使用离散小波变换压缩语音模板

小波变换作为一种新型的信号处理方法,因其可以对信号进行多分辨率分析并有高效算法,所以在DSP上得到了广泛应用。利用语音信号的相关性,可以使用小波变换来压缩语音模板。实践表明,引入小波变换后,在基本保持系统识别率的前提下,节省模板存储空间,从而达到在相同空间下保存更多词条的目的。     

基于小波变换的ERP信号分析

介绍多分辨率小波变换的基本概念,并介绍多分辨率小波变换在诱发脑电信号（ERP）分析中的应用以及如何应用多分辨率小波变换提取脑诱发电位的各频段信号。实验表明：该方法应用于脑诱发电位的分析是十分有效的。     

小波分析及其在振动诊断中的应用

小波分析能将信号划分到不同频段内,实现微弱故障信号的分离和提取。FFT—FS频谱细化技术能克服传统谱分析方法中频率分辨率与采样点数之间的矛盾,使谱分析中的频率分辨率不再受到采样点数的限制,得到准确的故障频率值．充分运用这两者的优点,对减速机振动信号进行分析,发现高速轴工作侧轴承出现故障征兆．     

基于LPC预测误差DWT的语音基音检测

在对语音信号进行ＬＰＣ分析的基础上，提出了一种有效的语音基音周期检测算法。该算法利用小波变换中著名的Ｍａｌｌａｔ算法逐层分解ＬＰＣ预测误差信号，在最低分辨率的逼近信号中寻找峰值，然后逐层回溯各个分辨率的逼近信号，最后在ＬＰＣ预测误差中确定出峰值，从而求出相应的基音周期。     

基于LPC预测误差DWT的语音基音检测

在对语音信号进行ＬＰＣ分析的基础上，提出了一种有效的语音基音周期检测算法。该算法利用小波变换中著名的Ｍａｌｌａｔ算法逐层分解ＬＰＣ预测误差信号，在最低分辨率的逼近信号中寻找峰值，然后逐层回溯各个分辨率的逼近信号，最后在ＬＰＣ预测误差中确定出峰值，从而求出相应的基音周期。     

基于DWT变换的语音端点检测

根据语音特性,提出一种基于离散子波变换（DWT）的语音端点检测方法．该方法利用（数字）语音信号的多尺度能量分布特性和不同分辨率下重构语音信号的相关特性来刻画（数字）语音信号,从而在噪声中检测出语音信号的端点．仿真试验结果表明：基于DWT变换的端点检测法与常用的端点检测方法相比,具有更好的抗噪性和识别稳定性．     

小波变换在语音信号处理上的应用

利用小波的多分辨率分析,以及其良好的空间域和频率域局部化特点,针对语音信号特征,选取适当的小波算法进行去噪和增强语音,压缩编码,提取语音信号特征等处理。通过Matlab仿真分析,得到增强后的信号图和压缩后的压缩比参数、能量保留参数、零系数比例系数,提取的信号特征。结果表明,基于小波变换的语音信号处理表现出良好的特性。     

用于语音识别的基于高谱分辨率的谱减法

提出了一种新的基于高谱分辨率的谱减法,通常噪音帧和带噪语音帧具有相同的长度且都是短时帧,对短的噪音帧和带噪语音帧做傅立叶变换得到的谱分辨率低导致谱减法性能下降严重。基于平稳或接近于平稳的背景噪音下合并所有噪音帧再做傅立叶变换以提高噪音帧的谱分辨率;通过对带噪语音信号在时域进行前向和后向的延拓再做傅立叶变换以提高带噪语音信号的谱分辨率,在有效抑制噪音的同时减少了语音谱的失真并提高了系统识别率。     

基于TMS320VC5509和小波分析技术的语音增强系统

本文设计了以TMS320VC5509为核心的语音信号采集系统。在计算机上使用MATLAB软件对采集来的语音信号进行小波分析,并使用全局阈值进行语音信号增强处理,降低语音信号的噪声。该系统的研究将小波分析与实际语音信号处理结合,为语音增强提供了一种可行的方法。     

基于小波和先验信噪比维纳滤波的语音增强

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法.通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号.通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较.实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量.     

