小波变换的语音去噪方法

doi:10.3778/j.issn.1002-8331.2009.36.043

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (36): 145-147.DOI: 10.3778/j.issn.1002-8331.2009.36.043

• 数据库、信号与信息处理 • 上一篇下一篇

小波变换的语音去噪方法

李从清^1，2，孙立新¹，龙东³，李洙梁¹，戴士杰¹

1.河北工业大学机械学院，天津 300130
2.天津城市建设学院能源与机械工程系，天津 300384
3.中国人民解放军总参陆航研究所八室，北京 101101

收稿日期:2008-07-15 修回日期:2008-11-27 出版日期:2009-12-21 发布日期:2009-12-21
通讯作者: 李从清

Method of speech denoising using wavelet transform

LI Cong-qing^1，2，SUN Li-xin¹，LONG Dong³，LI Zhu-liang¹，DAI Shi-jie¹

1.School of Mechanical Engineering，Hebei University of Technology，Tianjin 300130，China
2.Department of Energy Sources and Mechanical Engineering，Tianjin Urban Construction Institute，Tianjin 300384，China
3.Army Aviation Research Institute of PLA，Beijing 101101，China

Received:2008-07-15 Revised:2008-11-27 Online:2009-12-21 Published:2009-12-21
Contact: LI Cong-qing

摘要/Abstract

摘要： 提出一种改进的语音去噪处理方法：二次小波分解全局阈值法。该方法不同于传统阈值滤波方法，首先对语音信号的高频部分进行二次分解，然后应用阈值滤波的方法对信号进行去噪处理。该方法在MATLAB上进行了模拟实验，实验结果表明该方法提高了信噪比，去除了大部分噪声，相当完整地保留了有效信号能量，很好地解决噪声对语音信号干扰的问题。

关键词: 小波变换, 语音去噪, 阈值滤波

Abstract: An improved method of speech denoising processing is put forward：Second-decomposition wavelet global threshold.This method is different from the traditional threshold filtering.First，it decomposes high frequency twice，and then denoises the signal by threshold filtering.Simulated test is made on MATLAB.Test results show that the algorithm improves signal to noise ratio，and wipes off the most noise with full effective energy.The interference problem of noise signal is absolutely solved.

Key words: wavelet transform, speech denoising, threshold filtering

中图分类号:

TN912.3

李从清^1，2，孙立新¹，龙东³，李洙梁¹，戴士杰¹. 小波变换的语音去噪方法[J]. 计算机工程与应用, 2009, 45(36): 145-147.

LI Cong-qing^1，2，SUN Li-xin¹，LONG Dong³，LI Zhu-liang¹，DAI Shi-jie¹. Method of speech denoising using wavelet transform[J]. Computer Engineering and Applications, 2009, 45(36): 145-147.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[4]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[5]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[6]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[7]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[8]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[9]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[10]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[11]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.
[12]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.
[13]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.
[14]	张艺超，袁贞明，孙晓燕. 基于心冲击信号的睡姿识别[J]. 计算机工程与应用, 2018, 54(17): 135-140.
[15]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.

小波变换的语音去噪方法

Method of speech denoising using wavelet transform

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics