【正文】 30 致謝 畢業(yè)設(shè)計(jì)是大學(xué)本科四年最后一次考核環(huán)節(jié)，也是最重要的一次考核，是衡量一個(gè)本科學(xué)生是否具有能夠運(yùn)用自己所學(xué)的專業(yè)知識(shí)解決具體問題的能力。在利用小波變換進(jìn)行去噪的過程中，著重對(duì)去噪函數(shù)的選擇、小波分解層數(shù)的確定以及小波閥值的選取和量化進(jìn)行了深入的探討，并以語音信號(hào)為背景信號(hào)進(jìn)行了多組實(shí)驗(yàn)，得出的實(shí)驗(yàn)結(jié)果經(jīng) 過分析很有參考價(jià)值。 實(shí)驗(yàn)結(jié)果對(duì)比 選擇 中含有噪 聲的仿真信號(hào) noisbloc 作為原始信號(hào)，分別使用 FFT 和小波分析方法對(duì)信號(hào)進(jìn)行去噪處理，采用的小波是 sym8，分解層數(shù)為 5，對(duì)比結(jié)果如下圖所示。 23 第四章 小波去噪的 MATLAB 仿真對(duì)比試驗(yàn) 傅里葉變換 自 Fourier 提出了 Fourier 分析這一全新的觀點(diǎn)后，在分析領(lǐng)域內(nèi)產(chǎn)生了重要的影響，使數(shù)學(xué)、物理等學(xué)科發(fā)生了極大的變化，引起了人們的廣泛研究。 3) 利用 kjw,? 進(jìn)行小波重構(gòu)，得到估計(jì)信號(hào) )(kf? 。 實(shí)驗(yàn)的結(jié)果如圖 ， ， ， 所示。 本文實(shí)驗(yàn)中第一部分選取的是采集的 含噪語音信號(hào) 和含高斯白噪聲語音信號(hào) ，對(duì)比實(shí)驗(yàn)中選取的 noisbloc 含噪語音信號(hào)，其中的噪聲均屬于起伏噪聲，這是本文的研究重點(diǎn)。實(shí)際應(yīng)用中，目前主要是通過用小波分析方法處理信號(hào)的結(jié)果與理論結(jié)果的誤差來判定小波函數(shù)的好壞，并由此選擇小波函數(shù)。 小波去噪函數(shù)的選取 從 節(jié)中 可以看出小波變換有眾多的小波函數(shù)可以選擇，使得同一信號(hào)可以在不同的變換基上展開，得到不同的結(jié)果。 2) [xd,cxd,lxd]=wden(x,tptr,sorh,scal,level,wname): 最主要的一維小波去噪函數(shù)。對(duì)于衡量含有水印信息的圖像和原始圖像在品質(zhì)上的差異，可以采用 MSE 作為一種評(píng)估手段，得到圖像質(zhì)量變化的客觀指標(biāo)。 閥值的選取 閾值化處理的關(guān)鍵問題是選擇合適的閾值如果閾值 (門限 ) 太小 ， 去噪后的信號(hào)仍然有噪聲存在 ； 相反 ， 如果太大 ， 重要信號(hào)特征將被濾掉 ， 引起偏差。 c) 對(duì)處理過的小波系數(shù)作逆變換 w10? 重構(gòu)信號(hào) [10]： dwwf nt 010* ??? (25) 即可得到受污染采樣信號(hào)去噪后的信號(hào)。以前使用 FFT 的地方，現(xiàn)在都可以利用小波分析并且效果更好，本文就是一個(gè)很好的例子，它能對(duì)幾乎所有的常見函數(shù)空間給出簡(jiǎn)單的刻畫，也能用小波展開系數(shù)描述的局部性質(zhì)，特別是在信號(hào)處理和語音分析中，由于它的局部分析性能優(yōu)越，在數(shù)據(jù)壓縮、去噪和邊緣檢測(cè)等方面比傳統(tǒng)的手段效果更佳。 2) 對(duì)小波分析方法進(jìn)行了概括 、 分析 和總結(jié)。結(jié)論是線性濾波器在信號(hào)與噪聲彼此相關(guān)情況下不能很好工作。 如 在信號(hào)分析方面的濾波、去噪聲、壓縮、傳遞等 ；在圖象處理方面的圖象壓縮、分類、識(shí)別與診斷 、 去污等 ； 在醫(yī)學(xué)成像方面的減少 B 超、 CT、核磁共振成像的時(shí)間，提高分辨率等。 4. 語音識(shí)別領(lǐng)域 ： 當(dāng)前語音識(shí)別是一個(gè)熱門的話題。由于周圍環(huán)境的影響、所用設(shè)備的限制和犯罪嫌疑人講話的清晰程度，使得錄音的語言信號(hào)或多或少會(huì)受噪音的干擾。利用小波方法去噪，是小波分析應(yīng)用于實(shí)際的重要方面。 環(huán)境噪聲的污染使得許多語音識(shí)別系統(tǒng)的性能急劇惡化，正是由于各種各樣的語音處理系統(tǒng)在噪聲的干擾 下性能得不到保障，才導(dǎo)致了其商業(yè)化腳步很緩慢。這時(shí)候就需要對(duì)采訪錄音進(jìn)行去噪處理，以便讓聽眾能夠更清楚地聽到記者和被采訪者之間的對(duì)話?，F(xiàn)在，它已經(jīng)在科技信息產(chǎn)業(yè)領(lǐng)域取得了令人矚目的成就。解決以上問題的最有效方法就是采用數(shù)字信號(hào)處理技術(shù)，具有很強(qiáng)的靈活性和穩(wěn)定性 在數(shù)字信號(hào)處理早期研究中，線性濾波器是噪聲抑制處理的主要手段。 隨著現(xiàn)代工業(yè)控制與軍事發(fā)展，對(duì)信號(hào)降噪技術(shù)的要求也越來越高。 5 本章小結(jié) 本章主要介紹了語音信號(hào)小波閥值去噪方法的研究背景、現(xiàn)狀和意義，然后總結(jié)了本文的研究?jī)?nèi)容和論文的結(jié)構(gòu)安排。在實(shí)際工程應(yīng)用中，有用信號(hào)通常表現(xiàn)為低頻信號(hào)或是一些比較平穩(wěn)的信號(hào)，而噪聲信號(hào)則通常表現(xiàn)為高頻信號(hào)，所以可以先對(duì)含噪信號(hào)進(jìn)行小波分解 [7]（如進(jìn)行三層分解）： 321312211CDCDCDCACDCDCACDCAS????????? (22) 圖 三層小波分解示意圖 其中 iCA 為分解的近似部分，為 iCD 分解的細(xì)節(jié)部分， 321 ,i? ,則噪聲部分通常包含在 1CD ， 2CD ， 3CD 中，用 門限閾值對(duì)小波系數(shù)進(jìn)行處理，重構(gòu)信號(hào)即可達(dá)到去噪的目的。 