导读:本文包含了语音降噪论文开题报告文献综述、选题提纲参考文献，主要关键词:语音,降噪,滤波器,神经网络,噪声,自适应,处理器。
语音降噪论文文献综述写法
王方杰,金赟[1]（2019）在《基于会议电话中的实时语音降噪算法研究》一文中研究指出在兼顾降噪性能和功耗的基础上,提出一种基于多特征估计的实时语音降噪算法。算法首先将输入信号进行快速傅里叶变化,并根据概率密度进行噪声估计;然后分别计算输入信号的3个特征频谱平坦度、频谱差异度和似然值,并将特征值映射到激活函数上求出语音概率;最后根据该概率来更新滤波器系数,从而获得去噪的信号。与改进谱减法、自适应维纳滤波法和基于调制深度的算法的实验对比显示,提出算法的信噪比改善情况明显好于其他算法,最大改善幅度达到16 d B左右。此外,主观语音质量评估的效果也高于其他算法。(本文来源于《电子器件》期刊2019年01期）
吴世杰[2]（2018）在《车载多媒体语音降噪识别系统设计》一文中研究指出阐述硬件的设计及软件控制。特别说明降噪实现的核心方法及过程中实验数据比对。根据车辆内部构造布局麦克风数量及布局方式。通过测试验证设计方案的可行性,车载多媒体和语音降噪模块分开布局这个独特组合方式可以较好分布在不同的汽车结构,并获取最佳的语音降噪效果。配合百度DuerOS应用软件可以实现语音识别实现语音控制。(本文来源于《机电工程技术》期刊2018年09期）
陈黎明,陈铖颖,杨骏[3]（2018）在《用于智能传声器的低功耗语音降噪处理器设计》一文中研究指出研究一种低功耗语音降噪处理器,提高传声器信噪比和智能化程度.该降噪处理器采用专用指令集处理器内核+硬件加速器的异构多核架构,兼顾低功耗、运算效率和灵活性.专用指令集处理器内核为24-bit位宽、多级流水、双哈佛存储结构,定制专用语音加速指令和硬件,提升运算效率.硬件加速器负责密集、规整的时域/频域变换操作,采用可配置结构,保证硬件灵活性,并通过中断和共享存储器机制与专用指令集处理器内核通信.基于SMIC 130nm工艺完成该降噪处理器芯片设计,结果显示处理器完成语音降噪任务,背景噪声下降约10dB,平均电流仅206μA.(本文来源于《上海交通大学学报》期刊2018年09期）
郭一豪[4]（2018）在《基于LMS算法滤波的语音降噪研究》一文中研究指出在实际通信系统中接收到的语音信号通常伴有噪声,甚至在严重情况下降低了语音的质量,极大地影响人们的使用体验。为了解决这个问题,通常在接收端采用自适应滤波器,利用其通过统计噪声的统计特性自动调整本身参数,来达到最佳的语音滤波效果。本文对常见的最小均方误差准则(LMS)自适应噪声抵消法进行相关介绍,并通过MATLAB软件对含噪声语音进行仿真,通过分析本文设计程序的仿真结果来验证LMS算法可以有效抵抗语音噪声并且具备增强语音的效果,实现了本文语音降噪的目标。(本文来源于《电子制作》期刊2018年13期）
陈龙,张小博,张晓灿[5]（2018）在《面向无线电侦听的语音降噪方法》一文中研究指出针对侦听条件下获取到的无线电语音信号的特点,提出一种单通道数字语音降噪方法。受人类听觉系统和人脑神经网络的启发,该方法将计算场景分析与深度学习进行结合,对侦听到的含噪无线电语音信号实现降噪处理。在公开数据库上和真实侦听数据上分别进行实验,并采用客观性能指标和主观谱图分析的方式与其它方法进行对比,验证方法的有效性。(本文来源于《电声技术》期刊2018年04期）
方健[6]（2018）在《基于自动编码的语音降噪技术研究》一文中研究指出语音信号是人类进行交流和沟通的最基本手段,然而在各类语音通信、人机交互等场景中,语音容易受到各种噪声的影响,造成语音质量下降,因此研究高效的语音降噪技术具有重要的理论意义和实用价值。近年来,随着计算机硬件性能的提升以及神经网络技术的发展,深度学习技术在语音降噪中的应用越来越受到重视。本论文重点研究基于噪声自动分类和自动编码器的单通道语音降噪技术。本论文在研究语音信号处理和神经网络算法的基础上,针对单通道语音降噪,提出了一种基于堆迭自动编码器的语音降噪算法。算法采用重迭窗实现输入语音的分帧处理以保证语音信号的帧间连续性,并基于完美重建原则设计了升余弦加窗函数。