基于小波包与分形的语音特征提取

针对语音信号的非平稳特性,传统的短时分析技术容易丢失信息的现状,提出了一种利用小波包变换和分形技术对语音信号进行特征提取。用小波包变换对每一帧语音信号进行多分辨分析,这样可以得到每个频带的小波分解值,然后计算出每个频带的分形维特征,最后使用动态时间规整进行识别。实验证明,在低信噪比的情况下,仍有较高的说话人识别的效果。     

基于CDHMM/SONN混合模型的带噪语音识别

利用小波变换对含噪语音信号进行特征提取,结合隐马尔可夫和人工神经网络混合模型进行识别的方法,进一步反映语音信号的动态特性、增强抗干扰能力、提高识别率.实验证明,该模型适合于对噪声背景下的语音进行识别,同传统的HMM模型相比,具有更好的抗噪鲁棒性,在信噪比较低情况下,识别率比传统的HMM模型有明显提高.     

小波变换语音增强算法在LabVIEW中的实现

分析了小波语音增强的原理,介绍了一种在虚拟仪器开发平台LabVIEW中实现Mallat正交小波变换的方法,在LabVIEW环境下实现了语音信号的小波阈值去噪算法。通过引入小波变换,增强了LabVIEW的信号分析与处理能力。     

联合时频域中增强后耳语音的可懂度评估(英文)

对在联合时频域影响增强后耳语音可懂度的因素进行了评估.分析了耳语音时频谱密度和增强后耳语音时频谱中不同区域对耳语音可懂度的影响.实验结果表明,在基于增益修正的时频域语音增强算法中,采用密度较高的耳语音谱可提高增强后耳语音可懂度.此外,在增强后的耳语音的时频谱中,频谱幅度小于干净耳语音时频谱的频谱区域对增强后的耳语音的可懂度提高最为重要,而那些频谱幅度大于2倍干净耳语音频谱的频谱区域对增强后的耳语音的可懂度具有消极作用.     

小波阈值和RLS自适应算法语音消噪应用研究

对小波闽值算法和RLS自适应算法进行系统分析,比较两者的优势及不足,提出两者语音消噪的实现,并将实际信号与原始语音取样信号进行仿真消噪比较.研究表明,采用小波阈值算法进行消噪处理,消噪效果明显;RLS自适应算法具有更强的自适应性,消噪效果较好.     

小波域信号重构在地震特殊处理中的应用

地震信号的频率域里包含着丰富的含油气信息,小波域信号重构在时间域和频率域都有良好的局部化特性,提高分辨率的同时还具有很好的保真度。针对小营地区沙二段席状砂油藏储层边界描述不清问题,应用小波域信号重构进行目的层地震特殊处理,提高了地震资料分辨率,储层横向连续性增强,为进一步油藏描述提供了资料支持。     

基于自适应滤波法与谱减法的语音增强的研究

语音增强是一种消除语音信号中的背景噪声并获得完整原始语音信号的关键技术.谱减算法易于实现,计算量小,可以获得较高输出信噪比的原始语音信号,是增强语音信号的有效方法.然而,使用谱减法进行语音增强过程中会产生新的背景噪声——"音乐噪声",它会影响语音信号识别的准确性.为了解决谱减法产生的"音乐噪声"问题,本文提出一种谱减法...     

基于相关函数的小波变换实现语音去噪研究

语音信号是非平稳的短时瞬态信号,有用信号与所含噪声处于同一频率段,采用滤波器形式的传统去噪方法,不能将噪声有效分离。小波变换具有时频局部分析的特点,通过将含噪信号进行分解,分离噪声信号,将有用信号进行重构,可有效地去除噪声。白噪声为平稳随机信号,在不同尺度上的小波变换是不相关的。本文根据白噪声和语音信号在不同尺度下的相关性表现,结合小波去噪的基本思想,提出一种基于相关函数的小波变换进行语音去噪的方法。经MATLAB仿真,相关函数确定的去噪方法,能有效去除语音信号的白噪声。     

含噪语音信号分析与处理

语音信号在传输时受到噪声的污染会影响信息传递的可靠性与清晰度,以MATLAB为仿真工具,录制一段语音并加入高斯噪声模仿含噪语音信号,再分别设计出低通、高通、带通、带阻滤波器对含噪的语音信号进行滤波处理,最终比较滤波效果。结果表明:人的声音能量主要集中在低频部分,而噪声能量主要集中在高频部分,采用低通滤波器和带阻滤波器对含噪语音信号进行滤波具有较好的效果。     

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。     

基于小波变换的指纹图像增强算法

小波具有多分辨率分析和在局部时频域进行分析的能力。首先,应用小波的这个特点,在小波域对指纹图像进行增强。在对指纹图像进行小波变换之前,对图像进行了较为常见的规格化处理,使得不同的图像有相同的灰度均值和方差,方便了对指纹的匹配,然后提出了一种在小波域中改进的软阈值算法对图像进行增强。实验表明,应用小波变换技术对指纹图像进行预处理能够获得较满意的结果。     

基于小波变换的指纹图像增强算法

小波具有多分辨率分析和在局部时频域进行分析的能力.首先,应用小波的这个特点,在小波域对指纹图像进行增强.在对指纹图像进行小波变换之前,对图像进行了较为常见的规格化处理,使得不同的图像有相同的灰度均值和方差,方便了对指纹的匹配.然后提出了一种在小波域中改进的软阑值算法对图像进行增强.实验表明,应用小波变换技术对指纹图像进行预处理能够获得较满意的结果.     

