买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东大学申请的专利一种基于改进变分模态分解和主成分分析的语音信号去噪方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113851144B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111159300.0，技术领域涉及：G10L21/0216；该发明授权一种基于改进变分模态分解和主成分分析的语音信号去噪方法是由李康;陈阳设计研发完成，并于2021-09-30向国家知识产权局提交的专利申请。

本一种基于改进变分模态分解和主成分分析的语音信号去噪方法在说明书摘要公布了：本发明涉及一种基于改进变分模态分解和主成分分析的语音信号去噪方法，包括：S1：选取带噪语音信号作为样本；S2：对带噪语音信号进行分解，得到K个IMF模态分量；S3：计算每个IMF模态分量与原带噪语音信号的相关系数，画出相关系数分布图，从相关系数分布图中确定虚假分量和噪声主导的IMF模态分量；S4：去除虚假分量和噪声主导的IMF模态分量后，剩余的IMF模态分量记为信号主导的IMF模态分量；S5：去除噪声主导的IMF模态分量中的残余噪声；S6：噪声主导的IMF模态分量的主成分分量与信号主导的IMF模态分量进行重构，得到去除噪声的语音信号。本发明消除了VMD分解后重构信号中残留噪声的问题。

本发明授权一种基于改进变分模态分解和主成分分析的语音信号去噪方法在权利要求书中公布了：1.一种基于改进变分模态分解和主成分分析的语音信号去噪方法，其特征在于，包括步骤如下： S1：选取一段带噪语音信号yt作为样本； S2：使用改进的VMD方法对带噪语音信号yt进行分解，得到K个IMF模态分量； S3：计算每个IMF模态分量与原带噪语音信号的相关系数，画出相关系数分布图，依据虚假分量判断原则从相关系数分布图中确定虚假分量，依据噪声分量判断原则从相关系数分布图中确定噪声主导的IMF模态分量； S4：去除虚假分量和噪声主导的IMF模态分量后，剩余的IMF模态分量记为信号主导的IMF模态分量； S5：对于噪声主导的IMF模态分量，采取主成分分析法，根据累计贡献率选择主成分分量进行重构，去除噪声主导的IMF模态分量中的残余噪声； S6：将经过主成分分析后的噪声主导的IMF模态分量的主成分分量与信号主导的IMF模态分量进行重构，得到去除噪声的语音信号； 步骤S2的具体实现过程包括： S2‑1：设定VMD分解参数，包括最佳分解层数和模态分量频率带宽控制参数α； S2‑2：构造约束变分模型，引入拉格朗日函数，构造增广拉格朗日方程； S2‑3：求解增广拉格朗日方程，初始化分量的频率，得到初始分量频率u^k1，与u^k1对应的初始中心频率ω^k1，初始拉格朗日乘数λ^k1； S2‑4：根据VMD算法公式更新分量频率u^k，中心频率ω^k； S2‑5：在每次更新完分量频率u^k、中心频率ω^k之后，更新拉格朗日乘数λ^； S2‑6：判断迭代更新后的分量频率是否满足收敛方程，如果不满足，则继续迭代，同时加入噪声强度逐渐递减的高斯白噪声，继续执行步骤S2‑1至S2‑5；如果满足收敛方程，则结束迭代，获得完成VMD分解的模态分量； 步骤S2‑1中，设定最佳分解层数的方法如下： 对原带噪语音信号进行EMD分解，设某一次分解的层数为K，分解后得到K个模态分量，计算各个模态分量与原带噪语音信号的相关系数，选相关系数最大的模态分量IMFmax，计算其峭度并记为λ，之后每一次分解的层数都加1，且分解层数为K+1时相关系数最大的模态分量的峭度记为λ’，不断迭代，直至某一次出现一个λλ’，这时λ对应的分解的层数为最佳分解层数；峭度H计算公式如式Ⅰ所示： 式Ⅰ中，IMFit为第i个模态分量，μi为第i个模态分量的均值，σi为第i个模态分量的标准差。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东大学，其通讯地址为：250199 山东省济南市历城区山大南路27号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。