基于小波变换的语音信号去噪

利用小波的时频域局部化特性,解决语音信号的去噪问题。文中给出了语音信号的小波去噪算法,并基于不同的阈值选取,提出了采用适合于语音信号的浮动阈值,实验表明去噪效果好,提高了语音信号的识别率。     

基于小波变换的语音去噪阈值函数的研究

目的小波去噪可以提高语音的信噪比,其中通过放宽阈值限制、加强小波系数的连续性,以及对小波系数较高的语音信号实现噪声与语音的分离可以增强语音去噪效果。方法基于一段信噪比为10dB的语音信号,采用不同的阈值函数,对该段语音进行小波去噪处理,比较各种阈值函数得到不同的去噪语音和各个阈值函数的特点。结果传统的硬阈值和软阈值得到的信噪比分别为11.57dB和10.91dB,软硬阈值折衷法得到的去噪语音信噪比12.70dB,模平方法得到的去噪语音信噪比为12.20dB,改进以后的软硬阈值折衷法和改进后的模平方法得到的去噪语音的信噪比分别为11.38dB和13.40dB,用降低阈值的方法得到的去噪语音信号的信噪比为11.68dB,新的阈值函数得到的去噪语音的信噪比为13.49dB。结论相比较软硬阈值折衷法,改进的模平方法和其它传统的方法,新阈值函数语音去噪可以取得更好的效果。     

音乐信号小波阈值去噪模型及其应用

利用小波阈值滤波的原理,建立了阈值滤波去噪模型,解决了小波基和小波分解层数的选择以及阈值和阈值函数的选取这2个关键问题。小波基的选取应该均衡考虑光滑性与紧支性。采用数值仿真方法,通过一段音乐信号,分析了小波基的不同选取方式、不同阈值选取方法、不同分解层数对去噪效果的影响:选择不同的小波,分别利用全局阈值和分层阈值去噪法来观察不同的小波选择对去噪结果的影响;选择一个固定的小波,利用全局阈值和分层阈值来比较这2种去噪方法的优劣。研究结果表明,选择db4小波基、分层阈值、分解层数为4~5层时,去噪效果最好。     

小波多分辨率分析在信号去噪中的应用

对于非平稳信号，小波多尺度分解是一种有效的信号去噪方法。在多分辨率分析小波阈值去噪的基础上，提出了一种改进的阈值函数，克服了硬阈值函数不连续的缺点，解决了软阈值函数中存在的恒定偏差．同时具有软硬阈值函数不可比拟的灵活性。仿真试验结果表明，它在对信号消噪时能得到较理想的结果。     

基于CL多小波的语音信号去噪

本文重点分析并设计了多小波预处理及多小波的分解重构办法，并提出一种基于CL多小波的带噪语音信号去噪方法，实验证明该方法可以有效的去除语音中的噪声，同时，能较好的保留视听效果。     

基于小波去噪的暂态电压扰动检测方法研究

采用小波软阈值去噪方法对信号噪声进行预处理,很大程度地减小了噪声对扰动检测的干扰.利用小波多分辨率分析方法对去噪后的扰动信号进行检测,更精确地提取出了暂态电压扰动信号的特征值.在仿真环境中对去噪前后的电压骤降信号进行检测和比较.结果表明:去噪后的检测结果更接近于原始信号,小波软阈值去噪方法能够提高暂态电压扰动检测的准确性.     

木材近红外光谱小波阈值去噪方法

采用小波分析对木材近红外光谱进行阈值去噪研究,分别采用硬阈值、固定阈值、最大最小阈值和rigsure阈值对光谱信号进行去噪.结果表明,小波变换可以有效去除光谱噪声,并很好地保留了信号中的尖锐和突变部分,在近红外光谱分析中具有很好的应用前景.     

