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.

عیب یابی سیستم های مکانیکی برای عملکرد بهتر سیستم و همچنین محافظت از آن، دارای اهمیت ویژه ای می باشد. در این پژوهش از یک سیستم آزمایشگاهی ماشین دوار برای تولید سیگنال و داده استفاده شده است. داده های بدست آمده در فرآیند پیش پردازش قرار می گیرند. در این مقاله برای بهبود عملکرد تحلیل سیگنال روش ترکیبی تحلیل با استفاده از ویژگی های سیگنال و فیلتر کالمن پیشنهاد می شود. در ابتدا برای کاهش نویز سیگنال ها از فیلتر کالمن استفاده می شود. و در ادامه برای پیش پردازش سیگنال ویژگی های سیگنال در حوزه زمان و حوزه فرکانس پیشنهاد می شود که از آن به عنوان پیش پردازش یک بعدی سیگنال استفاده شده است. در ادامه برای تحلیل ویژگی های بدست آمده از کلاس بندهای متعددی مانند ماشین بردار پشتیبان ، شبکه عصبی پرسپترون چند لایه و شبکه عصبی پیچشی استفاده شده است. برای بررسی نتایج داده ها به دسته داده های آموزشی و داده های صحت سنجی تقسیم بندی می شود. نتایج دقت برای داده های صحت سنجی در روش های مختلف مورد بررسی قرار می گیرد. نتایج حاکی از عملکرد بهتر شبکه عصبی پیچشی الکس نت در حضور فرآیند نویز زدایی با فیلتر کالمن می باشد. در این حالت به طور میانگین این شبکه به دقت 96.1 درصد برای داده های صحبت سنجی رسیده است که نسبت به سایر کلاس بندها و همچنین نسبت به عیب یابی بدون کاهش نویز، دقت آن بهبود داده شده است.

زمینه و هدف: تطبیق یک تابع پایه موجک بهینه گروهی از سیگنال ها و کاربرد آن در آنالیز چند تفکیکی سیگنال ها با استفاده از آنالیز موجک می تواند نقش موثری در کاهش نویز و فشرده سازی سیگنال های مربوط داشته باشد. با توجه به اینکه سیگنال های گسیل صوتی برانگیخته گذرا با نویز آلوده می شوند، در این مقاله سعی شده است با استفاده از الگوریتم های تطبیقی، تابع پایه موجک متعامد بهینه ای سیگنال های گسیل صوتی برانگیخته گذرا با استفاده از منحنی کوک شنوایی طراحی شود تا بتوان نویز را با دقت بیشتری در این سیگنال ها حذف کرد.روش بررسی: از آنجایی که سیستم شنوایی انسان مانند موجک عمل می کند، تطبیق تابع موجک روی منحنی های کوک شنوایی صورت گرفت. عمل تطبیق در دو مرحله به صورت جداگانه بر روی اندازه و فاز طیف انجام شد. تابع مقیاس از موجک پایه تطبیقی محاسبه گردید و با کمک این توابع برای بانک فیلتری و آنالیز و ترکیب سیگنال گسیل های صوتی برانگیخته، فیلترهای پایین گذر و بالا گذر طراحی شدند. اثرات نویز در مرحله ترکیب سیگنال با استفاده از پنجره های زمانی کاهش داده شده است.یافته ها: آنالیز انجام شده بهبود در بازسازی سیگنال نسبت به آنالیز موجک بر پایه تابع پایه Coiflet5 را نشان می دهد، با اعمال الگوریتم کاهش نویز طراحی شده بر اساس پنجره های زمانی می توان نسبت سیگنال به نویز را تا 7 دسی بل بهبود داد.نتیجه گیری: موجک حاصل از این الگوریتم بسیار شبیه به موجک های دو تعامدی می باشند. از این رو، با تطبیق موجک دو تعامدی با منحنی کوک فرکانسی و استفاده از آنالیز بسته ای موجک، آنالیز اجزای زمانی – فرکانسی سیگنال گسیل های صوتی با دقت بیشتری امکان پذیر می گردد.

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.