在 MATLAB 中有 4 種閾值函數(shù)形式 [13]可以選用 : 1) sqtwolog:采用固定的閾值形式，如式 (24)，因?yàn)檫@種閾值形式在軟門限閾值處理中能夠得到直觀意義上很好的去噪 效果。具體計(jì)算中，由于 SNR 的計(jì)算復(fù)雜度相對(duì)比較大，一般采用 PSNR 來代替 SNR。 小波去噪函數(shù)集合 MATLAB 中 常用的小波去噪函數(shù) [14]有。還有功能更強(qiáng)大的用于一維或二維小波去噪或壓縮的函數(shù) wdencmp()。消失矩則定義了小波變換的有效性，消失矩越高則變換系數(shù)衰減越快，變換也就更有效。脈沖噪聲是突發(fā)出現(xiàn)的幅度高而持續(xù)時(shí)間短的離散脈沖，主要特點(diǎn)是其突發(fā)的脈沖幅度大，但持續(xù)時(shí)間短，且相鄰?fù)话l(fā)脈沖之間往往有較長(zhǎng)的 16 安靜時(shí)段。 4） 對(duì)信號(hào)進(jìn)行強(qiáng)制性消噪處理。而軟、硬閥值折衷法同時(shí)克服了軟閥值和硬閥值方法的缺點(diǎn)。從實(shí)驗(yàn)數(shù)據(jù)中可以看出，軟、硬閥值折衷去噪效果更好，基本不受 j? 影響。即應(yīng)給一個(gè)可調(diào)時(shí)頻窗， Fourier 分析不能做到這一點(diǎn)，從而不適于做局部分析。 本章小結(jié) 在本章的開始， 簡(jiǎn)略介紹了 Fourier 分析在實(shí)踐中的應(yīng)用與局限性，于是本文的小波閥值信號(hào)去噪方法因?yàn)槠鋬?yōu)良的特性應(yīng)運(yùn)而生。 基于本文的小波閥值去噪算法有著良好的性能，有理由相信在實(shí)際中得到更廣泛的應(yīng)用。 最后懇切希望各位老師認(rèn)真審閱，指出其中的不足之處。ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3tnGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。849Gx^Gj qv^$UE9wEwZQcUE%amp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 849Gx^Gjqv^$UE9wEwZQcUE%amp。MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 849Gx^Gj qv^$UE9wEwZQcUE% amp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。MuWFA5ux^Gjqv^$UE9wEwZQcUE% amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$U*3t nGK8!z89Am YWpazadNuKNamp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%MadNuKNamp。 ksv*adNuKNamp。 ksv*3tnGK8! z89Am YWpazadNuKNamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8!z89Am YWpazadNuKNamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。qYpEh5pDx2zVkumamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$U*3t nGK8!z89Am YWpazadNuKNamp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。 gTXRm6X4NGpP$vSTTamp。 qYpEh5pDx2zVkum amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 qYpEh5pDx2zVkumamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz84! z89。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gjqv^$UE9wEwZQcadNuKNamp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkum amp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3tnGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$U*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWv*3tnGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8!z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn%Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkum amp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkumamp。 gTXRm 6X4NGpP$vSTTamp。 qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 6a*CZ7H$dq8Kqqf HVZFedswSyXTyamp。 27 28 參考文獻(xiàn) [1] Delyon B,Juditsky A,Benveniste Analysis for Wavelet Approximation[J]. IEEE Transactions on Neural Networks,1995,(6) :320350. [2] Gregory B Domino 開發(fā) Web 站點(diǎn) [M