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。     

基于小波变换的语音信号的特征提取

本文将小波变换用于语音信号目标特征的提取,利用小波变换对语音目标进行小波包分解后提取各频带内的能量特征作为特征向量。实验表明,小波变换使信号的频率特征得到增强,且压缩了特征空间的维数,具有很好的语音信号分类效果。     

基于小波变换的语音数据压缩的研究

语音数据压缩是为了提高信号传输和存储的效率.根据小波包变换时-频分析的特点,选取适当的小波函数将语音信号在正交小波包基下展开.由于语音信号的大部分能量集中在低频系数上,故对高频系数采用阈值量化处理,对剩余系数进行哈夫曼编码,从而完成语音数据的压缩.通过仿真分析,采用这种方法的压缩效果比较高.     

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

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。     

基于小波包变换的语音信号压缩及DSP实现

语音压缩技术能为当代生命科学的研究和发展提供先进且可靠的分析手段,因而在生命系统的研究领域有着举足轻重的作用.该文以小波变换为理论基础,依据小波包频带划分的特性,对语音信号进行了压缩算法的分析与设计,并且在TMS320VC5402 DSP上实现对信号的压缩处理.实验表明,该语音压缩算法能有效降低编码率,减少所需存储空间,且恢复的语音信号失真度小.     

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.     

语音压缩感知及其重构算法

在研究语音信号在小波域的稀疏性的基础上,提出双正交小波变换的方法,与一维小波变换方法相比稀疏度提高10%～25%.此外,提出基于自适应次梯度投影算法(ASPM)进行压缩感知(CS)语音信号重构的方案.ASPM算法首先根据压缩感知重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用次梯度投影的思想将该凸集的投影转化...     

小波包分析在信号压缩中的应用

着重介绍了将信号在小波包最优基下展开,利用小波包最优基极好的空间、尺度定位性,使得信号的小波包变换系数在小波变换域尽可能集中,从而使在不降低压缩信号的质量情况下,进一步提高信号压缩比成为可能.具体讨论了小波包分析及小波包最优基的选取,同时针对小波分析在信号压缩中的局限性,研究用小波包分析来进行信号的压缩,从而提高了信号的压缩比和重建信号的质量,并用于实际数据处理压缩.     

用小波变换实现电子耳蜗CIS语音信号的处理

为克服以往滤波器组参数调整复杂问题和实现电子耳蜗语音处理的快速数字化计算,提出了将小波变换应用于电子耳蜗的语音处理。介绍了电子耳蜗的机理及连续交替取样（ Ｃ Ｉ Ｓ）语音信号处理方案,并对耳蜗的频率分析特性与小波变换的时间—尺度分析特点进行了比较; 讨论了用小波变换实现 Ｃ Ｉ Ｓ语音信号处理方案的方法及仿真结果,给出尺度的选择依据,并与滤波器组的分析方法进行了比较。结果表明,用小波变换实现电子耳蜗的 Ｃ Ｉ Ｓ语音信号处理方案是可行的     

一种低比特率中文语音信息编码传输技术

研究一种中文语音信息编码技术．通过采用语音小波分析识别处理和语音信息特征编码，包括中文语音小波包分解、语音音素和音节声调识别、口音特征参数提取、语音信息和特征参数组合编码，这种低比特率编码技术理论上可将传输效率提高1倍．     

基于小波变换的心电信号处理研究

在简述小波变换理论发展的基础上,介绍了心电信号的主要特点和研究内容,从两大方面概括小波变换应用于心电信号处理的国内外研究现状:一是去噪,着重介绍了小波阈值消噪的研究成果,概括了在母婴心电信号分离、去除肌电噪声、保留特征波形方面的研究现状;二是波形检测和特征提取,着重介绍了QRS波群检测、ST段检测和R波峰值提取的研究现状,以及小波与其他理论结合用于心电信号处理的研究成果。最后,展望了利用小波变换进行心电信号处理的前景。     

用于齿轮故障诊断的复小波变换相位功率谱方法

基于复小波基函数的信号小波变换,体现了小波变换的多分辨特性。复值小波能从幅值与相位两个角度提取被分析信号的信息,在齿轮故障振动信号处理中可以更好地识别故障模式。     

基于含噪语音统计特征的小波去噪算法分析与实现

小波分析在信号处理方面具有优越性.本文将其应用于语音信号处理,所做的主要工作:证明了Daubechies小波语音能量守恒;基于含噪语音的统计特征,提出了样本方差阈值小波分解算法及重构算法;将新的阈值算法和Waveshrink算法用于语音除噪,并运用于多组实验进行对比.仿真数据表明,本算法效果较优.     

一种优化的VMD算法及其在语音信号去噪中的应用

针对非连续、 非平稳语音信号中含有噪声的问题, 提出一种基于参数优化的变分模态分解去噪算法. 首先, 利用灰狼优化算法搜寻变分模态分解算法的最优分解参数组合——分解模态数K和惩罚因子α, 通过使用获得的参数组合分解语音信号以获得K个特征模态函数分量IMF; 其次, 利用相关系数选择有效模态分量, 并用小波阈值处理无效模态分量; 最后, 重构小波阈值处理后的模态分量和有效模态分量以对语音信号进行去噪. 实验结果表明, 该算法与其他经典算法相比能有效提升信噪比, 降低均方误差, 提高语音信号的质量.     

小波视频图像处理技术

基于小波的视频图像压缩的理论，根据小波变换的基本特点，用小波视频图像处理的关键技术对现有小波视频图像处理技术进行分析，结合软件和硬件的实现方法提出小波视频图像处理的新方案。通过选取最佳的小波基和快速提升小波算法，实现了经小波变换处理后的图像细节部分清晰，层次感强，适合于高压缩比的应用领域要求。     

基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知。首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量。然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测。最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号。实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能。     

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。