基于自适应子带谱熵的仿生小波语音增强方法研究

针对传统语音增强方法在低信噪比复杂噪声环境下存在的语音增强质量和可懂度欠佳等问题,本文提出了一种自适应子带谱熵与仿生小波相结合的语音增强方法。研究思路是,首先用自适应子带能比法对含噪语音和纯噪声段进行区分,然后用仿生小波分解含噪声语音,将分离出来的噪声输入自适应滤波器,采用递归最小二乘法,达到噪声滤除的目的,实现信噪分离。实验结果显示,在低信噪比的复杂噪声环境下,与传统的维纳滤波和小波变换方法相比,本文提出的语音增强方法可以获得更好的声音增强质量和可懂度。

基于仿生小波变换和自适应阈值的语音增强方法

提出一种基于仿生小波变换以及自适应阈值的语音增强方法.含噪语音通过仿生小波变换后,针对不同的尺度采用不同的阈值函数进行去噪.由于在小波变换过程中考虑了人耳的听觉特性,所提出方法优于基本的小波语音增强方法.实验表明,该方法在多种噪声条件下均具有较好的语音增强效果.

基于自适应仿生小波变换的语音增强方法

分析自适应滤波和小波滤波的原理与方法,提出一种基于自适应仿生小波变换的语音增强方法。该方法首先用仿生小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,然后将经仿生小波变换所分离出来的噪声成分作为自适应滤波器的输入。通过选用自适应滤波器的最小二乘算法(RLS)从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声。实验结果表明,该方法对语音信号有显著的增强效果,能实现语音信号在同频段对噪声成分和有用信号的最佳估计。

基于子带谱熵的仿生小波语音增强

前端噪声处理直接关系着语音识别的准确性和稳定性,针对小波去噪算法所分离出的信号不是原始信号的最佳估计,提出一种基于子带谱熵的仿生小波变换(BWT)去噪算法。充分利用子带谱熵端点检测的精确性,区分含噪语音部分和噪声部分,实时更新仿生小波变换中的阈值,精确地区分出噪声信号小波系数,达到语音增强目的。实验结果表明,提出的基于子带谱熵的仿生小波语音增强方法与维纳滤波方法相比,信噪比(SNR)平均提高约8%,所提方法对噪声环境下语音信号有显著的增强效果。

基于遗传算法的仿生小波语音增强

分析遗传算法和仿生小波变换的原理和方法,提出一种基于遗传算法的仿生小波语音增强算法。首先将普通小波变换转换为仿生小波变换,得到仿生小波变换系数,接着利用遗传算法的选择、交叉、变异获得仿生小波的优化阈值参数,从而确定最优小波阈值,随后结合最优小波阈值和改进阈值函数去噪,最终将经阈值处理后的仿生小波的系数变换至普通小波域且实行连续小波逆变换,获得增强的语音信号。仿真结果表明,在低信噪比环境下,与传统的最小统计和仿生小波变换算法相比较,经本文提出的算法处理后的增强语音其失真和残余噪声更小,语音质量和可懂度都较高。

基于相干函数和仿生小波变换的双麦克风语音增强算法

提出了一种双麦克风降噪方法。该方法基于相干函数和应用卡尔曼滤波的仿生小波变换。将卡尔曼滤波器用于输入信号,应用仿生小波变换从而得到仿生小波系数。所采用的方法可以在不同的噪声场景下使用两个排列紧凑的麦克风处理带噪信号,在语音质量评价、谱图分析和时域波形等方面优于其他双通道语音增强方法。

一种基于仿生小波变换的语音增强方法

提出了一种新的基于仿生小波变换的语音增强方法。该方法通过对仿生小波变换系数进行阈值处理,从而达到语音增强的目的。实验结果表明:该方法在四种实际噪声环境下均优于一些经典方法如:谱减法、维纳滤波和基于离散小波变换的阈值去噪方法,具有更好的语音增强效果。

仿生小波变换在飞机发动机故障诊断中的应用

飞机发动机是一种复杂的旋转机械,故障种类多而且难以辨别。为了保证飞行安全,对飞机发动机的故障进行正确、快速地检测,文中应用仿生小波变换对某型涡轮风扇发动机在飞行中空中停车的振动信号作了分析。实验结果表明,对在频谱图上难以找到其相应的明显频率成分的准周期故障信号,利用仿生小波变换(BWT)的自适应调节功能,使得故障信号的细节成分更加地突出,对比该频率和故障情况下计算出的特征频率,可以找出故障的原因。

基于仿生小波变换和模糊推理的语音降噪算法研究

提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解,以分离出来的噪声信号作为自适应滤波器的输入,选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理,最终实现语音信号的信噪分离,去除语音信号中的噪声。仿真结果表明,该方法对语音信号有较为明显的降噪效果。

基于仿生小波的阈值语音增强算法

人耳对于声音信号的分辨率是非线性的,而仿生小波变换正是由非线性的耳蜗听觉模型发展而来。文章提出一种基于仿生小波变换的语音信号去噪方法,同时针对软硬阈值函数的不足,采用一种修正的硬阈值函数进行处理。仿真结果表明,该方法具有较好的增强效果。