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．     

基于改进小波阈值函数的语音增强算法研究

针对传统的小波阈值去噪算法中的阈值函数不足,提出一种优于非负死区阈值函数的改进的阈值函数.改进阈值函数不仅具有良好的连续性、可导性,并且克服了非负死区阈值函数没有考虑小波变换模值的衰减符合指数规律这一特点.另外在阈值的选取中,考虑了带噪语音信号的不同特性,采用谱平坦度函数修正阈值.仿真实验表明,与传统的非负死区阈值函数去噪算法相比,改进的阈值函数能更有效地消除背景噪声,在提高输出信噪比的同时,更好地保持语音质量和清晰度.     

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．     

基于小波变换的多尺度多阈值的语音增强算法

本文提出了基于小波变换的多尺度多阈值语音增强算法,采用软限幅函数对浊音和清音的小波系数作不同的阈值处理,仿真结果表明,这是一种有效的语音增强算法.     

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.     

基于时域与小波域相结合的语音增强技术

实地采集的语音信号往往含有周期性噪声和随机的背景噪声,单一的时域增强法去噪效果不佳.对此,提出了时域和小波域相结合的联合增强方案并用MATLAB进行了计算机仿真;结果表明该技术能达到有效增强的目的.     

基于小波自适应阈值的脑CT图像去噪研究

利用自适应小波阈值算法抑制脑部CT图像噪声,以提高图像质量.通过仿真实验,确定自适应滤波阈值与噪声强度的关系,然后采用真实脑部CT图像及自然图像进行验证,并与常用小波阈值算法比较.提出的算法能够抑制图像的加性白噪声,使峰值信噪比提高7～10 dB,同时更好地保留了图像细节及边缘信息.小波自适应阈值算法能够对不同噪声水平的脑CT图像及自然图像进行自适应处理,提高峰值信噪比,改善图像质量.     

基于预处理VAD和自适应KLT的语音增强算法

针对加性有色噪声干扰，提出了一种单通道输入基于信号子空间的话音增强算法。算法中使用自适应的方法跟踪KLT(Karhunen—Loeve Transform)阵。运用一种近似模型来表述有色噪声的特性，并基于噪声平稳的假设，通过采用预处理技术的语音活动性检测(VAD：Voice Activity Detection)单元获取噪声样本，用于下一语音帧中噪声特性的估计和增强处理。实验表明，算法对于有色噪声干扰下的语音信号有较好的增强效果，并且性能优于改进减谱法。     

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．     

基于小波自适应阈值的图像去噪方法

针对基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的降噪效果的问题,提出了将小波自适应阈值算法同中值滤波相结合的去噪方法.该方法能够有效去除高斯白噪声和脉冲噪声的混合噪声.仿真实验结果表明,去噪后图像的峰值信噪比提高了1～2dB,从而证明了该方法的有效性.     

基于小波变换的传声器阵列语音增强方法

针对现有的基于传声器阵列语音增强算法的局限性，并考虑到入耳听觉感知模型，提出一种将延迟-求和波束形成技术和小波变换技术相结合进行语音增强的方法，该方法首先利用延迟-求和波束形成技术将阵列中各个传声器接收到的信号进行时间延迟补偿，并对各通道信号相加-平均，消除一部分不相干或弱相干噪声；然后再利用小波变换技术进一步去除噪声，计算机模拟结果表明，该方法具有良好的消噪能力。     

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.     

基于小波多分辨率分析和新的阈值自适应的信号去噪

针对信号去噪时,信号和噪声的频带相互混叠,且对信噪比有较高要求的情况,提出一种基于小波多分辨率分析和新的阈值自适应的去噪方法。实验结果表明,在采用相同的小波基的情况下,该文提出的算法和Matlab自带算法以及文献[5]提出的算法相比,信噪比得到较大的提高,减少了计算量,增加了算法的实时性。     

自适应噪声抵消语声增强的实时后处理算法

对自适应噪声抵消系统中两种噪声相关性较弱的情况，采用相干函数作为频域增益因子，对自适应噪声抵消作进一步处理（或后处理），以改善语声增强效果，提出一种实 时迭代算法取代现有的基于短时傅氏变换的算法，新算法可简化计算且便于与自适应系统一起实时实现，在计算机实验中，后处理算法的有效性得到了验证。     

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．     

一种新的用于语音增强的噪声谱估计器

提出了一种新的噪声谱估计算法，从采集到的含噪声语音信号中直接估计出噪声谱的变化，并且利用一个 初始噪声序列进行噪声谱的更新。实验表明，该算法能准确地估计出噪声谱，相比传统的噪声谱估计器，其准确性 和实时性显著提高了，也增强了可靠性#特别是在有强背景噪声（输入信噪比很低）和慢变化噪声的情况下性能得 到了明显的提高。     

一种新的用于语音增强的噪声谱估计器

提出了一种新的噪声谱估计算法，从采集到的含噪声语音信号中直接估计出噪声谱的变化，并且利用一个初始噪声序列进行噪声谱的更新。实验表明，该算法能准确地估计出噪声谱，相比传统的噪声谱估计器，其准确性和实时性显著提高了，也增强了可靠性，特别是在有强背景噪声（输入信噪比很低）和慢变化噪声的情况下性能得到了明显的提高。     

基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

基于小波域的三种信号增强算法研究

介绍了三种基于小波域的增强算法,即模极大值重构增强算法、空域相关增强算法、小波阈值增强算法,并且分别比较了各自的优缺点。利用上述的增强算法对带噪的语音信号进行去噪仿真,结果表明,小波阈值增强算法效果最好。