语音信号的频域处理,语音虽然是一个时变、非平稳的随机过程。但在短时间内可近似看作是平稳的。因此如果能从带噪语音的短时谱中估计出“纯净”语音的短时谱，即可达到语音增强的目的。由于噪声也是随机过程，因此这种估计只能建立在统计模型基础上。利用人耳感知对语音频谱分量的相位不敏感的特性，这类语音增强算法主要针对短时谱的幅度估计。 -voice signals in the frequency domain processing, voice is a time-varying, nonstationa

卡尔曼滤波用于语音增强算法，复杂度较高，适合非平稳信号．-Kalman filter used for voice enhancement algorithms, complexity, suitable for non-stationary signals.

希尔伯特-黄变换的代码，适用于分析非平稳信号-Hilbert-Huang Transform code applicable to the analysis of non-stationary signals

本文分析了用经验模态分解( Empirical Mode Decomposition ,EMD) 方法处理非平稳噪声信号的基本原理 , 并利用 EMD 方法有效地消除了高斯白噪声对瞬态散射回波的干扰. 文中以一人工合成瞬态回波为例 ,对本方法的有 效性作了检验.

语音信号是一种非平稳的时变信号，提取的特征参数短时平均过零率-Voice signal is a non-stationary time-varying signal, the extracted characteristic parameter time average zero-crossing rate