基于DSP的语音信号的去噪方法

小波去噪步骤总结去噪过程，可以分成以下三个步骤对观测数据作小波分解变化其中表示观测数据向量，是真实信号向量，是高斯随机向量，其中用到了小波分解变换是线性变换的性质。

对小波系数作门限阈值处理根据具体情况可以使用软阈值处理或硬阈值处理，而且可以选择不同的阈值形式，这将在后面作详细讨论，比如选取最著名的阈值形式门限阈值处理可以表示为，可以证明当趋于无穷大时使用阈值公式对小波系数作软阈值处理可以几乎完全去除观测数据中的噪声。

对处理过的小波系数作逆变换重构信号即可得到受污染采样信号去噪后的信号。

阈值的选取与量化小波收缩去噪方法的关键步骤是如何选择阈值和如何进行门限阈值处理，在这将作较为详细的讨论。

软阈值和硬阈值在对小波系数作门限阈值处理操作时，可以使用软阈值处理方法或硬阈值处理方法，硬阈值处理只保留较大的小波系数并将较小的小波系数置零，软阈值处理将较小的小波系数置零但对较大的小波系数向零作了收缩直观形式见图图中取从图上我们可以看出软阈值处理是种更为平滑的形式，在去噪后能产生更为光滑的结果，而硬阈值处理能够更多的保留真实信号中的尖峰等特征软阈值处理实质上是对小波分解系数作了收缩，从而将这种去噪技术称之为小波收缩。

图硬阀值和软阀值阈值的几种形式阈值的选取有多种形式，选取规则都是基于含噪信号模型式中信号水平为的情况，对于噪声水平未知或非白噪声的情况可以在去噪时重新调整得到的阈值。

在中有种阈值函数形式可以选用采用固定的阈值形式，如式，因为这种阈值形式在软门限阈值处理中能够得到直观意义上很好的去噪效果。

采用极大极小原理选择的阈值，和样也是种固定的阈值，它产生个最小均方误差的极值，计算公式为，采用史坦的无偏似然估计原理进行阈值选择，首先得到个给定阈值的风险估计，选择风险最小的阈值作为最终选择。

选择启发式阈值它是和的综合，当信噪比很小时，估计有很大的噪声，这时，采用固定阈值。

阀值的选取阈值化处理的关键问题是选择合适的阈值如果阈值门限太小，去噪后的信号仍然有噪声存在相反，如果太大，重要信号特征将被滤掉，引起偏差。

从直观上，对于给定小波系数，噪声越大，阈值就越大。

大多数阈值选择过程是针对组小波系数，即根据本组小波系数的统计特性，计算出个阈值。

等提出了种典型阈值选取方法，从理论上给出并证明阈值与噪声的方差成正比，其大小为实验步骤小波去噪验证仿真实验信号是由函数产生的含标准的高斯白噪声信噪比为的信号，用函数进行去噪处理。

首先产生个长度为点，包含高斯噪声的信号及含噪信号，其噪声标准差为，如图及所示。

利用小波对信号分解，在分解的第层上，利用软阈值法去噪，结果如图所示同样的条件下，利用固定阈值选择算法对信号去噪，结果如图所示。

验证仿真程序如下暂而充实的大学四年时光即将接近尾声，而该毕业论文的设计是大学最后个学期的学习目标和任务，在论文完成之际，特向我的指导老师甘露致以诚挚的谢意。

甘老师为人诚恳，待人和蔼可亲，这种可贵的待人精神为我的毕业论文的设计营造了良好的氛围。

在本次设计中，甘老师给予我很大的关怀和帮助，特别是在论文的选题前期课题指导及各段落内容衔接等各环节都细心的指导和讲解，由于我在以前的课程学习中没有扎实的数字信号处理基础及程序设计经验，甘老师为我提供了诸多方面的资料，让我在课题设计中更加得心应手，最终才能圆满的完成毕业论文的设计。

在这次毕业论文设计中，使我深刻的体会到只有理论知识还是不够的，要能在原有的理论基础上加以动手实践，使理论和实践很好的结合起来，这样才能对该知识点有更加深刻的认识，希望这种经验体会能够为我以后的学习工作中不断成长不断进步。

最后祝愿我所有的老师和同学工作顺利，阖家欢乐，生平安。

参考文献胡昌华，张军波，夏军基于的系统分析与设计，西安西安电子科技大学出版社朱云芳，戴朝华，陈维荣小波消噪阈值选取的种改进方法电测与仪表，，，，高成小波分析及应用国防工业出版社刘涛使用小波分析入门国防工业出版社金宝龙李辉赵乃杰何海峰种新的小波阈值去噪算法弹箭与制导学报刘宗昂杨莘元王丽安种新的小波去噪算法弹箭与制导学报吴伟蔡培升基于的小波去噪仿真信息与电子工程李祥兵肖合林基于的小波阈值折中算法研究电脑开发与应用杜浩潘丛爽基于小波去噪方法研究计算机仿真张兆宁董肖红潘云峰基于小波变换模极大值去噪方法的改进电力系统及其自动化学报附录阈值去噪的验证仿真程序，小波与对比验证仿真程序，小波去噪与去噪效果对比选择中含有噪声的仿真信号作为原始信号，分别使用和小波分析方法对信号进行去噪处理，采用的小波是，分解层数为，对比结果如图所示。

验证仿真程序如下本章总结基于的算法实现算法实现主要分为