【语音去噪】基于小波硬阈值语音去噪含Matlab源码

  1 简介

在图像处理过程中,图像噪声对图像的后续处理和清晰度影响较大.因此,对图像的降噪至关重要.随着小波变换的不断优化,小波变换广泛应用在图像降噪方面.该文基于软阈值的小波图像增强方法,通过实验论述小波变换在图像去噪中的应用.

转存失败重新上传取消

2 部分代码

%实验要求二：小波硬阈值语音降噪clear all; clc; close all;​[xx, fs] = wavread('C5_4_y.wav');           % 读入数据文件xx=xx-mean(xx);                         % 消除直流分量x=xx/max(abs(xx));                      % 幅值归一化N=length(x);%-------------------------加入指定强度的噪声---------------------------------SNR=5;s=awgn(x,SNR,'measured','db');               % 叠加噪声wname='db7';​jN=6;  %分解的层数snrs=20*log10(norm(x)/norm(s-x));signal=Wavelet_Hard(s,jN,wname);signal=signal/max(abs(signal));snr1=SNR_Calc(x,s);            % 计算初始信噪比snr2=SNR_Calc(x,signal);            % 计算降噪后的信噪比snr=snr2-snr1;fprintf('snr1=%5.4f   snr2=%5.4f   snr=%5.4f\n',snr1,snr2,snr);% 作图time=(0:N-1)/fs;                        % 设置时间subplot 311; plot(time,x,'k'); grid; axis tight;title('纯语音波形'); ylabel('幅值')subplot 312; plot(time,s,'k'); grid; axis tight;title(['带噪语音 信噪比=' num2str(SNR) 'dB']); ylabel('幅值')subplot 313; plot(time,signal,'k');grid;%hold on;title('滤波后波形'); ylabel('幅值'); xlabel('时间/s');%--------------------------------------------------------------------------​

3 仿真结果

4 参考文献

[1]付炜, 李方胜. 小波阈值法在语音去噪中的应用[J]. 电子技术, 2010.​

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。