CN109409206A - 一种基于一维小波变换的雷声去噪方法 - Google Patents
一种基于一维小波变换的雷声去噪方法 Download PDFInfo
- Publication number
- CN109409206A CN109409206A CN201811050105.2A CN201811050105A CN109409206A CN 109409206 A CN109409206 A CN 109409206A CN 201811050105 A CN201811050105 A CN 201811050105A CN 109409206 A CN109409206 A CN 109409206A
- Authority
- CN
- China
- Prior art keywords
- thunder
- signal
- wavelet
- threshold
- function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 30
- 230000005236 sound signal Effects 0.000 claims abstract description 16
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000009022 nonlinear effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及一种基于一维小波变换的雷声去噪方法，属于雷声降噪技术领域。本发明先读取雷声音频信号，在雷声音频信号中加入高斯白噪声信号，构成含噪信号；再对含噪信号选择小波基函数及分解层数进行次小波变换处理，得到不同尺度的小波系数；对不同尺度的小波系数选择阈值规则、阈值函数、阈值规则与噪声方差间的关系函数一一进行阈值处理，得到原始雷声信号的估计值；对原始雷声信号的估计值进行小波逆变换处理得到去噪后的雷声信号小波系数；将所有去噪后的雷声信号小波系数进行信号重构，得到去噪后的雷声信号。本发明含噪雷声通过一维小波降噪后能够去除自然界中的高斯白噪声。
Description
技术领域
本发明涉及一种基于一维小波变换的雷声去噪方法，属于雷声降噪技术领域。
背景技术
雷声是一种由于高温高压的闪电放电通道急剧膨胀后产生的爆炸式冲击波向外传播形成的声波；雷声是一种非平稳信号，其在大气传播过程中，随着大气中的相对湿度、温度、压强等介质的影响其信号会被衰减，人们通过声音传感器采集到的雷声音频信号中通常夹杂着风声、雨声等自然界噪音，为了更好地判断和识别雷声信号，在雷声信号的预处理阶段需要进行去噪处理。
目前，国内外对于非平稳信号降噪的研究进行了很多分析和实验，但是对于雷声信号降噪的方法相对比较少，且降噪后的效果不佳，本发明提出一种基于一维小波变换的雷声去噪方法，能够有效地去除雷声音频中含有的高斯白噪声信号，且其去噪后的相关系数能够达到99.68％。
发明内容
本发明提供了一种基于一维小波变换的雷声去噪方法，用以对雷声音频信号预处理阶段进行去噪处理，寻找出对于雷声音频去噪最优小波基和最佳的分解层数，并以雷声原始信号、加噪信号、去噪信号的时域图和相关系数表示去噪效果，相关系数越接近1，表示其去噪效果为最佳。
本发明的技术方案是：一种基于一维小波变换的雷声去噪方法，首先，读取雷声音频信号，然后在雷声音频信号中加入高斯白噪声信号，构成含噪信号；其次，对含噪信号选择小波基函数及分解层数进行次小波变换处理，得到不同尺度的小波系数；再次，对不同尺度的小波系数选择阈值规则、阈值函数、阈值规则与噪声方差间的关系函数一一进行阈值处理，得到原始雷声信号的估计值；然后，对原始雷声信号的估计值进行小波逆变换处理得到去噪后的雷声信号小波系数；最后，将所有去噪后的雷声信号小波系数进行信号重构，得到去噪后的雷声信号。
所述方法的具体步骤如下：
A、读取雷声音频信号s(t)，然后在雷声音频信号中加入高斯白噪声信号h(t)，构成含噪信号为：m(t)＝s(t)+h(t)；
B、对含噪信号m(t)选择小波基函数及分解层数N进行次小波变换处理，得到不同尺度的小波系数ANi，N分解层数，i为每一层分解的序号；所述含噪信号m(t)与不同尺度的小波系数之间的关系为：m(t)＝A11+A12+…+Aab；a∈N，b属于i，
C、对不同尺度的小波系数选择阈值规则、阈值函数、阈值规则与噪声方差间的关系函数一一进行阈值处理，得到原始雷声信号的估计值y；所述阈值规则采用极大极小值阈值规则、固定式阈值规则、启发式阈值规则或无偏风险估计阈值规则其中的任意一种；阈值函数有硬阈值函数或软阈值函数；由于雷声信号的非线性信号，在去噪过程中选择极大极小值阈值规则，并且极大极小值阈值规则δ与其阈值以下的噪声方差估计值相乘，且选用硬阈值函数；
所述极大极小值阈值规则为：
M为小波系数向量的长度；
所述硬阈值函数是将不同尺度的小波系数ANi取绝对值，然后与极大极小值阈值δ进行比较，当其小于给定的小波阈值δ时，取其值为0；反之，取其本身，具体计算公式为：
D、对原始雷声信号的估计值进行小波逆变换处理得到去噪后的雷声信号小波系数B11、B12、...、BNi；
E、将所有去噪后的雷声信号小波系数进行信号重构，即将所有去噪后的小波系数叠加，重构后的信号就是去噪后的雷声信号为：f(t)＝B11+B12+…+BNi。
