改进的参数自适应的维纳滤波语音增强算法

为探究不同的噪声对语音增强算法性能的不同影响,提出一种参数自适应维纳滤波语音增强算法,根据不同的噪声类型,设置不同的参数初始值,做不同的噪声功率谱评估。使用深度神经网络对噪声进行分类,得到准确的分类结果;对不同的噪声,得到维纳滤波算法与使用声音活动检测(VAD)进行噪声功率谱评估相结合的语音增强算法的最优系数组合。进行系列实验,客观的评价结果表明,该算法在Babble噪声下,5db的信噪比时,能够将PESQ值提高0.25,针对其它的噪声与不同信噪比情况,PESQ值也有相应的提高。

一种维纳加权频域自适应时延估计算法

提出了一种基于频域自适应滤波的维纳加权时延估计算法。该算法首先实现了对输入信号的维纳自适应滤波预处理,然后在频域实现了自适应时延估计。该算法在将相位数据拟合时,做了一次加权处理,有效地改善了时延估计的精度和自适应收敛速度。最后用实测的直升机噪声数据进行了仿真,验证了新算法的有效性。

生产线模糊图像恢复的投影迭代算法和维纳滤波算法比较

为解决在运动模糊图像的处理中传统的逆滤波法算法对噪声很敏感且易产生噪声放大的问题,采用维纳滤波算法和投影迭代算法对生产线上模糊图像的处理进行分析和比较。在VC++2008上仿真结果表明:这2种算法都能克服逆滤波算法放大高频段噪声的不足;投影迭代算法在恢复模糊图像所用时间和清晰度方面比维纳滤波算法好。

对图像处理中维纳滤波复原算法的改进研究

文中介绍了传统图像处理中的离焦复原算法存在的不足,指出了两种传统的处理方法在逼近离焦点扩散函数方面效果都不太理想,并提出了对维纳滤波复原方法的改进,最后通过实验证实了改进后的维纳滤波复原算法具有明显的优势,并且其分辨率和噪声消除方面都表现良好。

一种数据选择多级维纳滤波算法

针对阵列信号自适应处理器收敛性能会由于目标类型干扰影响显著恶化的问题,提出一种采样数据选择算法,可以有效抑制干扰信号对自适应滤波器性能的影响。通过对多级维纳滤波器采用数据选择算法后,显著提高了其抗干扰能力和在非平稳、非高斯环境下的快收敛性能。最后通过实验仿真验证了此算法的有效性。

优化的维纳滤波算法在心音信号中降噪的应用

提出了优化的维纳滤波算法用于心音信号的降噪问题.对含噪的二尖瓣心音信号进行EMD分解,舍去前3阶含噪声比较多的IMF分量后,对心音信号进行重构.采用离散S变换,将心音信号在复频域中进行分析,通过MFCC算法对降噪的二尖瓣心音信号提取特征值,在SVM中进行分类验证.实验结果表明,优化的维纳滤波在二尖瓣心音信号的降噪方面有很好的成效,提高了心音信号分类的准确率.

基于伪随机序列的维纳滤波反卷积算法的改进

应用于相关辨识中的维纳滤波反卷积算法对噪声的适应性不理想,辨识效果不佳。据此分析了维纳滤波反卷积算法在对大地辨识的过程中对噪声适应性不理想的原因,并提出了相应的改进算法:根据检测系统冲激响应的频谱范围,首先用常数进行处理,但实验效果不佳;再次改进后用可变函数代替不同阈值来调整算法,对带通内部分和带通外部分使用不同的估计方法,从而提高算法对噪声的适应能力。试验表明改进后的维纳滤波反卷积算法有较强的噪声适应能力,在相关辨识的应用中取得了良好的辨识效果。

噪声模糊图像复原算法构建及仿真

针对传统图像复原算法对噪声强度较大的模糊图像进行复原时,容易出现图像失真的问题,研究结合经典维纳滤波算法和空间滤波算法,提出一种组合维纳滤波算法的噪声模糊图像复原方法。首先,采用空间滤波算法减弱模糊图像的噪声;然后,采用维纳滤波算法对去噪后的模糊图像进行复原;最后,通过仿真实验对组合维纳滤波算法进行验证。结果表明,相较于单一的维纳滤波算法,所研究组合维纳滤波算法在高斯噪声、椒盐噪声、高斯-椒盐噪声的条件下,PSNR、SNR、ISNR值均提高了0.5 dB以上,具有一定的优越性,可提高复原图像的质量,得到清晰且轮廓分明的复原图像。

