最优改进对数谱幅度估计与小波结合的心音降噪

小波阈值降噪为心音降噪的一种常用方法。本文提出了使用最优改进对数幅度谱估计与小波阈值降噪相结合的方法对心音降噪。在正常心音和一些常见疾病的心音中加入不同强度的白噪声和粉红噪声,构造不同信噪比的心音信号,并将本文所提出的方法和仅用小波阈值降噪方法的去噪效果进行了定量的对比。结果表明本文方法降噪效果总体优于仅使用小波阈值降噪达到的效果。

OM-LSA和小波阈值去噪结合的语音增强

针对OM-LSA(optimally modified log-spectral amplitude estimator)算法产生的残留噪声,提出了一种结合OM-LSA和小波阈值去噪的语音增强算法。首先,进行语音对数幅度谱估计;然后,估计残留噪声,利用带噪语音第一级小波系数和语音不存在时的增益函数进行估计,解决了常规方法对增强后语音噪声估计不准确的问题;最后,在小波域利用软阈值法对语音信号进行阈值处理。实验结果表明,提出的算法有效地去除了OM-LSA算法中的残余噪声,在分段信噪比(segmental signal-to-noise ratio,SegSNR)和对数谱失真(log-spectral distortion,LSD)等指标评价上有较大的提高。

基于功率归一化倒谱的端点检测

传统的端点检测在低信噪比(SNR)非平稳噪声下性能会失效,因此文章提出了将最优改进的对数谱幅度估计(OMLSA)以及最小控制递归平均算法(IMCRA)相结合的方法对包含噪声的语音指令进行去噪处理,提取PNCC的第一维静态特征作为特征参数。同时,文章在单参数双门限法的基础上设计了一个自适应阈值,可以更好地跟踪预测实际语音的起始与终止端。Matlab仿真结果显示,该算法在各种非平稳噪声下比经典算法优势更大。

利用信号功率谱密度的麦克风阵列噪声消除方法

本文研究了一种在背景噪声和干扰噪声存在的情况下基于麦克风阵列的噪声消除方法,其具有准确的指向性。波束形成可以更好地获取指定方向的增强语音及抑制其他方向的噪声的效果。而现已存在的波束形成的方法处理后,增强之后的语音仍然会存在部分的干扰噪声。针对这样的问题,本文提出了一种利用信号功率谱密度比值的广义旁瓣消除波束形成方法来进一步实现对背景噪声和干扰噪声的抑制。此外,本文还进一步利用深度神经网络的方法,通过训练多目标函数下的掩蔽值结合最优改进对数谱幅度,再利用后置滤波从而更高效地对残留干扰噪声进行消除。最后,本文通过对比实验,比较了不同的基线方法,更好地验证了所提出算法的有效性。

飞机驾驶舱噪声环境下的飞行员语音端点检测

为在飞行驾驶舱噪声环境下准确判定飞行员语音端点,提出一种鲁棒语音端点检测方法。使用最优改进对数谱幅度估计语音增强算法进行初步语音降噪,通过Teager能量算子进一步滤除残余噪声,并将降噪后语音短时能量与子带谱熵的比值作为双门限判决参数,检测飞行员语音起止点。实验结果表明,与基于能量参数或频谱熵参数的语音端点检测方法相比,该方法能有效提高检测正确率。

噪声动态估计下的心音降噪

针对基于小波分析和经验模式分解的降噪方法本质上不能追踪并消除噪声且容易造成心音失真的问题,本文提出了一种融合改进最小值控制递归平均和最优修正对数谱幅度估计的心音降噪方法。该方法采用短时窗平滑动态追踪、估计噪声最小值,并将噪声估计用于获取最优频谱增益函数,通过最小化干净心音与估计的干净心音的差异来最大限度地抑制噪声。此外,结合心音时频图主观分析和对正常与异常心音分类系统贡献性的客观分析,提出了一种更为严格的评价机制。实验结果表明,本文提出的方法有效地改善了心音信号的时频特征,并在正常与异常心音分类系统中获得了更高的评分。本文提出方法能够帮助医务工作者提高听诊的准确性,对计算机辅助诊断系统的构建与应用也具有十分重要的参考价值。