1、“.....下面是噪声的仿真的源代码读取文件并返回和的值。截取语音信息前点作为噪声信号对噪声信号进行傅里叶变换取噪声功率谱绝对值取噪声相位噪声信号波形噪声信号频谱噪声信号幅值噪声信号相位其仿真的图形如图三所示。下面是利用基本谱减法降噪处理源代码,下面是利用改进的谱减法降噪处理的源代码相对更容易点，但也有不小的难度。处理宽带噪声的最通用技术是谱相减法，即从带噪语音估值中减去噪声频谱估值，从而得到纯净语音的频谱。谱相减方法是基于人的感觉特性，即语音信号的短时幅度比短时相位更容易对人的听觉系统产生影响，从而对语音短时幅度谱进行估计，适用于受加性噪声污染的语音。在这里我要感谢老师的悉心的指导，同学们的帮助，还有网上技术论坛的朋友们，没有你们我很难完成这次课程设计，我在你们身上也学到了很多东西，让我生受益。设定和的值增强后语音以为文件名保存其降噪后的仿真图形如图四所示......”。

2、“.....让我学到了很多东西。其实我刚开始看到老师给的任务要求时我很茫然，不知道该干嘛，就连选题都不知道怎么选，虽然我学了数字信号处理这门课，但也只是理论上了解点，在脑海中还是没有个实质的概念。不会做我就只有上网去找相关的资料，参考别人做的报告，看看别人是如何做的，有点启发，但还是不知道自己改选什么题目。后来我又到图书馆借阅相关书籍，也进入了图书馆的电子资源各个网站，看到了关于谱减法的相关的资料，关于降噪的相关的技术现在应该普遍在应用。我看到了，感觉比较感兴趣，于是就选了这个题目。题目选好了，但真正难的是做。这个题目是基于软件的，虽然用过，但很不熟悉，对于的编程时基本不懂，只有重新学了，又到图书馆借了本教程，并且到网上找些相关的信息。还好我有点语言的基础，学起由于基本假定是噪声信号与语音信号是加性的，和独立，所以和也独立。故......”。

3、“.....有因为噪声是局部平稳的，故可以认为没有语音信息是的噪声与有语音信息时的噪声功率谱是相同的，因而可以利用发语音前的寂静帧来估计噪声。由式可以得到原始语音的估计值式中，下标表示加窗信号，表示估值，则表示无语音信号时的均值。如果式中结果出现负值，则将其改为或改变符号，因为功率谱不能为负数。由式可得原始语音估值根据人耳对语音的相位变化不敏感这特点，我们可以用原带噪语音信号的相位来代替估计之后的语音信号的相位，将估计后的频域信号进行逆傅里叶变换得到降噪后的语音时域信号。基本谱减法的原理图如图所示带噪语音相位增强插入相位噪声方差图基本谱减法的原理示意图改进谱减法消除噪声的原理传统的噪声估计方法是基于最优平滑和最小统计的噪声估计，还有种采用改进的算法基于语音活性检测的噪声估计算法。语音激活检测指从段包含语音信号中确定出语音的起始点和终点，又称端点检测。语音端点检测的目的就是从连续记录的带噪语音信号中分离出有用的语音信号。语音激活检测是各种语音处理中必需的个重要环节，精确地确定输入语音的起点和终点将保证语音处理系统良好的性能......”。

4、“.....为了得到更多的关于背景噪声特性，语音端点检测更注重于如何准确的检测出无音段。般的语音激活检测是根据语音帧来进行的，语音帧的长度在不等。语音端点检测的方法可以综述为从输入信号中提取个或系列的对比特征参数，然后将其和个或系列的门限阈值进行比较，如图所示。如果超过门限则表示当前为有音段，否则就表示当前为无音段。图语音激活因录音时是立体声，故取其中的第通道的音频数据对进行点傅里叶变换原始信号波形原始信号频谱原始信号幅值原始信号相位其仿真图如图所示。前面读取的语音信号声音比较清晰，信噪比较高，用这样的信号实验对比效果不太明显。因此在进行消除噪声实验之前我们要人为的给原始信号添加随机白高斯噪声，降低语音信号的信噪比。下面是加入噪声的源代码因录音时是立体声，故取其中的第通道的音频数据设定噪声的频率为设置噪声的长度跟原语音信样长产生幅度为频率为的正弦波作为噪声将原语音信号跟噪声相加,为带有噪声的语音信号将带有噪声的语音信号转换为声音,中将有噪声下面是加噪后音频的仿真源代码因录音时是立体声......”。

5、“.....该方法要求背景噪声保持平稳且信噪比较高。第二类方法是基于信号的短时能量进行检测的算法，它通过对背景噪声能量的统计，定出能量门限，利用能量门限来确定语音信号起始点。在这里运用语音端点检测采用了第二类方法，即基于信号的短时能量进行检测的算法。基于信号的短时能量检测具体算法如下计算每帧的语音能量式中为帧长，为帧的编号，为每帧中的各点，，为帧数然而它有个缺陷，即它对高电平非常敏感信号的二次方计算。为此，定义短时平均幅度函数来表征帧语音信号的能量大小，定义计算前帧平均噪声能量求能量最大值和能量最小值根据式确定门限,应用谱相减法实现语音增强基本原理是通过对带噪语音谱减去噪声谱得到语音谱，因此，语音激活检测这环节非常重要，准确地确定语音的起始点和终止点对噪声谱估计有着重要的作用。改进型语音降噪处理运用端点检测技术，用仿真，可明显显示出其优越性。用仿真的流程如下对输入的语音信号进行预滤波对滤波后的语音信号进行预加重将语音信号按每帧个信号点进行分帧......”。

