期刊文献+

基于CEEMDAN与小波软阈值的语音去噪算法研究 被引量:3

下载PDF
导出
摘要 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。
作者 王纯子 王晶
出处 《软件导刊》 2017年第2期67-70,共4页 Software Guide
  • 相关文献

参考文献3

二级参考文献41

  • 1Paliwal K K, Alsteris L D. On the usefulness of STFT phase spectrum in human listening tests [J]. Speech Communication, 2005, 45(2) : 153-170.
  • 2Debbal S M, Bereksi R F. Time-frequency analysis of the first and the second heartbeat sounds [J]. Applied Mathematics and Computation, 2007, 184(2) : 1041-1052.
  • 3To A C, Moore J R, Glaser S D. Wavelet denoising techniques with applications to experimental geophysical data [J]. Signal Processing, 2009,89(2) : 144-160.
  • 4李永龙.基于CI的智能诊断及其在机械传动损伤检测中的应用[D].西安:西北工业大学,2010.
  • 5Belsak A, Flasker J. Detecting cracks in the tooth root of gears [J] , Engineering Failure Analysis, 2007, 14 : 1466-1475.
  • 6Chaari F, Fakhfakh T, Haddar M. Analytical modelling of spur gear tooth crack and influence on gear mesh stiffness [J]. European Journal of Mechanics A-Solids, 2009, 28 (3), 461-468.
  • 7Donoho D. Compressive sampling[J]. IEEE Transactious on Information Theory, 2006, 52(4): 1289-1306.
  • 8Donoho D L, Tsaig Y. Extension of compressed sensing[J]. Signal Processing, 2006, 86(3): 533-548.
  • 9Do T T, Gan L, Nguyen N, et al. Sparsity adaptive mating pursuit algorithm for practical compressed sensing[C]// Asilomar Conference on Signals, Systems and Computers. Pacific Grove, California, 2008: 581-587.
  • 10Aybat N S, lyengar G. A first-order augmented Lagrangian method for compressed sensing[J]. SIAM Journal on Optimization, 2012, 22(2): 429-459.

共引文献112

同被引文献33

引证文献3

二级引证文献9

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部