小波匹配追踪的语音信号时频建模

小波多分辨率的正弦模型对正弦成分含量较低的语音信号不能较好建模,提出小波匹配追踪的瞬时建模方法。建立小波原子词典,利用多样性变异算子匹配追踪寻找最佳匹配小波,最后将语音信号表示成一系列匹配最佳小波的累加。仿真实验针对正弦成分含量较低的语音信号对两种模型作比较,结果显示提出模型的信号重构残差值较小波变换的正弦模型有明显降低。     

基于小波变换多分辨率特性的语音消噪方法的研究

小波分析是一种信号的时间——尺度分析方法,特别适合于非平稳信号的分析,具有多分辨率分析的特性,而且在时频两域都具有表征信号局部特征的能力。通过分析语音信号的特性,利用小波变换的多分辨率分析特性,提出了首先对信号进行清浊音判断,其次运用多尺度多闽值方法来抑制包含有噪声的语音信号在不同尺度上的噪声小波系数,从而实现在重构语音信号中消噪的目的,并通过计算机仿真结果验证了该方法的有效性。     

基于小波及能量熵的带噪语音端点检测算法

为了在复杂的噪声环境中区分出语音信号和非语音信号(噪声),提出了一种基于小波及能量熵的带噪语音端点检测方法.该方法利用小波的多分辨率特性以及它对非平稳信号局部特征的表现能力,对含噪语音信号进行小波变换,用各层能量熵值的平均值来有效地区分语音段和非语音段.不同背景噪声及不同信噪比下的实验结果表明,提出的带噪语音端点检测算法获得了较高的检测正确率.     

小波多分辨率的谐波正弦语音建模

谐波正弦语音模型因固定帧长不能使每个谐波得到最佳分辨率,而分辨率决定着语音的建模效果。因此提出小波多分辨率的谐波正弦语音模型,将谐波语音信号通过小波变换分解成多分辨率子带信号,利用谐波正弦语音模型对这些子带信号独立建模,将建模后的各子带信号相加合成。仿真实验显示该模型的信号重构误差降低约两个数量级,通过PESQ软件测试得到的MOS分值约提高0.3。     

基于奇异性的语音端点检测方法

噪声信号对于语音信号是相对奇异的.小波变换是分析信号奇异性的有利工具.在利用小波对含噪语音进行分析研究的基础上,提出了一种新的端点检测方法.该算法利用了基于信号奇异性的统计特征和高低频能量比特征.实验结果表明,在低信噪比的情况下,该算法依然能有效地进行语音分割.     

基于小波包最佳基分解的特征表示

特征提取是信号识别与分类中的重要一环,对提高系统的准确、改善系统性能起着关键的作用。利用小波包变换对信号进行特征提取是近年来发展起来的一种新的特征表示手段,在许多领域中已获得了成功的应用。论文首先回顾了采用小波包变换对信号进行分解的过程,并在此基础上研究了基于小波包变换的特征表示与提取方法。     

基于小波包分析的鲁棒性语音识别

通过对MFCC算法的研究,发现其中的FFT在整个时频空间使用固定的分析窗,这不符合语音信号的特性,而小波变换具有多分辨率特性,更符合人耳的听觉特性。提出了动静态特征参数结合的语音信号识别方法,首先在特征参数提取中引入了小波包变换,借助MFCC参数的提取方法,用小波包变换代替傅里叶变换和Mel滤波器组,提取了新的静态特征参数DWPTMFCC,然后把它与一阶DWPTMFCC差分参数相结合成一个向量,作为一帧语音信号的参数。仿真实验证明：基于新特征的识别率比原来MFCC的识别率有了很大提高,特别是在低信噪比情况下。     

基于小波包最佳基包解的特征表示

特征提取是信号识别与分类中的重要一环，对提高系统的准确、改善系统性能起着关键的作用。利用小波包变换对信号进行特征提取是近年来发展起来的一种新的特征表示手段，在许多领域中已获得了成功的应用。论文首先回顾了采用小波包变换对信号进行分解的过程，并在此基础上研究了基于小波包变换的特征表示与提取方法。     

一种鲁棒的基于小波变换的语音参数提取算法 *

提出了一种基于小波变换的新型语音参数提取算法 ,提高语音识别系统对环境噪声的鲁棒性。由于引入了多分辨率小波分析技术 ,识别既在高频提供高的频率分辨又在低频提供高的时间分辨率。这样 ,提出的改进算法在语音词汇的识别更准确的同时 ,还大大简化了计算。将该算法和传统提取 MFCC系数的算法进行了比较,实验结果表明 ,利用小波计算语音特征具有更优的性能。     

基于听觉感知的电子耳蜗共振峰提取方案

使用听觉感知的小波变换来提取电子耳蜗中的共振峰参数。首先用听觉感知的小波变换对原始语音信号进行分解重构,然后分别用自相关和格型法对合成语音信号和原始语音信号进行共振峰提取。实验结果表明：使用听觉感知的小波变换进行共振峰参数提取的可行性,合成语音信号能更好地表征原始语音信号的特征;同时也证实了电子耳蜗语音处理器中使用由格型法提取共振峰参数比自相关法更精确。     