基于BEMD与自适应维纳滤波的图像降噪

自适应维纳滤波器是一种经典的线性降噪滤波器,较其他线性滤波器能够更好地解决边界模糊的问题。然而由于含噪图像的噪声主要集中于它的高频部分,而图像的低频部分所含有的噪声较高频部分则小很多。自适应维纳滤波算法对图像中所有频率成份都不加区分地进行滤波降噪处理,因而它不能得到更为令人满意的结果。提出了一种将二维经验模态分解和自适应维纳滤波相结合的图像去噪方法,通过将图像分解为不同频率成份的子图像并对各子图像采用不同的降噪处理,从而更好地对含噪图像进行降噪。实验结果表明,算法相对于自适应维纳滤波算法降噪效果更好。

农业图像新型自适应混合滤波算法的应用

针对农业图像的获取受到拍摄设备电压不稳定、成像天气等不确定性因素的影响从而存在一定程度的噪声、图像视觉效果差这一问题,提出了一种新型农业图像自适应混合滤波算法。该算法首先采用改进型中值滤波算法进行预处理,以对图像中的噪声进行初步抑制;然后对经过预处理后的图像采用自适应维纳滤波算法进行处理,以进一步提高图像的清晰度,最大限度地恢复图像的本来面貌。分别将本研究算法、中值滤波算法、自适应维纳滤波算法、非局部均值滤波算法进行Matlab编程实现,并应用于处理农业图像。结果表明,本研究提出的算法对农业图像的滤波效果明显优于其余算法,这说明本研究提出的农业图像滤波算法具有一定的实用性。

OFDM系统中基于Turbo迭代的WLMS联合信道估计和检测算法

利用Turbo迭代原理,该文提出了一种迭代的维纳LMS联合信道估计和检测算法,该算法利用软映射和软解映射算法提供的软值信息,实现检测译码模块和信道估计模块之间的信息交换,通过WLMS信道估计和跟踪算法实现信道响应的逐符号更新。仿真结果表明,通过2次迭代,系统误码率性能已经基本收敛,而且在系统误码率低于10?3时,与理想信道估计性能相比,联合估计和检测算法性能信噪比损失仅为0.5-0.8dB。

语音增强算法的研究与实现

语音增强算法也被称为噪声消除算法,在通信行业快速发展的现代社会,语音增强技术具有现实研究意义。首先介绍了算法的运行环境,即语音和噪声信号的特征。其次,对三种经典算法的原理、重要参数和运行框图进行了理论分析。最后以基于统计模型的语音增强算法作为例子进行仿真,验证了语音增强效果。

基于小波变换的红外图像增强算法研究

针对目前夜间红外图像质量低、噪声大,无法为后续的分析提供支持等问题,提出一种基于小波变换的红外图像增强算法对红外图像进行增强。首先采用二维FWT滤波器组通过小波变换将低质量、缺陷明显的夜间红外图像分解成高频和低频两部分,对高频部分采用改进NL-means算法和改进维纳滤波算法进行降噪,通过改进直方图均衡化防止过度增强。试验结果表明,采用本研究算法进行图像增强,能够提高将近30%的图像对比度和将近40%的信噪比。

基于隐训练序列的信道估计与跟踪

提出了新的基于隐训练序列的频率选择性信道估计方法,利用训练序列与信息序列的不相关特性,在没有带宽损失的情况下估计出信道参数。文中对所提方法给予了证明,给出了信道估计算法,并提出了改进的白适应形式,可以用于跟踪时变信道。与以往的隐训练序列估计方法比较,文章中的算法具有更低的估计均方误差,不受接收端直流偏移的限制,且适用于时变信道。计算机仿真结果表明了该估计方法的有效性。

基于训练序列的MIMO信道估计

提出了一种基于隐训练序列的多输入多输出通信系统的信道估计方法,利用训练序列与信息序列的不相关特性,在没有带宽损失的情况下估计出信道参数。给出了信道估计算法,并对估计的均方误差性能进行了分析,讨论了隐训练序列的优化方案。与以往的隐训练序列估计方法比较,本算法不受接收端直流偏移的限制,且有更低的估计均方误差。计算机仿真结果表明了该估计方法的有效性。

