基于小波变换的语音信号去燥技术与实现.docVIP

教学单位　物理与电子信息工程学院　 学生学号　 　　　　　 本科生毕业论文（设计） 题 目 基于小波变换的信号去噪技术与实现 学生姓名 专业名称 电子信息科学与技术 指导教师 撰写日期： 2015 年 4 月 26 日 基于小波变换的信号去噪技术及实现 摘要：小波变换从20世纪80年代逐步发展起来的一种新型的数学分析工具，具有深刻的理论意义与广泛的应用范围[1,3]。尤其在地球物理勘探、语音信号处理、人脸识别、模式识别以及数字水印、数字图像压缩与消噪等一些数字信号处理方面都得到了广泛的研究[15]。小波分析十分复杂，应用范围广，由于它具有多分辨率的特点，所以在非平稳信号的处理上具有明显的优势，在时域和频域上都具有表征信号局部特征能力[1]。 傅里叶变换是一种纯频域的分析方法，它在频域的分辨率最高，但是在时域却无任何的分辨能力。傅里叶谱属于信号的统计特征，它是信号在整个时间域上的积分，所以没有局部化分析信号的功能，完全不具备时域信息。也就是说傅立叶变换并不能得到信号频率随时间的变化，因此，它通常只适应于平稳信号，而对于频率随着时间不停变化的非平稳信号，它只能得到一个总的平均效果。也就是说对于傅里叶谱中的某一频率，并不能知道这个频率是在什么时间产生的。这样在信号分析中就面临着一对最基本的矛盾：频域和时域的局部化矛盾。但是从傅立叶分析演变而来的小波分析的优点刚好可以弥补傅立叶变换之中存在的不足之处。小波分析主要用于非平稳信号的处理，由于小波具有多分辨率的特点，它可以在不同尺度上对信号进行分解，而且在时域和频域具有表示信号局部特征的能力，是一种窗口大小固定不变但形状可改变的局部信号分析方法。它在低频段具很高的频率分辨率和较低的时域分辨率，但在高频部分有较低的频率分辨率和较高的时域分辨率，因此很适合分析正常信号中携带的噪声并分析成分，在信号去噪方面存在优势，所以小波分析又被成为分析信号的显微镜[13]。 本文从小波变换的定义和信号与噪声的不同特性出发，在对比分析了各种去噪方法的优缺点基础上，运用了对小波分解系数进行阈值化的方法来对一维信号去噪，该方法对去除一维平稳信号含有的白噪声有非常满意的效果，具有有效性和通用性，能提高信号的信噪比。 关键词：小波变换；分辨率；阈值；信号去噪 Based on wavelet transform signal denoising technology and implementation Abstract：Wavelet transform is gradually developed from the 1980 s, a new type of mathematical analysis tools, is of profound theoretical significance and wide application range. Especially in geophysical exploration, speech signal processing, face recognition, pattern recognition and digital watermarking, digital image compression and denoising, some digital signal processing (DSP) have been widely studied. Wavelet analysis is very complex, wide scope of application, because it has the characteristics of multi-resolution, so on non-stationary signal processing has obvious advantages, both in time domain and frequency domain has the ability of denoting local signal characteristics. Fourier transform is a kind of pure frequency domain analysis method, it is highest in the resolution of the frequency domain, but without any re