基于小波变换的动态阈值法语音信号净化

语音信号实时去噪净化处理是语音通信系统的关键技术。传统的小波阈值去噪方法由于阈值的单一性,在去除噪声的同时,造成语音信号损伤。针对这一问题,提出了一种基于小波变换的动态阈值法语音信号净化方法。能根据噪声和信号的变化而动态调节阈值;采用改进的阈值函数对小波系数缓变地压缩,仿真实验结果表明,能有效去除信号中的噪声和较好保留语音细节。     

基于小波包变换的自适应阈值语音去噪净化

提出了一种基于小波包变换的自适应阈值语音去噪净化方法。采用双正交小波包分解,克服了传统的正交小波变换的缺陷。采用自适应阚值方法,通过最佳阈值的估计,在去噪的同时进一步提高信噪比。仿真实验结果表明．方法能在有效去除噪声的过程中保证相位不失真和较好保留语音细节,语音净化效果明显优于其他方法。     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

基于小波包的阈值语音去噪算法研究

传统的小波阈值去噪算法会不可避免地造成有用语音信号的损失,达不到很高的信噪比。基于Donoho提出的传统阈值去噪方法,提出了一种新的阈值函数,该闽值函数结合了软阈值函数和灿律阈值函数的优点,不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差。实验仿真表明,新阈值函数的语音去噪方法无论在听觉效果上,还是信噪比指标上均明显优于传统的硬、软阈值方法。     

基于小波变换的语音净化新方法

语音信号由于其时变特性,传统的小波算法虽然能够衰减语音中含有的噪声,但易造成语音的失真。丈中提出了基于小波变换的语音净化新方法,改进了阈值的选择和小波系数量化算法。仿真实验结果表明,在去除噪声和提高信噪比方面,本文方法是一种有效语音净化方法。     

基于小波包阈值法的无线电信号消噪研究

无线电信号受环境、设备等因素的影响,使监测接收机收到的无线电信号被噪声不同程度地污染,影响到监测数据的准确性.信号消噪在通信和信息学领域一直是研究的重点之一,本文介绍了小波包阈值法的无线电信号消噪原理,提出有效的消噪算法,通过仿真实验进行对比,证明了该方法的有效性.实验证明,小波包阈值法简单可靠,能够有效消除噪声,达到还原原始无线电信号的目的.     

基于多尺度阈值技术的小波去噪

多尺度阈值技术的小波去噪是根据小波变换下信号和噪声在多尺度空间中的不同特性,用软阈值函数确定的阈值对不同尺度上的小波系数进行处理,进而达到去除噪声的目的。运用这种方法对信号进行处理时去噪效果良好,并且能够很好地保留原信号的细节信息。     

小波阈值法在语音去噪中的应用

本文介绍了小波变换在语音去噪方面的应用概况,小波变换的基础理论,详细阐述了在应用小波阈值方法去噪时,阈值法中的软阈值和硬阈值方法及它们的不足。本文提出了一种改进阈值方法,用matlab进行了模拟处理实验,为后续更有效的处理奠定了基础。     

小波阈值去噪技术分析研究

本文论述了非线性小波阈值语音去噪原理和实现过程中的几个难点解决方法。     

基于Curvelet变换与小波包变换联合的图像去噪算法

小波包变换在处理图像中的平滑区域时能够起到较好的效果,而Curvelet变换可以更好地逼近线性奇异高维函数,对图像的边缘区域有最稀疏的表示.在此基础上提出了基于二者联合的图像去噪算法,在对含噪图像进行分割后,分别对线性区域和平滑区域采用Curvelet阈值去噪处理和小波包阈值去噪处理.该方法充分发挥了二者各自的优势,实验表明,它对图像的去噪效果要优于单纯的Curvelet或小波包去噪方法.     

多尺度小波包变换在弱信号检测中的应用

文章在双模噪声背景下,为了改善信号检测性能,利用多尺度小波包变换良好的时频局部分析能力对双模噪声中弱信号进行检测。理论分析和仿真结果表明,小波包检测系统不仅具有计算量小、算法比较简单和实时性较强的特点,而且比传统的高阶统计量和经典检测的检测性能都优越。     

基于小波包变换的双模噪声中信号的检测

以一类非高斯噪声———双模噪声为背景噪声,利用小波包变换良好的时频分析能力,对双模噪声的统计特性进行了研究,在此基础上,将经典最优检测器的结论推广到背景噪声为双模噪声的情况,提出了基于小波包变换的双模噪声中信号的检测方法。他是对传统的双模噪声中信号处理的完善与补充,仿真结果表明,该方法要明显优于经典检测。     

基于AR模型的小波变换在脑电信号消噪中的应用

提出了基于自回归模型(ARM)与小波变换的脑电信号分析方法,并利用他来消除脑电信号中的噪声干扰。小波变换是一种多分辨率的时间尺度分析方法,他能够将信号划分为不同频段的子带信号。根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果。利用小波变换能有效去除脑电信号中的噪声干扰。     

基于小波包变换的说话人语音特征参数及其在说话识别中的应用

在说话人识别系统中,能够反映说话人个性的语音特征参数是系统的关键问题之一。本文提出了一种新的说话人识别方法：在小波变换的基础上,借鉴MFCC特征参数的提取,基于GMM模型,用小波包变换代替傅立叶变换,提取新的特征参数DWPTMFCC,实验结果表明,该方法简单可靠,有效可行,具有较高的识别率,与已有方法相比,具有广泛的实用性。