6、“.....最简单的方法就是用该点的梯度幅度代替该点的灰度。此方法的缺点就是增强的图像仅仅是灰度变换比较陡峭的边缘轮廓，而灰度变化比较平缓或者比较均匀的地方则呈现黑色。为了突出物体的边缘，常常采用梯度值的改进算法，将图像各个点的梯度值与阈值作比较，如果大于阈值，该像素点的灰度值用其梯度值表示，否则用个固定的灰度值表示。综上所述，图像锐化算法主要包括三方面内容算取合适的梯度算子如拉普拉斯算子根据所选用的梯度算子计算图像各点的灰度值，得出各像素点的梯度值根据个像素点的梯度值选取合适的处理方法。图像锐化的功能实现由于设计要求原因，本次设计主要只研究运用梯度算子来实现图像的锐化处理。首先绘制出梯度锐化实现的流程图，流程图如图子程序开始复制图像利用算子求出,方向上梯度求出图像梯度模值利用梯度模值与原图灰度值按比例相加得到锐化图像返回图梯度锐化流程图根据上述流程图，编程实现图像锐化功能。图像锐化前后效果图对比如图平均平滑第次梯度锐化第二次梯度锐化第三次梯度锐化图图像锐化前后对比图由上图可清晰的看到图像经过锐化处理后的变化。图像锐化使原本经过图像平滑后变得模糊的边界轮廓得到了改善......”。

7、“.....反而会使图像变得模糊。因此进行图像锐化时需进行适度锐化图像，从而更好的得到所需图像。区域生长图像分割概述图像分割的方法和种类非常多，有些分割算法可以直接用于大多数图像，而另些则只适用于特殊类别的图像。般采用的方法有边缘检测边界跟踪区域生长区域分离和聚合等。本次设计则只研究区域生长的图像分割方法。图像分割算法般给予图像灰度只的不连续性或其相似性。不连续性是给予图像灰度的不连续变化分割图像，如针对图像的边缘有边缘检测边界跟踪等算法相似性是依据事先制定的准则将图像分割为相似的区域，如阈值分割区域生长等。图像分割在科学研究和工程技术领域有着广泛的应用。在工业上，应用于矿藏分析无接触式检测产品的精度和纯度分析等在生物医学上，应用于计算机断层图像光透视核磁共振病毒细胞的自动检测和识别等交通上，应用于车辆检测车种识别车辆跟踪等另外，在机器人视觉神经网络身份鉴定图像传输等各个领域都有着广泛的应用。区域生长区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。其基本思想是从组生长点开始生长点可以是单个像素，也可以为个小区域......”。

8、“.....形成新的生长点，重复此过程直到不能生长为止。生长点和相邻区域的相似性判据可以是灰度值纹理颜色等多种图像信息。区域生长般有个步骤。选择合适的生长点。确定相似性准则即生长准则。确定生长停止条件。般来说，在无像素或者区域满足加入生长区域条件时，区域生长就会停止。图给出个区域生长的实例图为原图像，数字表示像素的灰度。以灰度为的像素为初始的生长点，记为,。在领域内，生长准则是待测点灰度值与生长带你灰度值相差为或者。那么，图所示，第次区域生长后,,与中心点灰度值相差都为，因而被信波形加噪后信号频谱加噪后信号幅值加噪后信号相位其仿真图如图二所示。下面是噪声的仿真的源代码读取文件并返回和的值。截取语音信息前点作为噪声信号对噪声信号进行傅里叶变换取噪声功率谱绝对值取噪声相位噪声信号波形噪声信号频谱噪声信号幅值噪声信号相位其仿真的图形如图三所示。下面是利用基本谱减法降噪处理源代码,下面是利用改进的谱减法降噪处理的源代码相对更容易点，但也有不小的难度。处理宽带噪声的最通用技术是谱相减法，即从带噪语音估值中减去噪声频谱估值，从而得到纯净语音的频谱。谱相减方法是基于人的感觉特性......”。

9、“.....从而对语音短时幅度谱进行估计，适用于受加性噪声污染的语音。在这里我要感谢老师的悉心的指导，同学们的帮助，还有网上技术论坛的朋友们，没有你们我很难完成这次课程设计，我在你们身上也学到了很多东西，让我生受益。设定和的值增强后语音以为文件名保存其降噪后的仿真图形如图四所示。设计结果和仿真波形图图二图三图四参考文献程佩青数字信号处理教程清华大学出版社吴镇扬数字信号处理高等教育出版社胡广书数字信号处理导论清华大学出版社易克初田斌付强语音信号处理国防工业出版社刘保柱苏彦华张宏林从入门到精通人民邮电出版社罗军辉罗勇江在数字信号处理中的应用机械工业出版社周辉董正宏数字信号处理基础及实现北京希望电子出版社设计心得体会经过两周的数字信号处理课程设计，让我学到了很多东西。其实我刚开始看到老师给的任务要求时我很茫然，不知道该干嘛，就连选题都不知道怎么选，虽然我学了数字信号处理这门课，但也只是理论上了解点，在脑海中还是没有个实质的概念。不会做我就只有上网去找相关的资料，参考别人做的报告，看看别人是如何做的，有点启发，但还是不知道自己改选什么题目......”。