所述步骤B中，小波基函数来源于一维小波函数，其中，一维小波函数“wden”的调用格式为Y＝wden(X，TPTR，SORH，SCAL，N，’wname’)，函数中Y为去噪后的信号，X为含噪的原始信号，TPTR为阈值规则的选择，SORH为阈值函数的选择，SCAL为所选用阈值与噪声方差间的关系函数，N为小波的分解层数，’wname’为小波基函数；
所述小波基函数及分解层数的选择步骤具体如下：
Step1、将56种小波基函数归为一个数组a；
Step2、分解层数从第一层至第十层归为一个数组b；
Step3、将数组a和数组b一一对应组合，共形成560种组合；
Step4、将Step3中的560种组合分别带入到一维小波函数“wden”中对含噪的雷声信号m(t)进行去噪；
Step5、用雷声信号时域图和相关系数表示每一种小波基函数和分解层数组合的去噪效果；相关系数k的表达式为：
其中，cov(s(t)，m(t))为协方差，std(s(t))、std(m(t)分别为原始雷声信号与含噪雷声信号的标准差；
Step6、寻找560种组合中去噪效果最好时所采用的小波基函数及分解层数为本方案中的选择，即求相关系数越接近1，说明去噪效果越好。
本发明的有益效果是：
本发明提供一种基于一维小波变换的雷声去噪方法，能够对雷声音频信号中含有的风声、雨声等自然界中存在的高斯白噪声进行去噪，且能够寻找出雷声音频去噪的最优小波基和最佳分解层数，且其去噪后的相关系数能够达到99.68％，时域信号也较平滑。
附图说明
图1是本发明的流程图；
图2是本发明原始雷声信号的时域图；
图3是本发明加噪雷声信号的时域图；
图4是本发明去噪效果最佳雷声信号的时域图。
具体实施方式
实施例1：如图1-4所示，一种基于一维小波变换的雷声去噪方法，首先，读取雷声音频信号，然后在雷声音频信号中加入高斯白噪声信号，构成含噪信号；其次，对含噪信号选择小波基函数及分解层数进行次小波变换处理，得到不同尺度的小波系数；再次，对不同尺度的小波系数选择阈值规则、阈值函数、阈值规则与噪声方差间的关系函数一一进行阈值处理，得到原始雷声信号的估计值；然后，对原始雷声信号的估计值进行小波逆变换处理得到去噪后的雷声信号小波系数；最后，将所有去噪后的雷声信号小波系数进行信号重构，得到去噪后的雷声信号。
所述方法的具体步骤如下：
A、读取雷声音频信号s(t)，如图2所示，然后在雷声音频信号中加入高斯白噪声信号h(t)，构成含噪信号为：m(t)＝s(t)+h(t)；如图3所示；
B、对含噪信号m(t)选择小波基函数及分解层数N进行次小波变换处理，得到不同尺度的小波系数ANi，N分解层数，i为每一层分解的序号；所述含噪信号m(t)与不同尺度的小波系数之间的关系为：m(t)＝A11+A12+…+Aab；a∈N，b属于i，
C、对不同尺度的小波系数选择阈值规则、阈值函数、阈值规则与噪声方差间的关系函数一一进行阈值处理，得到原始雷声信号的估计值y；所述阈值规则采用极大极小值阈值规则、固定式阈值规则、启发式阈值规则或无偏风险估计阈值规则其中的任意一种；阈值函数有硬阈值函数或软阈值函数；由于雷声信号的非线性信号，在去噪过程中选择极大极小值阈值规则，并且极大极小值阈值规则δ与其阈值以下的噪声方差估计值相乘，且选用硬阈值函数；
所述极大极小值阈值规则为：
M为小波系数向量的长度；
所述硬阈值函数是将不同尺度的小波系数ANi取绝对值，然后与极大极小值阈值δ进行比较，当其小于给定的小波阈值δ时，取其值为0；反之，取其本身，具体计算公式为：
D、对原始雷声信号的估计值进行小波逆变换处理得到去噪后的雷声信号小波系数B11、B12、...、BNf；
E、将所有去噪后的雷声信号小波系数进行信号重构，即将所有去噪后的小波系数叠加，重构后的信号就是去噪后的雷声信号为：f(t)＝B11+B12+…+BNi，如图4所示。
所述步骤B中，小波基函数来源于一维小波函数，其中，一维小波函数“wden”的调用格式为Y＝wden(X，TPTR，SORH，SCAL，N，’wname’)，函数中Y为去噪后的信号，X为含噪的原始信号，TPTR为阈值规则的选择，SORH为阈值函数的选择，SCAL为所选用阈值与噪声方差间的关系函数，N为小波的分解层数，’wname’为小波基函数；
所述小波基函数及分解层数的选择步骤具体如下：
Step1、将56种小波基函数归为一个数组a；
Step2、分解层数从第一层至第十层归为一个数组b；
Step3、将数组a和数组b一一对应组合，共形成560种组合；
Step4、将Step3中的560种组合分别带入到一维小波函数“wden”中对含噪的雷声信号m(t)进行去噪；
Step5、用雷声信号时域图和相关系数表示每一种小波基函数和分解层数组合的去噪效果；相关系数k的表达式为：
其中，cov(s(t)，m(t))为协方差，std(s(t))、std(m(t)分别为原始雷声信号与含噪雷声信号的标准差；
Step6、寻找560种组合中去噪效果最好时所采用的小波基函数及分解层数为本方案中的选择，即求相关系数越接近1，说明去噪效果越好。
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (3)
