基于总体平均经验模态分解的语音增强算法研究

• 作者: 杨龙 陈建明
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 总体平均经验模态分解(EEMD) 小波阈值去噪 语音增强算法
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 信息技术交流
• 页码范围: 328-333
• 页数: 6页
• 分类号: TP319|TN911.7
• 字数: 3555字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.09.064

摘要

总体平均经验模态分解EEMD (Ensemble Empirical Mode Decomposition)虽然能够在一定程度上抑制模态混淆,但添加的白噪声不能被完全中和,对所有本征模态函数IMF(Intrinsic Mode Function)分量进行集成平均等增加了计算工作量.基于EEMD和结合小波阈值去噪思想,提出改进的EEMD方法.首先对原始信号进行EEMD分解,得到一系列IMF分量;其次对筛选后的每个IMF计算噪声强度;然后采用小波启发式阈值估计噪声并计算阈值;最后以软阈值的方式滤除每个IMF中噪声并重构信号还原出增强的语音.通过分析仿真信号和实测信号,结果表明:该算法对带噪语音有很好的滤波效果,与其他同类算法相比提高信噪比2 ～4 dB.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈建明	装甲兵工程学院信息工程系	35	237	8.0	14.0
2	杨龙	装甲兵工程学院信息工程系	6	14	3.0	3.0