基于奇异谱分析的最优分解层数确定算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (36): 137-141.

• 数据库、信号与信息处理 • 上一篇下一篇

基于奇异谱分析的最优分解层数确定算法

伍龙1，邢丽坤2，陈帅1

1.淮南师范学院电气信息工程学院，安徽淮南 232001
2.安徽理工大学电气与信息工程学院，安徽淮南 232001

出版日期:2012-12-21 发布日期:2012-12-21

Determination algorithm of optimal decomposition level based on singular spectrum analysis

WU Long1, XING Likun2, CHEN Shuai1

1.College of Electrical and Information Engineering, Huainan Normal University, Huainan, Anhui 232001, China
2.College of Electrical and Information Engineering, Anhui University of Science and Technology, Huainan, Anhui 232001, China

Online:2012-12-21 Published:2012-12-21

摘要/Abstract

摘要： 将奇异谱分析理论引入小波阈值算法中实现了一种基于奇异谱分析的自适应最优分解层数确定算法。通过对比不同信噪比下带噪信号的奇异谱分布情况，根据小波系数的奇异谱特性来确定最优分解层数。经测试，该算法可以根据带噪信号受噪声干扰情况自适应地确定最优分解层数，有效提高了语音增强效果并且避免了不必要的硬件资源浪费。

关键词: 最优分解层数, 语音增强, 奇异谱分析, 阈值降噪

Abstract: This paper, applying the singular spectral analysis theory to the wavelet threshold denoising algorithm, realizes an adaptive determination algorithm??for optimal level of decomposition. Comparing distribution of the singular spectral with noise signals under different SNR environments, it determines the optimal decomposition level based on the singular spectrum characteristics of wavelet coefficients. Being tested, the algorithm can adaptively determine the optimal decomposition level, according to noise interference of noise signals, effectively increasing voice enhancement effect and avoiding unnecessary waste of hardware resources.

Key words: optimal decomposition level, speech enhancement, singular spectral analysis, threshold denoising

伍龙1，邢丽坤2，陈帅1. 基于奇异谱分析的最优分解层数确定算法[J]. 计算机工程与应用, 2012, 48(36): 137-141.

WU Long1, XING Likun2, CHEN Shuai1. Determination algorithm of optimal decomposition level based on singular spectrum analysis[J]. Computer Engineering and Applications, 2012, 48(36): 137-141.

[1]	王师琦，曾庆宁，龙超，熊松龄，祁潇潇. 语音增强与检测的多任务学习方法研究[J]. 计算机工程与应用, 2021, 57(20): 197-202.
[2]	王雁，贾海蓉，吉慧芳，王卫梅. 特征联合优化深度信念网络的语音增强算法[J]. 计算机工程与应用, 2019, 55(9): 38-42.
[3]	吉慧芳，贾海蓉，王雁. 改进相位谱补偿的语音增强方法[J]. 计算机工程与应用, 2019, 55(8): 48-52.
[4]	王杰1，杨程程1，莫嘉永2，王敦泽1，王谢谢1. 谐波重构先验信噪比估计算法[J]. 计算机工程与应用, 2018, 54(7): 44-48.
[5]	王虎，李晶，赵恒淼，臧燕，李春堂. 稀疏低秩模型及相位谱补偿的语音增强算法[J]. 计算机工程与应用, 2018, 54(5): 150-155.
[6]	王波，于凤芹，陈莹. 基于非平滑非负矩阵分解语音增强[J]. 计算机工程与应用, 2017, 53(7): 160-164.
[7]	宋丽君，蒋建虎. 小波阈值降噪中阈值函数族的一般构造方法[J]. 计算机工程与应用, 2017, 53(19): 236-240.
[8]	王霞1，王丹1，王光艳2，张艳1. 压缩感知与EMD相结合的带噪面罩语音增强[J]. 计算机工程与应用, 2017, 53(18): 137-140.
[9]	张建伟，陶亮，周健，王华彬. 基于改进谱平滑策略的IMCRA算法及其语音增强[J]. 计算机工程与应用, 2017, 53(1): 153-157.
[10]	胡永刚1，张雄伟1，邹霞1，闵刚1，2，张立伟1，王健3. ADMM稀疏非负矩阵分解语音增强算法[J]. 计算机工程与应用, 2016, 52(3): 108-112.
[11]	宁矿凤，王景芳. DCT域维纳滤波语音增强[J]. 计算机工程与应用, 2015, 51(8): 226-230.
[12]	曹龙涛1，李如玮1，鲍长春1，吴水才2. 基于噪声估计的二值掩蔽语音增强算法[J]. 计算机工程与应用, 2015, 51(17): 222-227.
[13]	谷鹏1，2，朱俊华1，2，丁飞1，2. 一种含噪压缩感知的语音消噪方法[J]. 计算机工程与应用, 2015, 51(15): 216-220.
[14]	王瑜琳1，田学隆1，2，高雪利1. 自适应滤波语音增强算法改进及其DSP实现[J]. 计算机工程与应用, 2015, 51(1): 208-212.
[15]	徐文超，王光艳，耿艳香，白芳，费腾. 基于谱减法和变步长LMS语音增强算法[J]. 计算机工程与应用, 2015, 51(1): 213-217.

基于奇异谱分析的最优分解层数确定算法

Determination algorithm of optimal decomposition level based on singular spectrum analysis

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