摘要：提出了基于新阈值函数的深度残差收缩网络(DRSN-NTF),用于解决分布式光纤声传感(DAS)信号噪声强、识别难的问题。DRSN-NTF基于深度残差收缩网络(DRSN),使用新阈值函数代替软阈值函数,使其更能发挥信号噪声处理和分类识别能力。使用DAS系统采集周界入侵事件的实验数据,并通过添加高斯白噪声的形式,设计了6组不同信噪比(0 dB~5 dB)的实验。对比了4个模型的实验结果,由此考察DRSN-NTF的识别效果。结果发现:在强噪声的情况下,DRSN-NTF取得的平均测试准确率比DRSN高1.05%;随着信噪比的降低,DRSN-NTF的测试准确率高于DRSN的差值增大,表明DRSN-NTF在信号噪声处理和分类识别能力方面更强,能获得相对更高的识别准确率。因此,DRSNNTF更加适用于DAS信号识别。

摘要：为了解决传统小波阈值函数在心音去噪中存在噪声滤除不完全、去噪信号不连续、震荡,去噪的同时滤除了过多的细节信息等问题。提出了一种新阈值函数的Db6小波变换心音去噪方法。通过调整参数m来调整阈值函数,使得心音信号在小波变换细尺度上去除噪声并且尽可能的保留细节系数。然后用无偏估计优化选取方法选取阈值函数的最优阈值。仿真结果分析表明:该方法克服了传统阈值函数的缺陷,信号的信噪比(Signal-Noise Ratio,SNR)提高了20%和根均方误差(Root Mean Square Error,RMSE)提高了32.5%。

摘要：针对传统的小波包语音增强算法增强后的语音失真严重的问题,提出了一种基于自适应阈值和新阈值函数的小波包语音增强算法。该算法在小波包域将带噪语音加窗分帧,基于相邻帧快速傅里叶变换功率谱的互相关值,计算各帧存在语音的概率;然后通过语音存在概率对传统通用小波包阈值进行调整,使得阈值在非语音帧中较大,在语音帧中较小,实现阈值的自适应调整,可以在最大程度消除噪声的同时,尽可能地保留语音,减小语音失真。还设计了一种新阈值函数,克服了传统硬阈值函数不连续和软阈值函数会带来恒定偏差的缺点,进一步减小了语音失真。采用TIMIT和NOISEX-92数据库中的语音和噪声进行了大量的模拟实验,主观评比和客观评比结果均证明提出的语音增强算法比现有的两种算法有更好的增强效果,采用提出的算法增强后的语音失真更小,听觉效果更好。

摘要：小波阈值降噪方法中,传统硬阈值函数连续性差,传统软阈值函数过于光滑,本文针对传统方法的缺点提出一种基于压缩能量思想的阈值函数。通过Matlab仿真表明,改进的阈值函数使用minimaxi阈值效果较好,改进的方案比传统的软、硬、半软阈值降噪能得到较高的信噪比,使信号得到较好的滤波效果。