基于小波去噪的加窗FFT电网谐波检测

提出一种基于小波去噪的软硬阈值改良折衷法与加布莱克曼窗的傅里叶变换算法相结合的谐波检测方法。该方法采用小波软硬阈值改良折衷法对含噪的电力谐波信号进行降噪处理,利用加布莱克曼窗的傅里叶变换算法对去噪后的信号进行分析,提取各次谐波的幅值和频率。仿真检测结果表明小波去噪后的谐波波形接近于原始信号谐波波形,信噪比提高了8.3226dB,小波去噪与FFT 结合的方法适合在谐波检测系统或装置中应用。     

小波变换用于抑制干扰信号几种方法的比较研究

对小波变换抑制干扰信号提取真实信号的3种方法，即小波滤波器消噪法；软、硬阈值消噪法；基于模极大值的小波去噪方法，进行了比较研究。给出了每种方法的适用范围及具体的算法、仿真结果，对于选用小波变换工具进行信号处理具有一定的理论意义和实用价值。     

基于小波变换的颗粒肥流量信号处理研究

针对在精准变量施肥中对排肥信号精度要求较高,受外界因素干扰较多导致排肥信号不精确的问题,本试验提出了对颗粒肥流量信号进行去噪处理的小波阈值去噪和小波包阈值去噪2种方法。为了验证2种方法的正确性,本研究以不易变形且摩擦力度小的大颗粒尿素为研究对象,利用排肥试验台对颗粒肥展开排肥试验;然后,利用微波多普勒传感器采集颗粒肥的流量信号;最后,通过2种去噪方法对多普勒信号进行仿真,结果表明:对信号进行多尺度小波变换后,低频小波分解重构可以更有效地去除噪声。     

基于Cross-Validation的小波自适应去噪方法

小波去噪算法中,阈值的选择非常关键.提出一种自适应阈值选择算法.该算法先通过Cross-Validation方法将噪声干扰信号分成两个子信号,一个用于阈值处理,一个用作参考信号;再采用最深梯度法来寻求一个最优去噪阈值.仿真和实验结果表明:在均方误差意义上,所提算法去噪效果优于Donoho等提出的VisuShrink和SureShrink两种去噪算法,且不需要带噪信号的任何"先验信息",适应于实际信号去噪处理.     

基于正交小波系数的阈值降噪法

依据信号与噪声小波变换系数的差异,提出的用阈值法去噪可以很好的使噪声得到抑制,且几乎保留了原始信号所有的特征点.本文详细阐述了小波分析信噪分离的基本原理和方法,通过仿真分析得到良好的效果,为信号去噪提供一条有效的途径.     

一种曲波域蒙特卡罗阈值去噪算法

为促进油气勘探发展,有效识别地震有用信号,提出了一种曲波域蒙特卡罗阈值去噪算法。该算法利用曲波变换的多尺度与多方向性的特点,结合蒙特卡罗阈值滤波来去除随机噪声,再利用循环平移法抑制吉布斯现象,消除人为干扰,增强去噪效果。用该算法对合成地震数据与实际地震剖面分别进行去噪试验,并与小波变换和曲波循环平移算法的试验结果进行对比,证明了该算法能有效地保持有效波信息,增加了弱反射信号能量,很好识别有效信号,优于小波变换去噪算法与原始曲波变换去噪算法。     

近红外光谱在砂糖橘果形指数分析中的应用

基于小波变换的原理,分别利用阈值滤波、小波包、小波收缩3种常用的去噪方法,对砂糖橘样品的可见/近红外光谱信号进行去噪处理,探讨每种去噪方法的最优参数组合(小波函数、分解尺度、阈值)的同时选择最适去噪方法,并通过偏最小二乘法(PLS)对去噪后的重构光谱和砂糖橘果形指数建模。结果表明,小波包去噪有利于消除导数光谱中的噪声,提高建模精度,其最优参数组合为默认阈值条件下,小波函数Bior1.3、2尺度分解,去噪后的砂糖橘果形指数光谱建立的PLS模型的预测集R为0.9632,RMSEP为0.0779。     

5种小波阈值去噪法处理木材缺陷图像的仿真比较

针对当前木材缺陷图像小波阈值去噪法存在的不足,通过引入3种典型的平滑和非平滑小波阈值去噪法,将其与软、硬阈值法一同在Matlab环境下进行仿真对比分析,从而优选出消去平滑小波阈值去噪法这一总体最为理想的木材缺陷图像处理法,改善了木材缺陷无损检测的效果,为小波阈值去噪法在木材缺陷检测上的应用提供一个新选择.     

