基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

一种基于边缘检测的小波阈值图像增强方法

在小波阈值去噪的基础上,提出了基于边缘检测的小波阈值去噪算法,并检验了这一算法的效果。     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

自适应最佳去噪小波基的构造及其应用

针对给定的带噪信号,在传统小波阈值去噪的基础上结合多分辨分析理论,给出了使其Stein无偏风险估计子最小的最佳去噪小波基的自适应构造方法,再利用该小波基对原始信号做小波阈值去噪处理而得到一种自适应去噪算法,并将此算法应用到地震信号这类典型的非平稳信号的去噪处理中.仿真实验表明,较传统的小波阈值去噪方法,该算法不仅具有较...     

基于小波收缩的神经网络图像“去噪”算法研究

提出一种基于小波收缩的神经网络图像“去噪”的新方法。此算法引入了一种新的小波收缩函数（3次样条曲线）对小波系数进行处理。由于此算法中的小波收缩函数具有较好的光滑特性,它克服了小波收缩中硬阈值和软阈值方法所带来的缺点,并且神经网络模型实现此算法。实验表明：此算法比用传统的硬阈值和软阈值方法图像“去噪”有更好的峰值信噪比且具有比传统算法更好的学习特性。     

利用小波变换实现ECG信号去噪

小波变换适用于分析非平稳信号，适宜于对心电数据进行消噪预处理和特征提取。本文以小波分析的多分辩率为基础，以得到的不同尺度信号细节为依据，变成了ECG信号消噪算法的设计与实现，采用强制消噪、全局阈值消噪和局部阈值法消噪，强调了局部阈值算法在ECG信号消噪中的重要性。实验表明小波消噪算法不仅能有效的降噪，并且能够较好的恢复原信号。     

一种基于模糊小波变换的图像噪声消除算法

在局部软阈值消噪算法的基础上,对水平和垂直方向的高频系数采用模糊中值滤波进行改进,提出一种基于小波变换和模糊中值滤波的消除高斯噪声和盐椒噪声的新算法,并对该算法采用Matlab6.5做仿真实验,将该算法与小波全局软阈值去噪算法、局部软阈值去噪算法和小波包阈值去噪算法进行比较.结果显示,该算法具有更稳健的去噪性能,而且能较好地保留边缘信息.     

基于小波变换的一种图像增强去噪算法

利用小波变换的自适应特征,将小波的多分辨理论应用于图像的去噪、增强处理中,针对传统的阈值去噪和子带增强的缺点,提出了一种改进的自适应图像去噪增强算法.该算法对图像的噪音进行了估计,采用软阈值和硬阈值相结合的处理方法,利用3次B样条插值函数的特性,设计一个平滑的过渡区,有效地避免了单独使用软阈值或硬阈值处理的缺点,保证了图像达到比较好的去噪效果;同时引入的增益因子,可以自适应地补充图像的弱信息.     

基于小波变换的煤矿井下岩层图像增强处理

针对煤矿井下岩层监视监控系统中图像模糊的问题，提出了采用小波变换进行图像增强处理．通过分析了一种基于Mallat的传统的小波变换的图像增强方法，提出了综合利用基于小波变换的阈值化去噪方法和计算增强系数的实用算法来实现含有噪声图像增强的算法．通过实例综合利用基于小波变换的阈值化去噪方法和计算增强系数的实用算法，实现了对煤矿井下锚杆钻孔内岩层图像的增强处理．研究结果表明，基于小波变换的图像增强方法能够较好地增强煤矿井下锚杆钻孔内图像中的细节特征，从而获得了比较满意的视觉效果．     

基于小波变换的煤矿井下岩层图像增强处理

针对煤矿井下岩层监视监控系统中图像模糊的问题 ,提出了采用小波变换进行图像增强处理 .通过分析了一种基于Mallat的传统的小波变换的图像增强方法 ,提出了综合利用基于小波变换的阈值化去噪方法和计算增强系数的实用算法来实现含有噪声图像增强的算法 .通过实例综合利用基于小波变换的阈值化去噪方法和计算增强系数的实用算法 ,实现了对煤矿井下锚杆钻孔内岩层图像的增强处理 .研究结果表明 ,基于小波变换的图像增强方法能够较好地增强煤矿井下锚杆钻孔内图像中的细节特征 ,从而获得了比较满意的视觉效果 .     