1.一种基于一维小波变换的雷声去噪方法，其特征在于：首先，读取雷声音频信号，然后在雷声音频信号中加入高斯白噪声信号，构成含噪信号；其次，对含噪信号选择小波基函数及分解层数进行次小波变换处理，得到不同尺度的小波系数；再次，对不同尺度的小波系数选择阈值规则、阈值函数、阈值规则与噪声方差间的关系函数一一进行阈值处理，得到原始雷声信号的估计值；然后，对原始雷声信号的估计值进行小波逆变换处理得到去噪后的雷声信号小波系数；最后，将所有去噪后的雷声信号小波系数进行信号重构，得到去噪后的雷声信号。
2.根据权利要求1所述的基于一维小波变换的雷声去噪方法，其特征在于：所述方法的具体步骤如下：
A、读取雷声音频信号s(t)，然后在雷声音频信号中加入高斯白噪声信号h(t)，构成含噪信号为：m(t)＝s(t)+h(t)；
B、对含噪信号m(t)选择小波基函数及分解层数N进行次小波变换处理，得到不同尺度的小波系数ANi，N分解层数，i为每一层分解的序号；所述含噪信号m(t)与不同尺度的小波系数之间的关系为：m(t)＝A11+A12+…+Aab；a∈N，b∈i，
C、对不同尺度的小波系数选择阈值规则、阈值函数、阈值规则与噪声方差间的关系函数一一进行阈值处理，得到原始雷声信号的估计值y；所述阈值规则采用极大极小值阈值规则、固定式阈值规则、启发式阈值规则或无偏风险估计阈值规则其中的任意一种；阈值函数有硬阈值函数或软阈值函数；由于雷声信号的非线性信号，在去噪过程中选择极大极小值阈值规则，并且极大极小值阈值规则δ与其阈值以下的噪声方差估计值相乘，且选用硬阈值函数；
所述极大极小值阈值规则为：
M为小波系数向量的长度；
所述硬阈值函数是将不同尺度的小波系数ANi取绝对值，然后与极大极小值阈值δ进行比较，当其小于给定的小波阈值δ时，取其值为0；反之，取其本身，具体计算公式为：
D、对原始雷声信号的估计值进行小波逆变换处理得到去噪后的雷声信号小波系数B11、B12、…、BNi；
E、将所有去噪后的雷声信号小波系数进行信号重构，即将所有去噪后的小波系数叠加，重构后的信号就是去噪后的雷声信号为：f(t)＝B11+B12+…+BNi。
3.根据权利要求2所述的基于一维小波变换的雷声去噪方法，其特征在于：所述步骤B中，小波基函数来源于一维小波函数，其中，一维小波函数“wden”的调用格式为Y＝wden(X，TPTR，SORH，SCAL，N，’wname’)，函数中Y为去噪后的信号，X为含噪的原始信号，TPTR为阈值规则的选择，SORH为阈值函数的选择，SCAL为所选用阈值与噪声方差间的关系函数，N为小波的分解层数，’wname’为小波基函数；
所述小波基函数及分解层数的选择步骤具体如下：
Step1、将56种小波基函数归为一个数组a；
Step2、分解层数从第一层至第十层归为一个数组b；
Step3、将数组a和数组b一一对应组合，共形成560种组合；
Step4、将Step3中的560种组合分别带入到一维小波函数“wden”中对含噪的雷声信号m(t)进行去噪；
Step5、用雷声信号时域图和相关系数表示每一种小波基函数和分解层数组合的去噪效果；相关系数k的表达式为：
其中，cov(s(t),m(t))为协方差，std(s(t))、std(m(t)分别为原始雷声信号与含噪雷声信号的标准差；
Step6、寻找560种组合中去噪效果最好时所采用的小波基函数及分解层数为本方案中的选择，即求相关系数越接近1，说明去噪效果越好。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811050105.2A CN109409206A (zh) | 2018-09-10 | 2018-09-10 | 一种基于一维小波变换的雷声去噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811050105.2A CN109409206A (zh) | 2018-09-10 | 2018-09-10 | 一种基于一维小波变换的雷声去噪方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109409206A true CN109409206A (zh) | 2019-03-01 |
Family
ID=65464654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811050105.2A Pending CN109409206A (zh) | 2018-09-10 | 2018-09-10 | 一种基于一维小波变换的雷声去噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109409206A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599425A (zh) * | 2019-09-17 | 2019-12-20 | 青岛海月辉科技有限公司 | 一种适用于acfm信号小波去噪的小波参数选择方法 |
| CN111145113A (zh) * | 2019-12-19 | 2020-05-12 | 北京无线电计量测试研究所 | 一种gps共视远程数据处理方法和系统 |
| CN111914736A (zh) * | 2020-07-29 | 2020-11-10 | 上海亨通海洋装备有限公司 | 紫外可见光谱降噪综合评价参数及其去噪方法 |
