基于Teager能量算子和频率弯折小波变换的语音识别特征参数

基于Teager能量算子(TEO)的抑制噪声性、小波变换的多分辨特性以及具有频率弯折效应的Laguerre序列,提出一种新的语音识别特征参数提取算法.该参数一部分来源于TEO与传统的倒谱分析,它们相结合产生的参数称之为TEOCEP;另一部分基于频率弯折小波得到的频率弯折小波能量(FWWE)矢量参数,由此提出了TEOCEP-FWWE特征参数.对新的语言特征参数实验评估表明,该算法提高了语音识别的性能,具有较强的鲁棒性.     

EMD结合Teager能量用于语音情感识别

在语音情感识别系统中,语音情感特征的提取尤为重要,本文在前期已有对EMD分解研究的基础上,将EMD分解与Teager能量算子相结合,用于语音情感识别。文中首先利用EMD分解得到一组IMF分量,再对各阶IMF分量提取Teager能量,然后通过对不同语种的不同情感语音的Teager能量在Mel频率的分析,提出了一种新的情感特征：基于EMD分解的Mel频率的Teager能量谱系数(ETMC),最后利用SVM分类方法对不同语种的不同情感进行识别,实验结果表明,该方法有很好的识别结果。     

小波变换在语音识别中的应用

提出了一种基于小波变换和ＡＲＭＡ模型的新参数，并将它用于Ａ．．．Ｎ的英文字母的识别。我们使用的数据库是ＮＩＳＴ。小波变换要以在高频提供高的频率分辨率，在低频提供高的时间分辨率，而ＡＲＭＡ模型则可以改善ＬＰＣ模型没有零点的不足。实验结果表明，识别的错误率提高１４．２７％。     

基于非线性Teager能量算子的TEO-PPM超宽带接收机

针对基于能量检测的脉冲位置调制超宽带接收机对环境中的窄带干扰敏感的缺点,提出一种基于非线性Teager能量算子(TEO)的TEO-PPM超宽带接收机结构.通过TEO的非线性处理,使窄带干扰信号搬移到低频段,从而可以通过一个模拟高通滤波器将其滤除.仿真结果表明,提出的TEO-PPM超宽带接收机可以有效抑制窄带干扰.相对于传统基于能量检测的PPM超宽带接收机,TEO-PPM接收机的性能提升明显且实现复杂度增加不多,可以较好地适用于低成本和低实现复杂度的应用环境.     

基于小波变换的说话人语音特征参数提取

在说话人识别系统中，提取反映说话人个性的语音特征参数是系统的关键问题之一，本文在研究小波变换理论的基础上，借鉴MFCC参数的提取方法，用小波变换代替傅立叶变换，提取了新的特征参数DWTMFC，并对常用的coif3、db6、db4、sym4、bior2．4这几种小波函数进行了比较，实验结果表明：coif3为提取语音特征参数的最优小波函数，DWTMFC参数的性能优于MFCC参数。     

小波变换在语音识别中的应用

提出了一种基于小波变换和ＡＲＭＡ模型的新参数,并将它用于Ａ…Ｎ的英文字母的识别。我们使用的数据库是ＮＩＳＴ。小波变换要以在高频提供高的频率分辨率,在低频提供高的时间分辨率,而ＡＲＭＡ模型则可以改善ＬＰＣ模型中没有零点的不足。实验结果表明,识别的错误率提高１４．２７％。     

基于Teager能量算子和深度置信网络的滚动轴承故障诊断

针对传统的分类器对滚动轴承早期微弱故障进行诊断时泛化能力不强的问题,提出基于Teager能量算子(TEO)和深度置信网络(DBN)的滚动轴承故障诊断方法。先用TEO提取滚动轴承振动信号中的瞬时能量,构造相应的特征向量;采用层次优化算法调整DBN结构参数,生成合适的分类器。应用美国西储大学轴承实验振动信号,对不同类型、不同损伤程度的滚动轴承进行故障诊断,对比分析DBN、支持向量机(SVM)和邻近算法(KNN)的分类准确性。研究结果表明：DBN能更准确、稳定地识别滚动轴承各种故障,具有较强的泛化能力。     

基于小波包变换的说话人语音特征参数的提取

在说话人识别系统中,提出反映说话人个性的语音特征参量是系统的关键问题之一.在研究小波包变换的基础上,借鉴MFCC参数和其一阶差分参数的提取方法,用小波包变换代替傅立叶变换,提取新的特征参数DWPTMFCC.实验证明:这种方法具有较高的识别率.     