语音信号增强技术研究

现实生活中不存在完全"纯净"的有用信号,这些信号都或多或少受到噪声信号的"污染".语音增强的目的就是从带噪语音信号中提取尽可能纯净的原始语音.带自适应滤波器的自适应噪声抵消法对含噪语音的增强效果较好,但多用一个参考输入作为辅助输入.在只能得到一个含有噪声的语音信号情况下,并不能得到噪声信号的相关信号,通过采用延时方式的自适应语音增强技术,可滤除其中混杂的高强度随机噪声,提高语音通信的质量.     

基于小波变换的红外热图像分割方法的研究

利用小波分析对局部具有良好的时域和频域分辨率的特点,将其引入红外热图像分割中,提出一种基于小波变换的多分辨率门限选法,这种方法不仅能有效地克服红外热图像固有的缺陷,而且改变了传统分割方法中人为选取阈值参数的作法。     

基于CEEMDAN与小波软阈值的语音去噪算法研究

语音信号在应用场合中容易被噪声信号干扰,导致应用效果不佳。为了降低语音信号噪声的影响,根据CEEMDAN自适应分解的优点、自相关函数能得到不同时刻取值相关程度的特性,以及小波软阈值去噪的优势,提出了一种基于CEEMDAN与小波软阈值联合去噪的语音信号处理算法。通过仿真实验验证了该算法的有效性,相较于小波软阈值直接去噪与传统CEEMDAN去噪,该算法能有效地提高受噪声污染的语音信号的信噪比,降低噪声对语音信号造成的影响。     

基于VMD分解和小波阈值的语音信号去噪

为了对非平稳、非连续的语音信号进行降噪,提出一种基于VMD分解和小波阈值的语音降噪方法。通过仿真信号对比分析了VMD、EMD和EEMD算法对信号分解中存在的伪分量、模态混叠问题。先用VMD对语音信号进行分解,再利用小波阈值降噪。实验结果表明,该降噪方法明显优于小波阈值的语音信号降噪、基于EMD和小波阈值的语音信号降噪以及基于EEMD和小波阈值的语音信号降噪。     

基于小波的图像增强算法在乳腺癌检测中的研究与应用

乳腺癌是现代女性最常见的恶性肿瘤之一,X光照片是一种在乳腺癌普查中广泛采用的检测手段。由于医学影像噪声大不清晰,检测结果往往不尽人意。本文以数字乳房X片图像为对象,研究了提高微钙化点的对比度的基于小波变换的图像增强算法。小波变换在时频域的多分辨率具有良好的空间域和频率域局部化特性。实验证明,基于小波多分辨率分析在抑制噪声的同时能对图像进行有效增强,提高图像的对比度,使钙化点的显示更为明显,提高了图像中病灶重要特征的可视化。基于小波的图像去噪和增强算法作为医学诊断的辅助手段有极其重要的意义。     

带噪混叠语音信号盲分离算法研究

盲源分离也称盲信号分离,是指在源信号和传递信道的参数均未知的情况下,仅根据输入源信号的统计特性,通过观测信号恢复各个源信号的过程。语音信号的盲分离技术在计算机听觉、语音识别、语音增强等领域具有重大的研究意义。现有的有关语音信号盲分离研究基本不考虑噪声的影响,然而在现实生活中,接收到的语音信号不可避免地混有各种噪声。因此,对于带噪声混叠语音的盲分离方法研究具有十分重要的现实意义。针对带噪声混叠语音信号,提出一种基于稀疏编码和EFICA的分离方法。首先用稀疏编码去噪方法消除带噪混叠语音信号中的噪声,然后将经过去噪处理后的观测信号用EFICA方法进行盲分离。Matlab仿真实验结果表明,该算法对带噪声混叠的语音进行盲分离效果良好。     

LabVIEW阵列语音处理系统实验平台设计

介绍了基于LabVIEW麦克风阵列语音处理系统实验平台的设计。该平台LabVIEW的前面板采用模块化设计,包括语音采集模块、语音分析模块和语音增强模块三部分。采集模块利用PXI设备对语音源信号进行阵列同步实时采集;分析模块对采集到的语音信号进行语音特征分析,前面板还设置帧长和帧间重叠数等参数调节模块;增强模块采用阵列波束形成算法对采集模块采集到的语音信号进行增强处理。该模块采用LabVIEW与Matlab相结合,即利用LabVIEW前面板调用阵列波束形成Matlab程序包来完成,阵列波束形成算法也可以自行修改。计算机仿真实验结果验证了该实验平台的有效性。