| CN111951816A (zh) * | 2020-07-28 | 2020-11-17 | 深圳供电局有限公司 | 一种降低语音交换系统杂音的方法、计算机设备及介质 |
| CN113947121A (zh) * | 2021-10-19 | 2022-01-18 | 山东农业大学 | 基于模极大值降噪评估的小波基函数选择方法及系统 |
| CN113992237A (zh) * | 2021-10-27 | 2022-01-28 | 天津光电通信技术有限公司 | 基于5g脉冲成形的小波自适应阈值信噪分离方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101936767A (zh) * | 2010-09-27 | 2011-01-05 | 上海交通大学 | 提取工程机械运特征信号的方法 |
| CN102590716A (zh) * | 2012-02-11 | 2012-07-18 | 广东电网公司电力科学研究院 | 一种基于小波分析的电力电缆局部放电信号去噪方法 |
| CN102982808A (zh) * | 2012-12-05 | 2013-03-20 | 张雪晶 | 基于小波变换的语音去噪装置及方法 |
| CN103216461A (zh) * | 2013-04-17 | 2013-07-24 | 南京航空航天大学 | 轴流式压气机的失速先兆识别方法 |
| CN103761719A (zh) * | 2014-01-06 | 2014-04-30 | 暨南大学 | 一种基于邻域相关性的自适应小波阈值去噪方法 |
| US20150297141A1 (en) * | 2014-04-21 | 2015-10-22 | United States Army Research Laboratory ATTN:RDRL-LOC-I | Method for improving the signal to noise ratio of a wave form |
| CN107274908A (zh) * | 2017-06-13 | 2017-10-20 | 南京邮电大学 | 基于新阈值函数的小波语音去噪方法 |
-
2018
- 2018-09-10 CN CN201811050105.2A patent/CN109409206A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101936767A (zh) * | 2010-09-27 | 2011-01-05 | 上海交通大学 | 提取工程机械运特征信号的方法 |
| CN102590716A (zh) * | 2012-02-11 | 2012-07-18 | 广东电网公司电力科学研究院 | 一种基于小波分析的电力电缆局部放电信号去噪方法 |
| CN102982808A (zh) * | 2012-12-05 | 2013-03-20 | 张雪晶 | 基于小波变换的语音去噪装置及方法 |
| CN103216461A (zh) * | 2013-04-17 | 2013-07-24 | 南京航空航天大学 | 轴流式压气机的失速先兆识别方法 |
| CN103761719A (zh) * | 2014-01-06 | 2014-04-30 | 暨南大学 | 一种基于邻域相关性的自适应小波阈值去噪方法 |
| US20150297141A1 (en) * | 2014-04-21 | 2015-10-22 | United States Army Research Laboratory ATTN:RDRL-LOC-I | Method for improving the signal to noise ratio of a wave form |
| CN107274908A (zh) * | 2017-06-13 | 2017-10-20 | 南京邮电大学 | 基于新阈值函数的小波语音去噪方法 |
Non-Patent Citations (6)
| Title |
|---|
| MARINA COCCHI 等: "Multicomponent analysis of electrochemical signals in the wavelet domain", 《TALANTA》 * |
| SINTHOP KAEWPIJIT 等: "Automatic Reduction of Hyperspectral Imagery Using Wavelet Spectral Analysis", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
| 侯林峰 等: "小波变换阈值去噪法在GPS数据处理中的应用", 《全球定位系统》 * |
| 张旭东 等: "不同信号的小波变换去噪方法", 《石油地球物理勘探》 * |
| 武慧娟 等: "小波包降噪在雷声信号处理中的应用", 《声学技术》 * |
| 涂斌斌 等: "步态识别的小波去噪质量评价方法", 《沈阳工业大学学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599425A (zh) * | 2019-09-17 | 2019-12-20 | 青岛海月辉科技有限公司 | 一种适用于acfm信号小波去噪的小波参数选择方法 |
