况下具有更好的估计鲁棒性。     

一种新的几何约束自适应阈值图像去噪方法

文章提出了一种几何约束空间自适应阈值的图像去噪新方法。此方法基于非抽样小波变换的多分辨率分解,利用非抽样小波变换的冗余性来寻找小波系数之间的依赖关系。在BayesShrink阈值的基础上进行改进,采用空间自适应方法,为每一个小波系数确定自适应的阈值。在含噪系数的方差估计中,与以往的估计方法不同,不仅考虑到子带内小波系数之间的依赖关系,而且考虑了沿梯度方向的邻域内小波系数之间的依赖关系,使得含噪系数的方差估计更为准确。实验结果表明,与传统去噪方法相比,本文方法能更有效地去除噪声,具有更好的重建视觉效果。