1、“.....因此它的解析形式是系统的传递函数或单位脉冲响应。可见设计维纳滤波器就是寻求在最小均方误差下滤波器的单位脉冲响应或传递函数的表达式，其实质就是解维纳霍夫方程。求解维纳霍夫方程可得其中表示有用信号的自相关函数，表示噪声信号的自相关函数，表示滤波器的阶数。然后可以根据式跟及所要求的均方误差精度来计算维纳滤波器的单位脉冲响应。由式跟不难看出维纳滤波器的精度与收敛快慢都与维纳滤波器的阶数有直接的关系，要想降低均方误差，即要想使输出的信号与目标信号更加接近，就需要增加维纳滤波器的阶数。然而，当增加滤波器的阶数时，又会增加计算量，从而降低了滤波器的收敛速度，也就导致滤波效率的下降。维纳滤波在时域的解是平稳条件下时域波形在最小均方误差准则下的估计......”。

2、“.....没有考虑到相位对人听觉的影响，因此采用维纳滤波来增强语音存在定的缺陷。维纳滤波增强算法利用维纳滤波器对信号进行最小均方误差条件下的最优估计时，信号必须满足平稳性条件。语音信号不满足平稳性条件，只在内近似平稳。因此在进行维纳滤波前，必须对语音信号进行短时处理，例如加短时窗，使语音信号帧长不超过。设离散带噪语音信号序列模型为其中分别表示带噪语音信号，纯净语音信号，加性噪声信号，与统计独立。且设已经过加窗处理，为短时平稳的带噪语音信号。那么非因果维纳滤波器的频率响应函数为其中，分别表示信号，的功率谱。广义的维纳滤波器此时的维纳滤波器称为带参数的维纳滤波器，其中和是参数。当和的值变化的时候，滤波器具有不同的性质。由于语音信号的不平稳性，信号的功率谱无法直接计算......”。

3、“.....但是通常段语音信号并不满足平稳的条件，它的方差具有时变性。例如，人在讲话时，若以长度的短时帧进行统计，其方差变化在秒钟内就可能超过。但如果对语音信号进行加窗处理，即将段语音信号分割成若干个短时帧，只要时间窗的长度不超过，那么就可以认为每个短时窗内的语音信号近似平稳，这样就满足了维纳滤波使用条件，从而可以分别对每帧语音信号进行维纳滤波。本章对维纳滤波语音增强算法进行了研究，并对维纳滤波算法进行了改进，通过仿真实验，得到了比较好的效果。我们采用维纳滤波最大的好处是增强后的残留噪声类似于白色噪声，而不是有节奏起伏的音乐噪声......”。

4、“.....而语音是非平稳的，只在较短时间内近似平稳，实际环境中的噪声也常是非平稳的。在仿真实验的基础上，将两种语音增强算法进行比较，实验结果表明，改进后的维纳滤波强算法的去噪效果以及主观试听效果要比传统的维纳滤波算法要好些。第五章小波变换法原理及其算法实现过程人耳的感知特性语音的听觉感知是个复杂的人脑心理过程，目前对听觉感知的研究还很不成熟。听觉感知主要在测试响度基音和掩蔽效应等。响度是频率和强度级的函数，取决于声音的幅度，主要是声压的函数，与声音的频率和波形也有关基音的物理单位是，与声音的频率有关，频率越高听起来基音越高，频率越低听起来基音越低，响度和基音之间具有互补的关系掩蔽效应是指个声音的听觉感受性受同时存在的另外个声音的影响。根据两个声音的时间关系，听觉掩蔽效应可分为同时掩蔽和短时掩蔽。语音感知问题涉及到生理学心理学声学和语音学等诸多领域，这是个复杂的问题，有待进步研究......”。

5、“.....对各分量的相位则不敏感。人耳对频谱分量强度的感受是频率与能量谱的二元函数，响度与频谱幅度的对数成正比。人耳对频率高低的感受近似与该频率的对数值成正比。人耳有掩个是消失矩阶数。支撑有限的紧支撑正交小波基的重要性在于它在数字信号的分解过程中可以提供有限的从而更实际更具体的数字滤波器。支撑越长，则频率分辨率越高，频带间干扰减小，但时域分辨率变差，变换的计算量也增大。消失矩则定义了小波变换的有效性，消失矩越高则变换系数衰减越快，从而变换更有效。对于支撑长度为的正交小波函数，其消失矩阶数最高为。小波即为具有最高消失矩的紧支正交小波。进行语音增强时，必须考虑运算量时域分辨力频率分辨力等因素。综合第三章所讨论的小波基函数可知，小波不是连续可微的，应用有限，多用于理论研究。小波是正交双正交的，不存在紧支集。......”。

