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．     

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     

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．     

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.     

基于线性预测的自适应语音增强技术

提出了一种基于线性预测的自适应语音增强方法。该方法利用带噪语音的线性预测作为自适应滤波器的参考输入，使有色噪声的相关性隐含于参考输入之中，从而大大地提高了语音的信噪比。仿真实验证明．被环境噪声污染了的语音信号经自适应系统处理后，其信噪比提高了32．70dB。     

基于连续小波变换的非结构化畸变织物疵点自动检测

采用连续小波变换对非结构化畸变疵点进行自动检测．介绍了具有代表性的连续小波——墨西哥草帽小波基本原理及其对疵点的边缘增强效应；设计疵点自适应小波，确定最佳的小波参数；并将其应用于织物疵点的自动检测；通过对两种非结构化畸变织物疵点的实际检测来验证该方法的可行性．实验表明，该方法的检测速度最高可达6．5m／min．     

基于小波的医学图像自适应增强

提出了一种对图像进行增强的方法，该方法的特点是，单独地处理小波系数，并且分析小波相邻各层之间的相关性，作为判断噪声的依据，然后利用这些信息对图像进行增强．实验结果表明，这种小波增强方法可以减小噪声的放大，能够在增强图像微小细节和避免放大噪声两方面获得令人满意的结果．医学图像往往同时具有低对比度和较高噪声，因此本文提出的方法正适用于这类图像．     

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。     

级联自适应局部投影降噪方法

针对具有非线性、非平稳性特征的信号，提出一种邻域半径自适应局部投影和小波阈值去噪级联的降噪方法.首先，利用经验模态分解得到信号中的高频分量并以此估计噪声水平;再根据噪声水平确定邻域半径;最后，利用该半径进行局部投影处理并结合小波阈值方法进行细节平滑.Lorenz系统时间序列的降噪结果表明，本方法能够提高信噪比并降低均方误差，并在信号结构失真时恢复其原始吸引子形态，去噪和还原信号特征的能力皆优于小波阈值去噪方法.对桡、颈、肱动脉脉搏信号、心电信号的降噪结果展示了本方法在生理信号噪声抑制和特征保留方面的优越性能.     

一种新的多小波自适应阈值降噪方法研究

为了能更好恢复强噪声中的微弱信号,提出一种多小波的自适应阈值降噪方法。该法首先将多小波引入降噪,克服传统单小波的不足,可以匹配信号中不同的特征信息;其次,在传统软、硬阈值降噪方法的基础上,提出了一种自适应阈值算法,克服每一级尺度上都采用同一阈值的缺点。将本方法和多小波软阈值法、D4小波自适应阈值法进行降噪对比实验,显示该方法不仅有效消除了信号噪声,尤其重要的是更好地保留了原有用信号的信息特征。     

一种分层阈值优化的语音感知小波去噪方法

通过分析含噪语音信号的特点,引入能够兼顾人耳听觉特性的听觉感知小波变换,构造了新的小波阈值函数,并对小波变换分解后的阈值进行基于微粒群算法的分层优化.仿真实验表明,该方法在不同信噪比条件下均具有较好的去噪性能,语音的可懂度和听觉效果得到有效提高.     

LMD和改进小波阈值去噪的轴承声发射信号故障诊断

针对机械故障声发射信号特征提取的问题,提出了一种局部均值分解(local mean decomposition,LMD)和改进的小波阈值去噪相结合的方法;并应用于滚动轴承的故障诊断。首先,把改进小波阈值与三种小波阈值去噪方法进行比较分析。通过仿真信号表明,改进小波阈值方法能更为有效地去除噪声。其次,采用LMD方法将原始轴承故障的声发射信号分解,分解为若干个乘积函数(production function,PF)的线性组合,通过相关系数原则选取能够反映故障特征的PF分量,利用改进小波阈值去噪法对选出的PF分量进行进一步去噪。最后,对去噪后的声发射信号进行包络谱分析,诊断轴承故障的位置。通过滚动轴承单一故障和耦合故障的声发射实验验证了该方法的有效性。     

一种用于复小波变换的有效系数阈值

构造了用于抑制局部放电信号中白噪声的复小波,并分析了现有几种小波阈值的不足,根据局部放电的小波变换系数具有模极大值的特点,提出了有效小波系数阈值法．用有效小波系数阈值法对4种模拟局部放电信号和实验室实测局部放电信号进行去噪研究,并与史坦的无偏似然估计阈值法和极大极小原理选择阈值法进行了比较,结果表明有效小波系数阈值法具有自适应功能,抑制白噪声比较彻底。提取的局部放电信号失真较小．