基于小波分析的一维信号消噪

小波分析具有的时一频双尺度分辨率特点，是信号处理领域中比较活跃的理论。含噪信号经过小波变换处理后，语音信息和噪声分别集中在小波变换尺度频率不同部分。根据这一特点，我们利用小波变换对信号进行除噪处理，本文主要介绍了除噪原理和方法以及利用Matlab软件对其的可视化仿真。     

基于神经网络的语音增强系统设计

利用神经网络设计语音信号增强处理系统,在无噪和含噪条件下,提取语音信号的MFCC系数,用于BP神经网络的训练和识别,最终达到语音信号消噪和提高可懂度的目的。自适应神经网络系统具有非线性映射和自学习能力,能够用于噪声信号的非线性建模。它不仅能够获取信号的最佳估计,并且能够克服信号处理中存在的不确定性。仿真结果表明,该自适应噪声抵消器的设计方法,不仅实现简单,而且节省运行时间,语音增强效果很好。     

基于改进阈值函数小波语音增强方法的研究

提出了一种基于小波阈值去噪的语音增强算法。根据含噪语音中噪声、清音和浊音的不同特点,首先对它们进行检测区分,然后采用改进的Garrote阈值函数分别对噪声、清音和浊音运用不同的阈值方案进行处理。该方法在很大程度上抑制了噪声,又减少了语音段清音的损失,提高了信噪比,在MATLAB7.1中的仿真实验结果表明,该方法具有较好的增强效果。     

基于语音特点的小波阈值去噪算法分析

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去噪,并根据语音信号的特点提出了一种适应性强的阈值函数;将新的阈值算法和Waveshrink算法用于语音去噪,并运用多个语音样本进行实验对比,仿真数据表明,本算法有良好的适应性,效果较优。     

基于语音特点的小波阈值去噪算法分析

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去噪,并根据语音信号的特点提出了一种适应性强的阈值函数;将新的阈值算法和Waveshrink算法用于语音去噪,并运用多个语音样本进行实验对比,仿真数据表明,本算法有良好的适应性,效果较优。     

EMD算法和Hilbert算法混合的语音信号降噪和提取

针对语音信号降噪和提取算法存在降噪效果不佳等问题,已经无法满足现在社会的需求。本文提出一种基于改进EMD算法和Hilbert算法混合的语音信号降噪和提取方法,首先针对EMD算法在语音信号降噪可能破坏噪声特性的问题,利用全局阈值选择去噪的方法对其进行改进,然后引入Hil-bert算法将其与EMD算法融合,对语音信号进行降噪和提取。利用仿真实验可以发现:将EMD算法和Hilbert算法进行混合优化,和传统的小波变换语音信号降噪算法,不容易出现差错并且具有更好的降噪性能。     

基于新阈值函数的电动机故障信号小波去噪

针对采集的电动机故障信号提取特征频率时产生的噪声干扰,提出了一种新的小波阈值函数,并将其与分层阈值相结合用于故障信号的小波去噪。新阈值函数很好地克服了软、硬阈值函数的缺点,分层阈值符合噪声分解系数随着分解尺度增大而迅速衰减的特点。对仿真信号及实测工程信号的分析结果表明,该算法有良好的去噪效果并有助于提高故障诊断的准确性。     

基于小波变换的语音检测算法

为了提高在低信噪比下语音检测的正确率,利用语音信号的小波分解系数在不同频段具有的谐波特性,构造出了一种具有良好抗噪性能的特征参数,结合相应的判决准则,提出了基于小波变换的语音检测算法。仿真结果表明,这种算法在低信噪比下具有较高的检测正确率。     

小波分析在大坝安全监测数据噪声处理中的应用

大坝安全监测数据可以视为通常意义下的时序信号,通过对其进行小波变换分析可有效地进行信噪分离.小波去噪的基本方法有模极大值去嗓、基于各尺度下小波系数相关性进行去噪、阈值去噪、平移不变量小波去噪等方法,本文研究了基干Matlab中小波去噪具体算法并写出了计算程序.实例分析表明.小波分析去嗓能够有效地识别监测数据的噪声,具有操作简单、不失真等优点.     

基于ADSP的语音识别系统

本系统是基于AD公司的Blackfin-533开发平台,通过提取语音信号的美尔倒谱系数(MFCC),并在此基础上采用动态时间调整的DTW算法将提取的语音参数与已有的参敷模板匹配,实现指定文本语音识别功能.系统充分利用Blackfin 533芯片高速并行的数据处理能力,大约能够在330ms内达到与10个样本模板匹配,同时通过软硬件结合的去噪技术与阈值的准确设定使识别的准确率大大提高.     