| CN111145113A (zh) * | 2019-12-19 | 2020-05-12 | 北京无线电计量测试研究所 | 一种gps共视远程数据处理方法和系统 |
| CN111951816A (zh) * | 2020-07-28 | 2020-11-17 | 深圳供电局有限公司 | 一种降低语音交换系统杂音的方法、计算机设备及介质 |
| CN111914736A (zh) * | 2020-07-29 | 2020-11-10 | 上海亨通海洋装备有限公司 | 紫外可见光谱降噪综合评价参数及其去噪方法 |
| CN113947121A (zh) * | 2021-10-19 | 2022-01-18 | 山东农业大学 | 基于模极大值降噪评估的小波基函数选择方法及系统 |
| CN113947121B (zh) * | 2021-10-19 | 2024-06-14 | 山东农业大学 | 基于模极大值降噪评估的小波基函数选择方法及系统 |
| CN113992237A (zh) * | 2021-10-27 | 2022-01-28 | 天津光电通信技术有限公司 | 基于5g脉冲成形的小波自适应阈值信噪分离方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109409206A (zh) | 一种基于一维小波变换的雷声去噪方法 | |
| Abd El-Fattah et al. | Speech enhancement with an adaptive Wiener filter | |
| CN106340292B (zh) | 一种基于连续噪声估计的语音增强方法 | |
| CN109378013A (zh) | 一种语音降噪方法 | |
| CN104375973B (zh) | 一种基于集合经验模态分解的盲源信号去噪方法 | |
| CN103021420B (zh) | 一种基于相位调整和幅值补偿的多子带谱减法的语音增强方法 | |
| CN106441288A (zh) | 一种加速度计的自适应小波降噪方法 | |
| CN109446928A (zh) | 一种基于变分模态分解和最小均方误差自适应滤波器的信号降噪方法 | |
| CN102624349B (zh) | 一种对原始数据低失真的谐波噪声干扰和白噪声干扰的去除方法 | |
| CN102393423A (zh) | 基于自适应阈值正交小波变换的兰姆波去噪方法 | |
| CN106199532A (zh) | 基于混合傅立叶‑小波分析的探地雷达信号降噪方法 | |
| CN103778921A (zh) | 消除雷达采集到的语音中的不均匀噪声的方法 | |
| CN106356058B (zh) | 一种基于多频带特征补偿的鲁棒语音识别方法 | |
| CN110909827A (zh) | 一种适用于风机叶片声音信号的降噪方法 | |
| CN104280776B (zh) | 一种自适应小波阈值求取方法 | |
| Prasadh et al. | Efficiency analysis of noise reduction algorithms: Analysis of the best algorithm of noise reduction from a set of algorithms | |
| CN110032968B (zh) | 基于双树复小波和自适应半软阈值法的去噪方法 | |
| CN107123431A (zh) | 一种水声信号降噪方法 | |
| CN105740762A (zh) | 一种信噪分离的优化方法 | |
| CN109658944A (zh) | 直升机声信号增强方法及装置 | |
| Lei et al. | Speech enhancement for nonstationary noises by wavelet packet transform and adaptive noise estimation | |
| Ou et al. | Frame-based time-scale filters for underwater acoustic noise reduction | |
| Hendriks et al. | MAP estimators for speech enhancement under normal and Rayleigh inverse Gaussian distributions | |
| Jaffery et al. | Selection of optimal decomposition level based on entropy for speech denoising using wavelet packet | |
| Wu et al. | Noise-robust speech feature processing with empirical mode decomposition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190301 |