دسته مهمی از روشهای بهبود کیفیت گفتار، طیف فرکانسی دوره کوتاه سیگنال نویزی را تغییر داده و اصلاح می نمایند. اصلاحات طیفی این روشها به صورت یک فیلتر در حوزه فرکانسی بیان میشود و بهره فیلتر میتواند به صورت تابعی از سیگنال به نویز نمایش داده شود. در این مقاله روش های حذف نویر از سیگنال گفتار مورد بررسی و ارزیابی قرار میگیرد و بهره فیلتر برای برخی از روش های حذف نویز شناخته شده به صورت تابعی از سیگنال به نویز نمایش داده میشود. روشهای تخمین سیگنال به نویز بررسی میشود و یک تکنیک جدید برای تخمین سیگنال به نویز پیشنهاد شده و ارزیابی میگردد و برتری آن بر روش های قبلی نشان داده میشود. در این مقاله اصلاح روشهای حذف نویز به منظور کم کردن اعوجاج سیگنال گفتار مطرح شده است. در این روشها اثرات اصلاح فرکانسی، طوری تنظیم می گردد که با باقی گذاشتن مقداری از نویز اولیه، بهبود مشخصی در نسبت سیگنال به نویز به دست آید و در عوض اعوجاج سیگنال گفتار حداقل گردد. برای این کار با اعمال یک پارامتر، بهره چند روش حذف نویز برای دستیابی به سطح مشخصی از حذف نویز تنظیم می گردد. همچنین برای خوشایندکردن نویز باقیمانده از شکل دادن نویز باقیمانده استفاده شده است. به منظور ارزیابی این روشها تستهای شنوایی برای بررسی جنبه های مختلف گفتار، از جمله نویز موسیقی، نویز باقیمانده، پژواک و آثار غیر طبیعی نویز باقیمانده، طراحی و اجرا شده است. نتایج این تستها در مقاله حاضر برای چند روش حذف نویز گزارش شده است و روش های حذف نویز با یکدیگر مقایسه شده اند.

در این مقاله آنالیز همزمان سیگنال و نویز یک میکسر فعال متوازن با تعمیم مدل حرارتی برای بررسی رفتار نویز ترانزیستور FET در رژیم غیرخطی ارایه می شود. سپس بر اساس این مدل، گین تبدیلی و عدد نویز که بترتیب دو فاکتور مهم از خواص سیگنالی و نویزی میکسرها می باشد، محاسبه و شبیه سازی می شود. برای نشان دادن قابلیت نحوه آنالیز و نوع مدل بکار برده شده، نتایج حاصل با نتایج موجود برای میکسرهای تک ترانزیستوری و متوازن مقایسه گردیده اند.

در این مقاله، یک دسته آستانه گذار غیر خطی جدید با یک پارامتر تنظیم شکل برای حذف نویز سیگنال در حوزه موجک ارایه شده است. همچنین، روش جدیدی در آموزش شبکه های عصبی آستانه گذاری برای حذف نویز از سیگنال پیشنهاد شده است. در روش پیشنهادی، بر خلاف سایر روش های موجود، پارامتر تنظیم شکل تابع آستانه گذار وفقی جدید به همراه پارامتر آستانه و با استفاده از الگوریتم LMS تحت آموزش قرار گرفته و مقادیر بهینه آنها به صورت هم زمان به دست می آید. با این کار اثر هر دو فاکتور آستانه و شکل آستانه گذار در حذف نویز مد نظر قرار گرفته است. تابع آستانه گذار پیشنهادی برای حذف نویز در حالت آستانه- سراسری و زیرباند- وفقی آزموده شده و با روش های متداول در این زمینه از طریق معیارهای مختلف مقایسه شده است. همچنین آزمایش هایی برای تعیین کارآیی روش پیشنهادی آموزش شبکه عصبی در حالت زیرباند- وفقی انجام شده است. نتایج آزمایش ها روی سیگنال های استاندارد، کارآیی روش های پیشنهادی را در حذف نویز از سیگنال نشان می دهد.

