利用小波包变换实现音频压缩算法

构造了一个音频编码系统,用ＦＶ－ＭＬＴ（Ｆｒｅｑｕｅｎｃｙ Ｖａｒｙｉｎｇ Ｍｏｄｅｌａｔｅｄ Ｌａｐｐｅｄ Ｔｒａｎｓｆｏｒｍｓ）＾［１］实现小波包的变换,进行对输入信号的时频变换。并利用时频变换输出的ＦＶ－ＭＬＴ系数计算蔗蔽门限,提出了基于小波变换的心理声学模型算法。对整个编码器进行了软件仿真,并与ＭＰＥＧ的标准编解码器进行了音质与压缩率方面的比较。在音质接近的情况下,该编码器的平均码率比Ｘｉ     

块重叠小波变换及其在音频编码中的应用

小波变换是信源编码技术的重要数学工具。然而,由于基于块的小波变换的基函数在块边界处的不连续性,导致解码信号在块边界存在“块效应”问题。本文采用块重叠小波变换的方法,利用变换基函数在块边界的连续性,消除了解码信号的“块效应”问题。基于块重叠小波包变换技术,设计了一个音频编码器,验证了上述方法的有效性。     

小波变换音频编码算法研究

任意能量有限信号都可以用紧支撑正交小波基展开或分解，这一点对研究快速高效音频编码算法是非常重要的。本文设计一种基于正交小波变换的高保真音频编码算法，该算法可以把速率为７０５．６ｋｂｉｔ／ｓ的高保真音频信号压缩到１９２ｋｂｉｔ／ｓ，１６０ｋｂｉｔ／ｓ，１２８ｋｂｉｔ／ｓ，９６ｋｂｉｔ／ｓ和６４ｋｂｉｔ／ｓ，并保持重构音频信号的高质量。     

关于正交小波包变换的几点理论探讨

本文对正交小波包基函数在不同尺度上的传递关系、正交小波包变换系数在不同尺度上的传递关系、高斯白噪声的正交小波包变换系数的统计特性、以及正交小波包基的相关函数性质进行了理论研究,并获得了相应的理论结果,仿真实验验证了理论研究的正确性.     

应用最优小波包变换的特征提取方法

在模式识别或分类中,从原始模式中提取有效的分类特征是非常重要的.但对于大量的非平稳或时变信号模式来说,如语音,雷达,地震信号等,用于分类的特征往往包含在局部的时-频信息中,用一般的变换方法提取有效的特征比较困难.近年来小波变换在信号处理和特征提取中得到了广泛应用,但小波包变换的任意多尺度分解特性,是分析非平稳信号更有效的方法,这是由于小波库中包含了丰富的小波包基,不同的小波包基具有不同的性质,反映不同的信号特性,能获取其他变换所不能获取的信号特征.本文主要研究由给定的训练样本集,如何选择最优小波包基,从被识别或分类的信号中提取具有最大可分性的特征.为此提出了应用三种可分性准则,即距离准则,散度准则和熵准则选择最优基.通过实验,对应用各准则选择最优基提取特征与小波基提取特征的性能进行了比较.     

基于改进小波包变换的音频指纹提取算法

数字音频指纹技术在音频信号分析和处理中起着重要作用。针对传统基于时频分析的音频指纹提取算法中仅使用信号能量作为特征参数,而无法全面表征出信号的复杂度和不规则性问题,提出了基于小波包分解与重构,将小波包系数的奇异值熵和样本熵相结合,作为音频信号的特征参数提取指纹。实验证明,该算法提取的指纹提高了音频识别的准确率,在常见信号处理下能保持较强的鲁棒性,并具有明显的区分音频和定位音频篡改位置的能力。     

正交小波(包)变换的算子矩阵

本文采用纯数学的方式,构造性地直接证明了对于长度为2的整数次幂的有限长离散信号,它的有限支撑的正交小波(包)变换算子可以用一个大小与信号长度一样的正交矩阵来表示,并且给出了该矩阵构造的一般方法和规律.     