为充分利用信号的帧间相关性,算法选择连续多帧语音的幅度谱作为自动编码器的输入特征参数,对最优帧数的选择进行了实验验证。算法完成了自动编码器的结构设计,并引入丢弃法、L1&L2正则化和提前终止等方法防止模型出现过拟合现象。本文设计了基于卷积神经网络的噪声自动识别算法实现对Noise X-92噪声库中15种噪声的自动识别。同时为了兼顾降噪性能和模型复杂度,论文根据噪声的谱特征将15种噪声分为4类,并为每类噪声训练了自动编码器模型。论文将卷积神经网络噪声识别器和堆迭自动编码器相结合,利用噪声识别器的判决结果,自主选择自动编码器的模型,最终实现了噪声自适应的堆迭自动编码器语音降噪算法。本文基于THCHS-30语音库和Noise X-92噪声库对所设计的噪声识别器和语音降噪算法进行了测试。测试结果表明:噪声分类器对15种噪声的识别正确率为98.9%,所提出的算法对含噪语音具有良好的降噪效果,对-5d B信噪比的语音,平均语音质量感知评价(PESQ)可提升0.7,短时客观可懂度(STOI)可提升0.37。(本文来源于《苏州大学》期刊2018-04-01）
张孝强[7]（2018）在《一种新的小波包语音降噪方法分析与研究》一文中研究指出近年来,伴随着科技的快速发展,人工智能领域已成为当下最热门的研究领域。交互式语音系统作为最贴切人们生活的研究内容,全球各大顶尖科技公司都为其投入巨资进行研究开发。这一研发过程中首先要解决的就是语音降噪问题。小波包变换作为小波变换的继承和发展,具有多尺度分辨率、选基灵活、时域和频域局部化特性、去相关性等特点,对于信号,通过多层分解,使得噪声在不同的分层上可以有良好的区分,正被广泛的应用于语音信号降噪的相关研究。本学位论文通过对目前小波包变换在语音降噪领域的应用进行调研,针对调研中发现的问题,从四个方面考虑,设计了新的预处理模型和阈值函数模型,并通过仿真对其进行了有效性和实用性测试,主要内容有:分析了小波包分解系数的频率顺序分布特点,按照频率顺序对分解系数进行了重新排序,并依据信号特点进行了分组,解决了传统降噪过程中对于高、低频信号处理效果不佳的问题;以小波包分解系数能量谱为基础,设计了一种系数预处理模型,当面对原始纯净语音信号被噪声信号严重污染时,可以预先减少一部分噪音信号,最大程度的保存最初原始信号;针对各个阈值准则的特点和适用环境,设计了一种混合阈值处理方法,以频率顺序为基础,根据被分析信号的特点,对小波包分解系数进行适当的分组,不同的分组内选用各自最佳的阈值准则,不仅充分发挥了各个阈值准则自身的优点,同时也尽可能的避免了过阈值处理;面对硬阈值函数存在阶跃性、软阈值函数存在恒定误差的问题,设计了一种基于Hermite插值的新阈值函数模型,该函数模型以硬阈值函数为基础,不仅保证了硬阈值函数优点,还克服了阶跃性问题,使得函数在节点处的连续可导,通过对相关参数的设置,还能够实现两种经典函数之间的相互转换。选取纯净简短语音序列和长语音序列,通过大量的仿真实验,结果表明:在一般噪声环境中,当噪声信号为平稳信号时,新的降噪方法能够充分发挥其特点,不仅可以有效的滤除噪声信号,降低噪声信号对原始纯净语音信号的污染,还尽可能的保留了原始信号,减小了信号失真,增强了的信号的信噪比,提升了纯净语音信号的辨别率,达到了理想的降噪效果;当噪声信号为非平稳噪声信号时,新的降噪方法依然优势明显,可以有效的降低噪声信号对原始语音信号的干扰,最大限度的恢复原始纯净信号波形。实验充分验证了新的降噪方法在实际应用中的有效性、优越性和实用性。(本文来源于《兰州交通大学》期刊2018-04-01）
王涛[8]（2018）在《语音降噪处理技术的研究》一文中研究指出随着科学技术的发展,语音识别系统得到了广泛发应用。在一般情况下,目前所有使用的语音识别系统都需要进行语音降噪处理,都存在语音降噪系统。因此,语音降噪算法对于语音识别具有重要的作用,本文为了增强语音降噪算法的效果,对目前的语音降噪算法进行了改进。首先,介绍语音信号产生相关原理、语音信号的特征、噪声相关知识算法和人耳的特性。同时对语音降噪的客观和主观评价方法分别进行了介绍。对于语音降噪处理的算法的评价,我们不仅仅需要考虑算法评价的可操作性和准确性,同时也要避免算法评价的片面性。