در این مقاله روش جدیدی برای حذف نویز از سیگنال بازگشتی رادار ارایه شده است. با استفاده از روشهای مرسوم پردازش سیگنال مانند تبدیل فوریه و یا تبدیل فوریه کوتاه مدت، پارامترهای مختلفی از سیگنال استخراج می شود. در این مقاله ما توانسته ایم پارامترهای سیگنال را با استفاده از تبدیل چیرپلت که تحلیل را به حوزه زمان، فرکانس، چرخش، برش و اندازه، گسترش می دهد و فرض را بر غیرایستا بودن سیگنال بازگشتی می گذارد، به عنوان یک ابزار حذف نویز به استخراج سیگنال بپردازیم. الگوریتم ارایه شده در این مقاله روی داده های واقعی تست شده اند و نتایج، نشان دهنده عملکرد بسیار خوب این الگوریتم در حذف نویز از سیگنال بازگشتی رادار است.

زمینه و هدف: سیگنال الکتروکاردیوگرام (ECG) نمایشی گرافیکی از فعالیت قلبی است. پردازش و تحلیل تغییرات مورفولوژیکی آن می تواند به تشخیص بصری بسیاری از بیماری های قلبی کمک کند. با این وجود، انواع نویز و اغتشاش در سیگنال ECG تشخیص بصری و استخراج ویژگی از آن را به شدت تحت تاثیر قرار می دهد. هدف از این پژوهش، حذف نویزهای مختلف سیگنال ECG و بهبود کیفیت آن می باشد.مواد و روش ها: در این پژوهش، فیلتر تطبیقی کالمن بر اساس مدل بیزین استنتاج شد. با در نظر گرفتن ساده سازی های صورت گرفته و توزیع گوسی برای نویز اندازه گیری، روابط ریاضی پیچیده به روابط ساده تبدیل شد و در نتیجه پیاده سازی آسان گشت.یافته ها: در این مقاله، نسبت سیگنال به نویز (SNR) با استفاده از طراحی فیلتر تطبیقی کالمن به میزان21.46 dB  افزایش یافت. فیلتر تطبیقی کالمن با استنتاج از چارچوب بیزین قادر است تغییرات دینامیکی سیگنال ECG را با استفاده از تخمین ماتریس کوواریانس نویز اندازه گیری مدل سازی کند.نتیجه گیری: برخلاف فیلترهای کالمنی که سیگنال ECG را بر اساس توابع پارامتری مدل سازی می کنند، فیلتر تطبیقی کالمن ارائه شده در این مقاله، ثبت های ECG واقعی را برای مدل سازی به کارگرفته است. توابع پارامتری که بتوانند تغییرات دینامیکی ECG را مدل سازی کنند نیازمند تعداد زیادی توابع تحلیلی هستند و این باعث کندشدن فرایند فیلترینگ می گردد. اما فیلتر تطبیقی کالمن ارائه شده در این پژوهش از سرعت بالایی برخوردار بوده و می تواند در کاربردهای زمان واقعی به کار گرفته شود.

تشخیص نواحی سکوت از نواحی غیرسکوت دارای کاربردهای فراوانی در شاخه های مختلف پردازش گفتار است که در این میان می توان به زمینه های تشخیص گفتار، فشرده سازی اطلاعات گفتار، تخمین و حذف نویز و غیره اشاره کرد. تاکنون روش های مختلفی برای انجام عمل جداسازی پیشنهاد شده است. در این مقاله پس از بررسی روش های موجود و رایج، روش جدیدی برای تشخیص نواحی سکوت از نواحی غیرسکوت با استفاده از تبدیل موجک ارایه می شود. دلیل انتخاب ابزار موجک قابلیت بالای آن در تفکیک انرژی سیگنال در باندهای مختلف و دلخواه است. نشان داده شده است که نتایج حاصل از این روش از بسیاری جهت بر روش های قبلی برتری دارد.