基于Teager能量算子的倒谱方差的模糊均衡

基于Teager能量算子在噪声抑制上的特殊作用,改进了传统的倒谱参数提取方法,提出一种新的语音识别特征参数,利用基于模糊隶属函数的模糊滤波器组技术对倒谱参数进行模糊均衡,提出了一种新的语音识别参数TEO—FFBA,对多组语音库进行识别实验的结果表明,该算法简单,直接又有效,通过结合Teager能量算子并采用模糊滤波器组分析处理技术,在保持较低计算量的同时有效地提高了特征参数的鲁棒性和辨别能力。     

改进的小波变换HMM语音识别算法

语音识别系统的识别率十分依赖基于Hidden Markov Models(HMM)模型的训练技术.然而,经典的训练算法(Baum-Welch算法)有一个致命的缺陷,即所得最终解依赖于初始值的选取,只得局部最优解,这就影响了系统的最终识别率.针对传统语音识别系统识别率较低的现状,提出了一种改进的小波变换HMM语音识别算法.该算法首先通过小波变换对原始语音信号进行了降噪处理,然后使用语音样本对利用遗传算法改进后的HMM模型进行训练,并用于语音识别.实验结果表明:所提出的算法实用有效,识别率显著提高.     

基于子波变换的语音信号压缩

基于子波变换的多分辨分析特性 ,直接采用Mallat多层分解的低频系数进行语音信号压缩 ,并进行了计算机仿真 ,结果表明该方法是有效的、可行的 .     

基于小波变换的语音基音周期检测

本文根据语音信号在声门闭合时刻（ＧＣＩ）的锐变特性，利用小波变换的时频局部化性质，构造了一个基音检测系统．通过使用不同的压扩因子，根据语音信号小波变换的局部最大值的位置，确定出对应的语音信号的锐变时刻（即ＧＣＩ），而相邻两个ＧＣＩ的间隔即为基音周期．本方法具有准确性高、抗嗓声性能好、检测范围宽、动态性能好等传统方法所不具备的特点．     

基于二进小波变换的图像增强技术

文章给出了图像的二进小波分解与重构,通过理论分析和实验研究了基于二进小波变换的图像子带增强算法,重点是二进小波基的选取以及图像分解层次对图像中目标边缘增强的影响研究。二进小波变换提供平移不变表示,导致完备的高频分量适于图像增强,实验结果表明,二进小波变换增强方法可以减少噪声的放大,在增强图像微小细节和避免放大噪声两方面获得令人满意的结果。     

基于样条小波变换的语音基音检测

作者在分析小波变换时频局部化特性的基础上，选取样条小波函数对语音信号进行处理，给出了基于小波变换极大模的基音周期检测方法和实验结果。     

基于听觉模型的子波变换语音增强

基于听觉模型的子波变换语音增强林宝成，富煜清黄志同（东南大学无线电工程系，南京２１００１８）（南京理工大学自控系，南京２１００１４）在许多实际的语音信号处理中，都迫切需要进行语音增强，例如，噪声环境中的语音识别［２］、语音编码、语音合成等。尽管有各种...     

基于小波变换的语音基频检测

用小波变换法对语音基频进行检测。结果表明 ,小波变换法比传统方法更准确地提取基频 ,并具有相当的稳健性和适应性。对汉语而言 ,有利于语音四声的识别     

基于线性矩和小波变换的医学图像特征提取

应用小波矩作为图像特征量以及小波变换进行医学图像的自动特征提取,利用小波变换对线性矩进行分析,提取图像的各分辨率下的小波系数经快速傅里叶变换作为特征。使计算量和数据量大大减少,为特征的选取带来方便。矩特征由于其良好的稳定性、抗噪性和旋转不变性在图像识别中受到了广泛的关注和应用。由小波矩来构造目标的旋转不变性的特征,可以克服传统矩的弊端,又具有旋转不变性的特征。     

基于小波变换的波形特征抽取与识别

从设备诊断领域中特征信号模式识别的应用角度,探讨了基于小波变换的特征提取与识别方法.首先讨论了小波变换及其基本性质,进而探讨了基于小波变换模量极大点的特征抽取及基于模量极大点的幅值沿尺度s演变的特征提炼方法,并构造了全局的相似性度量,最后给出了分析实例.