摘要：同声传译作为一项涉及语言翻译和语音识别的复杂任务,被英语翻译行业广泛应用。但该模型在实现过程中面临着实时性差、翻译准确率不高和难以处理文化差异和特定领域知识等缺陷。因此研究尝试基于语音分离技术来实现同声传译模型,并基于深度学习算法提高模型的翻译准确率。同时研究引入小波去噪算法对原始信号进行去噪处理,使模型能更准确地提取语义,提高模型翻译的准确率。实验结果表明,提出基于小波去噪与语音分离的同声传译模型在中英文数据集上的翻译时延分别为0.29 s和0.32 s,因此该模型具有较好的实时翻译能力,同时提出模型英译中的平均准确率为88.96%;中译英的平均准确率为90.47%,均高于对照模型的翻译准确率,因此证明提出模型具有一定先进性。

摘要：研究了一氧化碳(CO)近红外波段直接吸收和波长调制信号去噪处理算法。从HATRAN数据库中得到CO气体的吸收信号作为仿真数据,提取直接吸收信号、1-f和2-f解调信号作为原始信号,研究了不同小波基以及不同的分解层数对叠加高斯白噪声的光谱信号去噪的效果。最后利用基长为0.95m有效光程为55.1m的Herriott型多光程池对CO在1.578μm处的第二泛频带P(4)吸收谱线信号进行测量和信号处理,与原始信号相比,经过信号处理过的直接吸收、1-f和2-f解调信号的信噪比都提高1～2个数量级;通过选择不同小波基和优化小波变换层数,增加了系统的抗干扰能力。

摘要：针对λ噬菌体中的脱氧核糖核酸(λ-DNA)通过纳米通道时的过孔信号噪音大,强度弱且非平稳的缺点,提出了使用具有良好时频域分辨能力的小波分析方法对其进行去噪处理,并对有效去噪后的λ-DNA过孔信号进行了统计分析.首先根据小波去噪原理,选择合适的小波函数,确定最佳的分解层数并选取合适的阈值,对实验采集到的含噪声信号进行去噪处理.根据最终去噪效果可得,以sym7为小波基函数、分解层数5层、使用默认软阈值可以有效降低信号中的噪声,提高信噪比.然后,对具有48 000个碱基对(48 kbp)的λ-DNA通过60 nm氮化硅(SiN)纳米孔的特征信号进行了统计分析,分析结果表明,阻塞电流和过孔时间分别符合双峰高斯分布和偏正态分布,这为后续DNA分子的辨识工作提供了依据.

摘要：提出了基于小波去噪和HHT的模态参数识别方法,以改善模态参数识别的精度。该方法先利用小波进行信号去噪,克服噪声对EMD分解的影响,以减少EMD分解过程的计算量和分解层数,对去噪后的信号进行EMD分解提取单模态的自由响应,然后利用自由响应的Hilbert变换识别模态固有频率和阻尼比。利用该方法对某振动台简支梁系统进行了模态参数识别,结果表明在噪声干扰下,该方法识别模态参数的精度较高,特别是阻尼比识别精度高。

摘要：随着GPS接收机采样频率的不断提高和单历元解算算法的成熟,GPS已经成为一种新的用于建筑物振动变形监测的工具。但是GPS的精度受到卫星分布状况、大气折射、多路径效应和GPS处理算法等因素的影响,在振动监测中其精度有待于进一步的提高。提出一种利用多路径的周期重复性,并且结合小波去噪来消除GPS测量误差,从而提高其测量精度的新方法,实验证明该方法在振动监测中具有很好的实用性和可靠性。

摘要：危险化学品立体仓库火灾预警系统采用光纤传感技术测量仓库内各位置温度值,在处理光纤测温数据时,传统小波去噪算法易产生人为振荡。针对此问题提出了基于改进阈值函数的分段小波去噪算法。将数据中易引发伪吉布斯现象的部分划分为准高温段采用平移不变法处理,其他部分采用传统小波去噪算法。采用阈值法处理小波系数时,设计了改进阈值函数以减小数据失真和数据波动。实验结果表明,与传统小波去噪相比,算法在不同信噪比情况下都能有效消除数据震荡,具有良好的去噪效果。

摘要：为了对变电站周边可听噪声进行科学合理的评价,在分析不同时间点噪声分布情况的基础上提出一种自适应声压背景噪声滤波方法。采用小波去噪算法对声压频谱轮廓进行提取,对小波阈值进行改进以提高信号平滑度,根据三角模糊数设计复合评价指标权重以确定最佳小波分解尺度。利用设计的算法得到声压频谱轮廓,并通过对比不同时间点的声压频谱轮廓确定背景噪声的频段,以此设计带阻滤波器的参数。利用设计的滤波算法对采集的声压信号进行处理,实验结果表明,设计的滤波方法可以很好地滤除声压信号中的背景噪声。经设计的滤波算法处理后的等效连续A声级比未处理的要小5 dB以上,可见所设计的滤波算法可有效降低背景噪声的影响,提高变电站可听噪声测量的可靠性。

摘要：超声测距的精度主要取决于飞行时间的提取精度,由于受噪声影响,接收信号的始点位置通常无法精确提取.传统方法常采用设计滤波器降噪,然而由于滤波器的参数无法随超声信号变化而改变,导致其适应性较差.本文提出了一种自相关小波阈值去噪的自适应去噪方法,通过计算各层小波细节分量与近似分量的相关性系数,自动确定最优分解层数,并通过采集分析噪声信号的小波分量,选择最优去噪阈值,达到了良好的去噪效果,增强了回波信号的信噪比,极大地提高了回波飞行时间的提取精度.经实验验证,信噪比可提高6-7 dB,在1900 mm的范围内测量误差小于0.3 mm,测量不确定度小于0.17 mm.与传统方法相比,本方法具有适应性强、始点识别率高、测距精确等优点.

摘要：为了解决传统频域去噪法在光信号处理中单分辨率的局限性,提出了具有多分辨性的小波去噪法,并通过对比验证其有效性。由于小波去噪实现对硬件的要求较高,采用现场可编程门阵列做硬件平台来实现基于分布式算法的小波运算,将复杂的乘法运算转化为简单的并行查表累加过程,提高了运算效率,完成了小波算法的硬件移植。最后设计了基于现场可编程门阵列的采集系统,并在其上进行了小波去噪的硬件验证。结果表明,小波去噪算法在现场可编程门阵列平台上得到了很好的实现,且去噪效果良好。

摘要：针对传统基于小波变化的图像超分辨率重构问题,提出了一种结合小波去噪和广义回归神经网络的图像重构算法。首先通过整数小波变换将图像的低频和高频部分进行分解。然后利用中值边缘检测作为预测器并在编码之前设置了误差映射。最后对传统广义回归神经网络的原理进行了分析,并设计了相应的广义回归神经网络。此外,利用期望值最大算法对广义回归神经网络模型参数估计进行了优化。通过超分辨率图像重建仿真实验对提出算法的有效性进行了验证。实验结果表明:提出算法具有较好的去噪能力和较高的重构精度。