6、“.....不利于实时实现。小波的分解性和重构性好，但没有正交性并且计算量较大。小波是复值小波，能够提取信号中的幅值和相位信息，在地球物理信号处理中广泛应用，但是尺度函数不存在，也不具备正交性，只能满足连续小波的允许条件，也不存在紧支集，不能做正交小波变换和离散小波变换。所以，本文选择小波进行小波变换，这是在时域分辨率和频域分辨率之间的个折衷。仿真结果表明，这个选择比较合理。小波阈值的设定阈值的设定是小波域阈值信号增强算法的关键，阈值的设定通常有四种，即通用阈值规则，的无偏似然估计，启发式阈值规则和极值阈值规则等。阈值采用固定阈值为，其中是信号长度。阈值阈值是基于的无偏似然估计的自适应阈值，是软件阈值估计器。先求出给定阈值的似然估计，再把非似然的阈值最小化就得到所选阈值。具体算法如下将信号的每个元素取绝对值由小到大排序，再对各个元素平方得到......”。

7、“.....那么该阈值产生的风险为由式，令是最小风险点所对应的值，则阈值启发式阈值是阈值和阈值的综合，当的信噪比小时，采用启发式阈值。,如果，就选和阈值中较小的为启发式阈值的选定阈值。极值阈值极值原理是使估计的最大风险最小化。阈值是以上阈值选取都没有涉及噪声方差，用鲁棒估计计算就是即对分解出的第尺度上的小波系数取绝对值再取中值，是中的运算命令。噪声水平采用鲁棒估计来计算，是因为如果信号足够规则，尺度上的小波系数若含有信号的细节，这些细节将集中在少数小波系数上另外是为了避免小波系数计算中的边界效应......”。

8、“.....得到层共个结点的分解结构。用阈值为信号长度计算这层结点的阈值。对分解结构的层的各个结点的小波包分解系数进行新的阈值函数的阈值量化。利用阈值量化后的小波包系数对原始语音信号进行小波包重建。选择纯语音画出原始信号选择带噪语音画出带噪信号用小波做层分解进行阈值处理重建信号画出去噪信号算法的仿真结果利用进行实验仿真，其中纯净语音是安静环境下的连续自然语音，噪声选了火车噪声粉红噪声战斗机噪声和工厂噪声四种噪声，都是选自数据包里的噪声。噪声是采用小波对信号进行小波包分解，然后进行阈值处理。第六章总结与展望效应即强信号对弱信号有掩盖的抑制作用。掩蔽的程度是声音强度与频率的二元函数。对频率临近分量的掩蔽要比频差大的分量有效得多。短时谱中的共振峰对语音的感知十分重要，特别是第二共振峰比第共振峰更为重要，因此对语音信号进行定程度的高通滤波不会对可懂度造成影响......”。

9、“.....域频率描述人听觉器官分为三个部分外耳，中耳和内耳。外耳和中耳对外面传来的声音进行增强和补偿，内耳耳蜗的基底膜对声音进行接收和频率分解。声音从振动转换成神经脉冲就在耳蜗内完成。年，用正弦信号对基底膜进行了详细的研究，发现基底膜对听觉的响应与刺激的频率有关。当频率较低时，靠近耳蜗尖部的基底膜响应。当频率较高时，靠近圆形窗的窄而紧的基底膜产生响应。基底膜频率响应的空间分布，导致基底膜上不同位置的柯替氏器官的纤毛细胞对不同频率的声音引起弯曲，从而刺激附近的听觉神经末梢，产生电化学脉冲，并沿听觉神经束传送到大脑。下面给出频率群的概念将基底膜分解为许多小段，每小段称为个频率群。在范围内频率可以分为个频率群。同频率群的声音在大脑中是叠加在起评价的，具有致的心理声学特征。频率由低到高，将频率群顺序编号，将编号定义为新的频率单位。记域的频率变量为......”。