经过比较,针对主观和客观评价方法,我们通过分析比较选出分段信噪比和波形图两种方法作为对算法评价的客观方法和主观方法。另外一个方面,语音降噪处理的算法运行时间也是一个重要的因素,所以,我们同时也考虑了时间这个因素。然后,主要是针对传统的频谱减法,进行改进并且实现改进的算法。一开始主要对频谱减算法的噪声估计这个阶段进行部分改进。以前传统的噪声估计的方法是基于最小统计和最优平滑的噪声估计,在噪声的估计阶段,本章使用了基于语音检测的噪声估计算法,对噪声进行了有效的估计。其次,针对频谱减法的特点,实现了对语音噪声进行处理的方法。最后,利用仿真实验说明算法的有效性。对于频谱减法在处理噪声的过程中容易产生噪声这个缺点,使用自适应加权平均滤波器,自适应加权平均滤波器在很多领域内都有广泛的使用。同样地,它可以应用到语音信号的噪声消除。自适应加权平均滤波的算法有很多,本文拟采用的是LMS算法。我们在了解自适应滤波算法及其应用的基础上,对LMS算法也进行深入的分析,然后对自适应加权平均滤波的基本算法进行实现,有效的降低了语音处理的噪声。最后,本文提出了基于AR模型参数的估计,结合Kalman滤波的理论,对语音增强算法进行了分析与研究。本文的研究内容是基于AR模型的Kalman语音增强算法研究。针对传统的语音增强算法的不足,本文在谱增益自适应估计方面进行了改进,得到了基于AR模型的Kalman语音增强算法,对语音信号的AR谱包络的估计进行了修改,语音增强的效果得到明显的提高。最后,利用主观评价和客观评价的方法对算法的性能指标进行了评价,并且给出了评价的结果和结果的分析。从实验的结果说明了算法的有效性。(本文来源于《兰州交通大学》期刊2018-04-01）
王涛[9]（2018）在《数字滤波器在实际语音降噪中的应用》一文中研究指出文章使用了2种类型的IIR数字滤波器,1种FIR数字滤波器用来处理人机交流中存在的两种噪声,高斯随机噪声以及正弦噪声。对一段纯净的语音同时加入这两种噪声,用3种基于不同方法设计的滤波器通过matlab仿真,输出不同滤波器滤波前后时域波形图以及频谱图。依据试验结果分析3种滤波器在两种噪声同时处理的效果。(本文来源于《信息通信》期刊2018年03期）
徐钤,凌红[10]（2018）在《基于分形维数的自适应语音降噪改进算法》一文中研究指出针对强背景环境噪声对语音信号的影响问题,根据短时分形维数能够反映信号动态特征的特性,提出了一种基于分形维数的自适应语音降噪改进算法。实际应用表明,该算法能够有效提升非平稳噪声环境下的语音增强效果。(本文来源于《单片机与嵌入式系统应用》期刊2018年03期）
语音降噪论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
阐述硬件的设计及软件控制。特别说明降噪实现的核心方法及过程中实验数据比对。根据车辆内部构造布局麦克风数量及布局方式。通过测试验证设计方案的可行性,车载多媒体和语音降噪模块分开布局这个独特组合方式可以较好分布在不同的汽车结构,并获取最佳的语音降噪效果。配合百度DuerOS应用软件可以实现语音识别实现语音控制。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语音降噪论文参考文献
[1].王方杰,金赟.基于会议电话中的实时语音降噪算法研究[J].电子器件.2019
[2].吴世杰.车载多媒体语音降噪识别系统设计[J].机电工程技术.2018
[3].陈黎明,陈铖颖,杨骏.用于智能传声器的低功耗语音降噪处理器设计[J].上海交通大学学报.2018
[4].郭一豪.基于LMS算法滤波的语音降噪研究[J].电子制作.2018
[5].陈龙,张小博,张晓灿.面向无线电侦听的语音降噪方法[J].电声技术.2018
[6].方健.基于自动编码的语音降噪技术研究[D].苏州大学.2018
[7].张孝强.一种新的小波包语音降噪方法分析与研究[D].兰州交通大学.2018
[8].王涛.语音降噪处理技术的研究[D].兰州交通大学.2018
[9].王涛.数字滤波器在实际语音降噪中的应用[J].信息通信.2018
[10].徐钤,凌红.基于分形维数的自适应语音降噪改进算法[J].单片机与嵌入式系统应用.2018