基于EMD分解的拉曼光谱小波去噪方法

拉曼光谱中尖峰及其临近信号频率极高,常规去噪方法难以区分高频噪声与特征峰信号,所以拉曼光谱去噪一直是该领域内研究热点和难点。针对该问题,提出临界分量判别法,该方法通过计算经验模态分解(empirical mode decomposition,简称EMD)分量的归一化自相关函数,将固有模态分量(intrinsic mode function,简称IMF)划分为噪声主导分量和信号主导分量两部分。根据噪声主导分量和信号主导分量的不同特点,分别使用模极大值方法、软阈值滤波方法处理各分量的小波系数,实现光谱信号去噪。仿真数据去噪实验表明,小波去噪法(1、2阶IMF为噪声主导分量)去噪效果优于其他方法(1阶IMF为噪声主导分量,1、2、3阶IMF为噪声主导分量),说明临界分量判别法可以正确识别噪声主导分量和信号主导分量。光谱数据去噪实验表明,应用小波去噪法处理拉曼光谱,信噪比以及均方误差均优于对整条光谱进行模极大值、软阈值和空域相关方法去噪,光谱中噪声几乎得到了完全抑制,突变特征峰信号得到完整保留,获得了最优滤波效果。     

ELMD联合粒子群优化小波阈值的语音去噪研究

语音信号是一种非稳态的随机信号,而传统的时频分析法缺乏对这类信号进行最稀疏表示的能力,为此提出了一种完备的局部均值分解(Ensemble Local Mean Decomposition,ELMD)联合粒子群优化小波阈值语音消噪分析法:在对原始信号LMD(局部均值分解,Local Mean Decomposition)分解基础上加入高斯白噪声辅助分析的自适应分析法,以减轻分解后的产生模态混叠现象;对于分解后的分量中残留的噪声使用粒子群优化算法获得最优小波阈值滤除。对实际采集语音信号进行Matlab仿真的处理分析结果显示,该算法在抑制语音中的背景噪声有着良好的效果,且有效降低了对语音有效信息的损伤。     

基于小波阈值去噪方法的一种改进方案

利用Donoho D．L．和Johnstone I．M．提出的小波阈值去噪方法,构造了一个新的阈值函数。与传统的硬、软阈值函数相比,其具有不可比拟的灵活性。该阈值函数克服了硬阈值函数不连续的缺点,同软阈值函数一样具有连续性,便于进行各种数学处理;同时还克服了软阅值函数中小波系数估计值与分解小波系数间存在恒定偏差的缺陷。仿真结果表明,新阈值函数的去噪效果有效抑制了在信号奇异点附近产生的Pseudo．Gibbs现象,无论在视觉效果,还是在信噪比增益方面均优于传统的硬、软阈值方法。     

基于层内和层间相关性的小波图像去噪

小波图像去噪已经成为图像去噪的主要方法之一.利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,传统的小波去噪方法大致有小波阈值收缩去噪算法、小波模极大值去噪算法.由于小波系数间存在很大的相关性,本文提出了一种基于层内和层间相关性的小波去噪方法,利用图像细节信息在不同尺度及同一尺度上的相关性进行滤波,达到对低信噪比的图像去噪的目的.在实验中,将本文去噪的结果与Donoho的硬阈值作了比较,结果显示本文方法能获得较好的去噪效果.     

基于新阈值的小波硬阈值去噪方法

在多分辨分析小波阈值去噪方法的基础上,提出了新的阈值选取规则,在VC＋＋6．0环境下,给出了基于正交小波变换的硬阈值去噪的具体算法,并进行了数值试验。试验结果表明,该方法提高了信噪比,减小了最小均方误差,使去噪效果得到了改善。