语音增强新方法的研究

对带噪语音信号进行增强处理,是语音信号处理中一个重要的研究课题.从算法提出的背景和算法性能分析两个方面对以下4种语音增强新方法进行了概括总结,即自适应滤波算法、分数阶谱相减法、小波域阈值法和语噪盲源分离算法.与传统的语音增强方法相比,实验数据表明这些新方法具有更好的降噪性能.     

基于EMD的前后置滤波语音增强算法

针对低信噪比下语音增强困难的问题及经验模态分解(empirical mode decomposition,EMD)在语音增强中的有效应用,提出了一种基于EMD的前后置滤波语音增强算法.将含噪语音信号进行卡尔曼滤波后做EMD分解,采用能量阈值法判断出含有残余噪声的本征模态函数(IMF),对其小波变换后与其余IMF重构为最终的语音增强信号.实验表明,在输入信噪比为-10~5dB的不同噪声环境下,以时域分段信噪比及语音质量感知评测PESQ作为评价指标,效果均优于单独的EMD、小波软阈值法及卡尔曼滤波算法,是一种有效的语音增强算法.     

跟踪共振峰的小波包语音增强仿真研究

通过仿真实验,研究和分析了语音共振峰的子波时频特性,发现在各子带可跟踪并找到共振峰,结合听觉感知,提出了一种跟踪共振峰的小波包自适应阈值语音降噪新算法.该算法能拟合人耳听觉特性,紧密跟踪语音信号的能量变化,通过系数实时调节子带阈值,消噪同时能有效减少语音弱分量损失.仿真实验表明,相对较传统算法,新算法在低信噪比输入时,能有效提高增强语音的输出信噪比、保持较小的波形失真度、获得较好的听觉效果.     

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．     

基于听觉小波包自适应语音增强方法

建立了听觉模型的小波包，考察了传统小波分析的软硬阈值与Donoho提出的小波阈值之间的关系，提出了一种新的自适应动态阈值的计算方法．实验证明，该算法不仅较好地解决了音乐噪声的问题，而且其语音增强效果也比传统的算法具有更高的清晰度和可懂度．     

一种优化的VMD算法及其在语音信号去噪中的应用

针对非连续、 非平稳语音信号中含有噪声的问题, 提出一种基于参数优化的变分模态分解去噪算法. 首先, 利用灰狼优化算法搜寻变分模态分解算法的最优分解参数组合——分解模态数K和惩罚因子α, 通过使用获得的参数组合分解语音信号以获得K个特征模态函数分量IMF; 其次, 利用相关系数选择有效模态分量, 并用小波阈值处理无效模态分量; 最后, 重构小波阈值处理后的模态分量和有效模态分量以对语音信号进行去噪. 实验结果表明, 该算法与其他经典算法相比能有效提升信噪比, 降低均方误差, 提高语音信号的质量.     

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．     

基于小波阈值法的语音增强算法研究

随着小波变换理论的不断发展，小波变换去噪法不断丰富，小波阈值去噪法以算法简单、计算量小，吸引了众多研究者。通过对小波阈值去噪法传统阈值函数的研究，发现软硬阈值函数都存在着缺点；改进的半软阈值法综合了两者的优点，改正了两者的缺陷，明显改善了语音增强效果。并提出一种基于小波阈值去噪法与谱减法结合的改进算法，在较低信噪比下进行仿真，很好地抑制背景噪声和音乐噪声，减少语音信号的失真。     

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     

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．