神经网络和小波变换融合算法的去噪研究
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

福建省教育厅项目(JB11266)


Devoicing Algorithm Based on Neural Network and Wavelet Transform
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    传统小波变换阈值选取采用软阈值和硬阈值方法,这两种阈值方法都存在自身局限性,软阈值方法处理后的系数存在偏差,影响信号的稳定性和连续性,硬阈值方法在处理语音信号时易导致pseudo—Gibbs现象,滤波效果粗糙.根据经验公式确定阈值方法存在不确定性,因此本文通过改进的神经网络遗传算法和小波变换算法进行融合,确定最佳阈值,通过去噪实验证明该融合算法的可行性.

    Abstract:

    Aiming at the traditional wavelet transform threshold, the soft threshold and hard threshold method are adopted. The two threshold methods have their own limitations. There is a deviation in the processing of the soft threshold method, which affects the stability and continuity of the signal. The hard threshold method can easily lead to Gibbs-pseudo in processing speech signals. According to the empirical formula, the threshold method is uncertain, so the fusing algorithm based on neural network genetic algorithm and wavelet transform is put forward. The feasibility of the fusion algorithm is demonstrated by experiments.

    参考文献
    相似文献
    引证文献
引用本文

江华丽,王平.神经网络和小波变换融合算法的去噪研究.计算机系统应用,2016,25(5):164-167

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2015-09-14
  • 最后修改日期:2015-10-26
  • 录用日期:
  • 在线发布日期: 2016-05-20
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号