基于小波变换的语音增强去噪方法

将小波变换应用到语音识别系统中,提出了在语音信号预处理阶段基于小波变换估计的维纳滤波算法,结合小波变换的阈值处理方法对语音信号进行去噪处理,模拟实验表明该方法去噪效果较好.     

基于小波变换的语音信号的特征提取

本文将小波变换用于语音信号目标特征的提取,利用小波变换对语音目标进行小波包分解后提取各频带内的能量特征作为特征向量。实验表明,小波变换使信号的频率特征得到增强,且压缩了特征空间的维数,具有很好的语音信号分类效果。     

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.     

Mallat算法用于语音信号分析与压缩

给出了一种基于小波变换的汉语语音信号预处理的方法。通过小波变换中的Ｍａｌｌａｔ算法来分解汉语语音信号，能够消除信号冗余度，提高数据压缩比，而不影响语音信号的真实效果。同时还给出了小波变换原理和Ｍａｌｌａｔ算法以及实验结果。     

基于小波变换的语音数据压缩的研究

语音数据压缩是为了提高信号传输和存储的效率.根据小波包变换时-频分析的特点,选取适当的小波函数将语音信号在正交小波包基下展开.由于语音信号的大部分能量集中在低频系数上,故对高频系数采用阈值量化处理,对剩余系数进行哈夫曼编码,从而完成语音数据的压缩.通过仿真分析,采用这种方法的压缩效果比较高.     

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-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。     

基于小波变换在语音信号处理中的研究

本文主要基于小波变换对语音信号去噪进行研究,首先介绍了基于小波变换的信号去噪方法以及在语音去噪中的应用,在语音去噪中最关键的问题就是如何有效的选定合适的阈值,本文对几种阈值选取规则进行了讨论。     

用小波变换实现电子耳蜗CIS语音信号的处理

为克服以往滤波器组参数调整复杂问题和实现电子耳蜗语音处理的快速数字化计算,提出了将小波变换应用于电子耳蜗的语音处理。介绍了电子耳蜗的机理及连续交替取样（ Ｃ Ｉ Ｓ）语音信号处理方案,并对耳蜗的频率分析特性与小波变换的时间—尺度分析特点进行了比较; 讨论了用小波变换实现 Ｃ Ｉ Ｓ语音信号处理方案的方法及仿真结果,给出尺度的选择依据,并与滤波器组的分析方法进行了比较。结果表明,用小波变换实现电子耳蜗的 Ｃ Ｉ Ｓ语音信号处理方案是可行的     

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。     

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     

基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知。首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量。然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测。最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号。实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能。     

语音压缩感知及其重构算法

在研究语音信号在小波域的稀疏性的基础上,提出双正交小波变换的方法,与一维小波变换方法相比稀疏度提高10%～25%.此外,提出基于自适应次梯度投影算法(ASPM)进行压缩感知(CS)语音信号重构的方案.ASPM算法首先根据压缩感知重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用次梯度投影的思想将该凸集的投影转化...     

基于改进S变换的语音信号时频分析

STFT分辨率固定,小波变换会出现局部相位信息且时间-尺度关系不适合直观视觉分析。提出基于改进S变换的语音信号时频分析。样条小波作为小波变换母小波乘以相位因子得到改进S变换,具有多分辨率和相位因子,并适合直观视觉分析。仿真实验得到的时频分布结构图与STFT、小波变换分布比较,显示改进S变换时频结构更加细致。     

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.     

采用小波变换的均方值滤波和门限值编码的语音端点检测

语音通信中语音噪声分离是一项艰巨而热门的研究课题.其中语音端点检测是最流行的方法之一.目前一种方法是检测短时平均幅度Mn和短时平均过门限率Zn.该方法的Mn和Zn参数检测不太准确.另一种是基于分形理论的检测方法.此方法要设置一个较佳的门限值通常比较困难.还有一种是基于DWT变换的方法.这种方法的互相关系数包络不能准确地表现原始语音信号的包络.为此,本文提出一种基于小波变换的均方值滤波和门限值编码的方法.本方法先对语音信号进行小尺度小波变换,然后进行均方值滤波,再进行门限值编码去确定语音端点.该方法的优点     

小波变换在语音去噪中的应用

提出一种新的基于小波变换的语音去噪算法。利用此特性对信号进行小波域波滤,可从加噪的语音中提取人耳所能接受的频率成份,是一种简单有效的语音去噪算法。     

基于含噪语音统计特征的小波去噪算法分析与实现

小波分析在信号处理方面具有优越性.本文将其应用于语音信号处理,所做的主要工作:证明了Daubechies小波语音能量守恒;基于含噪语音的统计特征,提出了样本方差阈值小波分解算法及重构算法;将新的阈值算法和Waveshrink算法用于语音除噪,并运用于多组实验进行对比.仿真数据表明,本算法效果较优.     

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。