基于小波变换/小波包变换的多载波调制技术

小波/小波包在通信系统中的应用是近年来一个新的研究领域,而基于小波/小波包变换的多载波调制技术是其中一大研究热点。由于小波/小波包基函数具有良好的正交性与时频局域性等特点,基于小波/小波包变换的多载波调制技术,能够有效地提高通信系统性能。本文介绍了当前几种主要的基于小波/小波包变换的多载波调制方案,分析了这些方案的性能特点及发展趋势,并与其他方案进行了比较。     

基于变换域离散小波变换音频水印算法研究

本文提出基于离散小波域的音频水印算法。对要嵌入水印的音频数据进行小波变换三级分解。水印图像经过置乱处理后,再进行降维处理按乘性规则嵌入到经过三级DWT分解的近似分量中,然后和三级DWT的细节分量一起经过逆变换处理产生嵌入水印的音频信号。通过上述过程的逆变换从嵌入水印的音频信号中提取出水印。     

一种改进的小波包变换多尺度滤波

提出一种基于小波包变换的多尺度传感器数据融合算法,并针对方法中存在的小波分解的尺度系数的幅值随分解层数增大而增大现象对滤波器作修改,改进后的算法既明显提高滤波性能,又能保持原算法的优点。     

基于小波包变换的信号谱峰检测算法

提出了一种新的基于小波包变换的信号谱峰检测算法,主要思想是利用小波包变换的特点,对信号功率谱进行平滑处理,突出谱峰的特征点（起点、顶点和终点）,然后对其进行三层小波包变换,提取相应细节系数的特征点来估计谱峰的起点、顶点和终点,从而完成谱峰的检测。该方法的特点是无需信号的任何先验信息,是一种盲处理算法。仿真结果表明,信噪比不低于5dB的情况下,信号特征点检测的归一化均方误差（NMME）低于6‰,其性能比传统基于差分的方法有明显的优势。     

一种基于提升小波变换的音频无损编解码方法

提出了一种基于整型提升小波技术的无损音频编解码方法,该方法在AVS（Audio Video Coding Standards）无损编码基线系统提案RM0框架基础上,通过增加整型小波提升模块,对音频信号进行分带处理,增强了带内信号的相关性,提高了信号的压缩比。最后通过与AVS无损编码基线系统RM0的对比,验证了该技术的有效性。     

基于小波包变换的SAR原始数据压缩

该文介绍了小波包变换和网格编码量化的优点,结合合成孔径雷达(SAR)原始数据的特点,提出了基于小波包变换和网格编码量化的SAR原始数据压缩算法。利用模拟和实际数据分析了该压缩算法的性能,通过与其他原始数据压缩算法的比较说明了这一方法的有效性。     

基于小波包域听觉感知分析的统计音频水印算法

现有的统计音频水印算法对不可感知性缺乏保证.本文根据宿主音频信号的感知和统计特性,提出一种统计音频水印算法.该算法利用自适应小波包分解对宿主音频信号进行听觉感知特性分析,在小波包域内直接计算掩蔽阈值,并用其控制水印的嵌入强度.该算法采用统计方法自适应地在听觉感知重要的有调成份上嵌入水印,保证了水印的不可感知性和鲁棒性.水印检测错误率分析和实验结果表明本文算法能保证音频感知质量并能抵抗各种攻击.     

基于Curvelet变换与小波包变换联合的图像去噪算法

小波包变换在处理图像中的平滑区域时能够起到较好的效果,而Curvelet变换可以更好地逼近线性奇异高维函数,对图像的边缘区域有最稀疏的表示.在此基础上提出了基于二者联合的图像去噪算法,在对含噪图像进行分割后,分别对线性区域和平滑区域采用Curvelet阈值去噪处理和小波包阈值去噪处理.该方法充分发挥了二者各自的优势,实验表明,它对图像的去噪效果要优于单纯的Curvelet或小波包去噪方法.     

一种基于小波包树的图像压缩方法

在过去十年中对图像压缩的研究呈持续增长趋势,在这个领域里最有效和最具代表性的方法是离散小波变换。图像的压缩包括变换、量化和编码。提出了图像的变换和量化方案。该算法采用小波包实现变换,在香农熵的基础上重建最佳树,并且为了量化采用了自适应阈值。相对小波变换的压缩,提供了一种很好的压缩实现。最后实验结果显示了该算法的优越性。