小波变换用于数字图像相关法位移场的平滑处理

基于小波多分辨率分析，对数字散斑相关法获得的位移场进行平滑处理。将含噪声的位移场进行小波分解，获得在不同尺度上的小波系数；根据位移和噪声在频率上的区别，消除属于噪声的小波系数，从而实现噪声滤除；讨论了小波基的选择和去除属于噪声的小波系数关键技术问题，实验结果表明位移场的噪声得到了很好的滤除。此方法尤其适用于非平稳位移场噪声的平滑处理，小波变换在噪声滤除方面具有一定优势。     

基于小波变换的柴油发动机辐射噪声线谱分析

对小波变换(多分辩率分析)用于柴油发动机辐射噪声分析.利用小波变换的"变焦"性能,并基于其多分辨率分析,以柴油发动机辐射噪声信号为对象,使用Daubechies小波及快速小波算法———Mallat算法对其进行塔式分解,然后进行各级小波波形结构特征提取,再结合经典谱估计的方法分析其线谱特征,进而提高线谱的分辨率,以获得更多的信息量,为柴油发动机降低噪声提供理论依据.分析表明,将小波变换应用于柴油发动机辐射噪声线谱分析具有重要的意义.     

小波时频滤波器用于事件关联电位单次提取的研究

从单次脑诱发响应记录中提取有效信息，可以从根本上避免叠加平均法的弊端．在对听觉事件关联电位时－频域特性分析的基础上，结合相关分析方法，设计出了基于多分辨分析的样条小波时频滤波器，用以完成ＥＲＰ单次提取．大量提取实验表明，小波时频滤波器可以有效地从强背景噪声中提取单次ＥＲＰ．     

基于小波多分辨率分析的信号消噪

小波变换是近10年来迅速发展起来的学科，它与傅立叶变换、Gabor变换相比，是一个时间和频率的局部变换，因而能有效地从信号中提取信息。通过对信号进行多尺度细化分析，解决了傅立叶变换不能解决的许多问题。利用噪声信号小波变换的极大值随尺度的加大而显著减少的特点，运用小波多分辨率分析进行信号噪声的消除，仿真结果表明:小波多分辨率分析的效果，优于传统的傅立叶变换。     

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 .     

基于听觉模型的小波包变换的语音增强

由于人耳频率分辨率是非线性的 ,用传统的线性信号处理方法 (如FFT)来模拟人耳基底膜的频率分析特性是比较困难的 .小波包算法有灵活的时频分析能力 ,可较好地符合人耳基底膜的频率分析特性 .在模拟人耳的听觉机理方面 ,用动态阈值法成功地对含噪语音进行了去噪处理 ,在去噪处理中引入音乐噪声的问题也较好地得到解决 .实验表明 :在单声道的条件下 ,其语音增强效果比传统的频谱减法有更高的清晰度和可懂度     

基于多分辨率分析的1/f类噪声滤波器设计

针对1/?类噪声的非平稳、自相似、长程相关以及幂指数型的功率谱等特性，根据小波理论以及多分辨率分析思想给出了1/?类噪声的多分辨率分解的表示方法，在此基础上建立了其小波模型并设计出相应的白化滤波器。运用基于小波的阀值限定的方法进行消噪，以干涉式光纤陀螺系统中由于偏置不稳定性造成输出信号中所存在的1/?类噪声为研究对象进行仿真分析。结果表明，该方法处理此类非平稳噪声的有效性。     

基于小波变换的结构损伤检测

基于小波变换核心内容之一的多分辨分析,将小波变换应用于结构损伤检测中．实例分析表明,用损伤检测得到的回波信号的小波分解可排除噪声影响,准确地判定被捡构件中损伤的空间位置．     

经济与金融中的“数学显微镜”

在多分辨分析基础上对小波分析做了噪声光滑和去噪、经济关系的时间尺度分解、金融数据的分解以及经济预测与结构突变4个方面的介绍,充分展示了其"数学显微镜"的特征     

基于多分辨小波变换的相位匹配

相位匹配是基于频域匹配方法的一种,它利用具有局域频率特征的相位信号作为匹配基元,其匹配过程具有由粗到精的多分辨率特性。通过实信号解析分析法,在选用双正交小波的基础上,利用 Hilbert 交换构造了适于相位信号提取的频带分解滤波器,利用多分辨率小波变换将多分辨率的匹配过程与多分辨率的相位信号提取过程有机地结合起来。