基于维纳滤波增强算法的计算机辅助语言学习系统研究

为进一步提升语言辅助学习效果,以普通话日常学习研究对象,提出一种基于改进卷积传递函数广义旁瓣相消器(Convolutive Transfer Function Generalized Sidelobe Canceller, CTF-GSC)算法和改进维纳滤波算法的语音增强算法。其中,以CTF-GSC算法作为基础的语音增强算法,通过其中的固定步长归一化最小均方(Normalized Least Mean Square, NLMS)算法进行改进,同时引入维纳滤波算法,并在对引入的维纳滤波算法进行改进后将其与改进后的CTF-GSC算法进行结合,进一步提升语音增强效果。仿真结果表明,与传统的维纳滤波算法相比,经过改进后的后置维纳滤波算法处理的语音信号处理具有更高的信噪比,更好的非干性噪声抑制效果;与固定步长的NLMS算法相比,改进所得VSS-NMLS算法在进行信号调制时具有更低的误差,更快的收敛速度;与未改进的CTF-GSC算法相比,本研究所构建的语音增强算法能够对语音信号中的噪声进行更加准确的剔除,进而提升语音增强效果。综上,构建的基于改进CTF-GSC算法和改进的后置维纳滤波算法的语音增强算法性能良好,可应用于辅助普通话的学习,提升学习质量。

基于图像复原的高光谱图像前向像移补偿

为了提高高光谱图像空间维的图像分辨力,针对航空遥感器成像时由前向像移造成的图像模糊提出了像移补偿方法。分析了航空遥感器前向像移造成图像模糊的退化机制,对运动模糊图像进行了预处理;估计了点扩散函数和噪声功率,使用改进的维纳滤波算法对图像进行复原并以绝对平均误差、峰值信噪比作为评价标准进行了实验。在估计出模糊图像点扩散函数和噪声功率的情况下得到的结果显示:与传统的维纳滤波复原算法相比,改进的维纳滤波复原算法的图像绝对平均误差降低了9.31%,峰值信噪比提高了13.98%,表明提出的算法能够有效改善高光谱图像的像质。

新的方向滤波器组及其在图像去噪中的应用

设计了具有45°和135°方向的二维棋盘形滤波器对.通过棋盘形滤波器对,输入图像被分解为两幅子图像,且二维余弦调制滤波器组被分别应用到每幅子图像.这种结构等效于一个冗余比为2的新的方向滤波器组.新的方向滤波器组具有良好的方向和频率选择性.将双重局部维纳滤波算法和新的方向滤波器组相结合,提出了一种新的图像去噪算法.实验结果表明:对于含有丰富纹理的图像,本文提出的算法获得了明显的去噪性能改善.

维纳/投影限制集混合算法实现超分辨率图像复原

为了抑制经典投影限制集(POCS)算法中图像复原产生的振铃效应及噪声放大的缺点,提高复原图像的分辨率,提出了一种基于维纳(Wiener)滤波和POCS混合的超分辨率图像复原算法。利用Wiener滤波的抗噪性和全局收敛性对经典POCS算法原始估计图像f0和超分辨率复原图像fi分别进行约束,同时在POCS中加以局部变量的约束。实验结果表明,新算法比原始POCS算法的峰值信噪比(PSNR)和归一化相关性测度(NCCF)均有提高,且Wiener作为整体约束的算法更具有优势,NCCF最多提高7.28%,PSNR最多提高32.35%,具有很好的图像复原结果。

基于小波变换的红外目标去运动模糊的研究

针对去除图像运动模糊,对图像进行复原,提出一种基于haar小波变换的红外目标去运动模糊的方法。利用小波变换提取并分析图像的水平子带高频信息,判断是否存在运动模糊;通过旋转图像,求取图像的模糊尺度和模糊方向;采用优化的维纳滤波算法编写程序对模糊区域去模糊,进行图像复原。实验结果表明,提出的方法能有效去除由于运动产生的图像模糊,可为进一步图像处理的需要提供清晰的红外图像,且具有鲁棒性强、实时性好等特点,具有较高的应用价值。