基于小波变换和参数滤波的音素分段算法

论文首先分析了小波的时频特性,基于该特性对语音信号进行小波域滤波,提出对听觉感知有效的频率分量,然后用参数滤波方法进行分段。参数滤波的基本思想是以一个变化的参数对信号进行滤波,得到信号在不同频带中的分量。可以证明若滤波参数以一定的规律变化,则这些滤波分量的一阶自相关表示了信号的相关结构。实验表明对上述经小波域滤波后的频率分量进行基于参数滤波的音素分段会得到较准确的分段效果。     

复子波提取语音信号特征信息

对时变性强的非平稳汉语语音信号,建议采用变时-频复子波分析方法提取汉语语音信号的幅度谱、相位谱、基音周期及共振峰信息。选择有n阶消失矩及良好的时频局域化特性的复高斯子波提取汉语语音信号的幅度谱和相位谱,实验结果表明,该方法提取的语音信号的幅度谱、相位谱和子波变换谱表征了汉语语音的音节包络、细节包络及声调,区分了清、浊音,并准确提取了语音信号的动态基音周期、估计出共振峰。这对汉语语音特征提取和识别提供了一种新的思路。     

基于KL-小波包分析的文本无关的说话人识别

提出了一种新的文本无关的说话人识别方法,它通过KL变换对语音进行规整、去噪,再利用小波包分解系数弹性地选择频带,提高时频分辨率,更好地提取出说话人的特征。实验证明,这种方法不仅具有较高的识别率,并且在嘈杂环境下也能保持稳定的性能。     

基于类别距离和Bhattacharyya距离的雷达信号特征评价

从瞬时自相关法、小波变换法和时频原子法提取的脉内特征比较分析入手,提出了一种新的最优特征评价准则。以类内距离、类间距离和Bhattacharyya距离为基础,从特征的空间分布和错误识别率的上界等方面对不同算法提取出的脉内特征进行分析,实现了最优特征的选择。实验的仿真结果表明,这种最优特征评价准则是有效的,为雷达辐射源信号的特征评价提供了有意义的参考。     

小波变换在轴承故障诊断中的研究

介绍了小波分析理论和MATLAB小波工具箱,并利用MATLAB小波工具箱进行信号分析。滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件,它的工作状况直接影响机械设备的使用性能。小波分析是一种时频信号分析方法,它具有时域和频域的局部化和可变时频窗的特点,利用小波变换和小波包对信号在不同的频带下进行分解与重构,并对不同的分析方法进行了比较,特别是对不同的小波函数也进行了比较。最后,提出利用数据挖掘的理论来建立轴承故障诊断的数据挖掘模型库。     

Hilbert-小波变换的齿轮箱故障诊断*

采用希尔伯特—小波变换对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用小波变换分解获得振动响应信号的各层高频信号小波系数和低频信号小波系数,对小波系数进行重构获得具有不同特征时间尺度的各高频信号和低频信号;再对分解的信号进行希尔伯特变换获得时频信息谱以提取系统的统计特征信息,实现监测齿轮运转工作状态,及时发现齿轮的早期故障,提高机械运行的安全性。仿真研究结果表明,小波变换分解和希尔伯特边际谱方法在故障信息诊断方面是可行和有效的,提高了故障检测的可靠性。     

某型导弹测角仪故障检测的小波分析方法研究

现有的时频分析方法很难检测到某型导弹测角仪故障,针对这个问题,提出测角仪故障检测的连续和离散小波变换相结合的时频分析法.给出该方法提出的过程,分析连续和离散小波变换时烦分析法,将两种分析方法的特点结合起来共同分析测角仪故障时的信号信息.通过仿真实验证明,提出的方法能准确的提取测角仪故障时的信号特征,对测角仪故障的检测是...     

基于HHT变换的起动电动机特征信号时频分析

针对车辆起动电动机电气和机械故障发生时特征信号的时变不平稳特性,进行了时频域分析处理,提出了利用现代信号处理方法对故障信号提取特征向量的方法,主要对起动电动机的电枢和轴承故障进行诊断。在构建电机故障测试实验平台的基础上,利用破坏性实验构造了故障类型,测取了电枢电流和振动信号,分别采用小波分析理论和HHT变换对信号进行分析,通过分解再重构的方式将信号分解成了频率由高到低的不同分量,并获得了故障的特征频率,提取了特征向量。实验结果表明,基于HHT变换的现代信号处理方法在处理时变非平稳信号方面比小波分析理论更具有自适应性,更易识别。     

同步挤压小波变换提取地震信号瞬时属性

地震信号瞬时参数的准确提取对于研究地球介质的岩性构造、油气储藏等具有重要意义。针对用传统时频分析方法提取地震信号瞬时参数对噪声敏感、可靠性不强等问题,提出了利用同步挤压小波变换(SST)提取地震信号瞬时参数的方法。该方法是一种连续可逆的时频变换工具,首先结合时频谱重排的思想,得到同步挤压小波变换量值,然后计算出实信号对应的解析信号,接着求取瞬时参数,最后与传统的Hilbert变换方法进行比较,通过仿真信号试验和实际地震资料的应用表明,SST提取的地震瞬时参数抗噪性更强、可靠性强,尤其对于瞬时频率的提取。