小波变换模极大值点在信号去噪中的应用

如何去除信号中的噪声．得到纯净的信号是信号处理过程中一个热点技术。本研究根据噪声与信号的小波变换模极大值点在多尺度空间上具有不同的特性,对信号进行了噪声消除。试验结果表明,使用傅里叶变换和coif2小波模极大值点法对信号去噪,都能够有效地去除信号中的噪声,且重构后的信号非常逼近原始信号．但coif2小波模极大值点法去噪效果更好。     

基于小波变换的语音增强算法

结合小波技术对传统的维纳滤波算法进行改进,对语音信号进行离散小波变换,求得小波系数,计算小波系数的阈值,然后利用阈值对小波系数进行过滤,再对小波重构信号,信号经过维纳滤波器模型达到去噪效果。最后对算法进行了仿真试验。     

基于最小二乘法的行波启动元件新算法

文章提出了利用小波变换进行故障暂态信号奇异性检测的新方法,分析了目前的基于Lipschitz系数的行波启动元件算法,指出其最主要的缺点是只利用相邻尺度的WTMM或WTMS比值来确定Lipschitz系数。而通过拟合各尺度的数据,采用基于最小二乘法的Lipschitz系数进行估算。ATP-EMTP仿真结果表明,改进算法能够更精确的分析故障信号的奇异性。     

A structural property of the wavelet packet transform method to localise incoherency of a signal

This paper proves a general structural property of the wavelet tree for a given seminorm in the context of the wavelet packet transform method. This structural property can be used in denoising algorithms of different applications to guarantee the optimality of novel search strategies. The property holds for any input signals using any orthogonal analysing wavelet families. The property holds for any norms, which results to be a convex function through the wavelet tree. Using a defined norms, seminorms or pseudonorms, this property can be used to detect incoherent parts of an input signal by using the minimal depth of the tree. In this sense the proposed denoising procedure works without thresholds for the localisation of different kinds of noise, as well as for a stop criterium for an optimal representation of the incoherency. The proof of this property is performed by mathematical induction and the demonstration is based on orthonormality with the help of the multiresolution framework aspects of the wavelets packet tree. The Theorem is independent of the definition of the adopted norm and of the incoherent part of an input signal. In this sense, the discovered property is a general one, which is related to any norm and any nature of the signal incoherence. It can be used in different applications, in which a minimum of a norm is required to be calculated through the wavelet tree.     

一种改进的DCT变换图像融合技术

提出了一种提升小波变换和DCT变换相结合的图像融合算法。这种算法并不依赖于对方差,而是直接使用DCT变化和小波变化分别对高频部分、低频部分进行特征提取。实验表明,这种新的融合技术与传统算法相比,不但提高了图像的信噪比,更加保留了边缘的信息细节,同时也提高了处理效率,减少了使用时间,具有较高得实用价值。     

基于小波域高斯-柯西混合模型的SAR图像降噪声算法

(Symmetric alpha-Stable)模型是小波域一种精确的图像模型 ，但是其计算复杂性高,本文在分析 模型的基础上，提出了高斯-柯西模型，将此模型作为图像的小波域先验模型信息，并用Bayesian估计器，算法复杂性上有显著的降低。另外，图像对数变换后的统计特性发生变化 ，需要在变换过程中加入均值调整的过程。实验结果表明，本文的算法模型在较好的保持了SAR图像结构的基础上，能较好的保留图像边缘信息和纹理特征，并能有效的抑制图像的斑点噪声，取得了良好的效果。     

基于整数提升小波变换的图像去噪方法

由于传统小波变换在图像去噪应用上的一些缺点,本文使用整数提升方法进行图像去噪。整数提升方法不受Fourier变换限制,其具有传统小波的多分辨率特性,而且运算速度有很大的提高。提升方法可以从一个新的角度来构造小波滤波器,它的核心是确定预测算子和更新算子,对每步提升下取整,就实现了整数小波变换。将其去噪去噪效果与传统小波变换的去噪效果进行了比较。仿真结果表明,整数提升方法取得了比传统小波变换更好的去噪效果。     

基于小波变换的PET图像分析

提出一种把小波变换和统计检验结合起来检测PET图像激活区的方法.首先,采用模拟的PET图像来评价算法的可靠性,结果显示,在小波域上进行统计检验比传统的直接在空间域上进行统计检验具有更高的灵敏度,更强的抗噪声干扰性能,更快的计算速度.最后,用该方法处理真实的PET图像,也得到了满意的结果.该方法为PET医学图像处理和脑功能研究提供了一种新的多尺度、高性能的分析手段,对于脑功能研究的功能区定位、临床诊断、药物疗效评估等有着重要意义.