基于复解析子波变换（CAWT）的汉语语音谱图

复解析子波变换（CAWT）紧密地将希尔伯特变换（HT）与子波变换（WT）结合在一起,在信号分析处理方面具有良好的表现。本文将复解析子波复换应用于汉语语的谱分析中,实验结果表明,文中所构造的复子波语音谱图可以清晰地表征汉语语音的动态谱结构,谱图中的语音形态为进一步的语音识别提供了一种新的途径。     

呼吸音信号的包络特征提取方法

针对时变宽带的呼吸音信号,在分析传统Hilbert变换方法提取包络的缺点基础上,提出基于复小波变换的呼吸音信号包络特征提取方法。选取Morlet复小波,以适当的尺度对预处理后的呼吸音数据进行变换得到包络,提取包络的统计量和能量作为特征,构造BP分类神经网络的输入矢量,经训练识别取得较好分类效果。研究表明该文的特征提取方法是行之有效的。     

基于盲源提取和希尔伯特变换的心音包络提取

心音包络比原始心音可以更好地显示心音的特征,是进行心音识别的基础.由于在体表采集心音信号时容易受到呼吸音、外界环境中不确定干扰的影响而且干扰信号不容易被常规滤波器滤除,结果导致提取的心音包络不能真实反映心音的特征.为了准确的提取心音包络,提出了一种新的心音包络提取方法,首先采用盲源提取算法从采集的信号中获取比较纯净的心音信号,然后采用希尔伯特变换提取心音的包络.通过提取合成心音数据和实际采集的心音信号包络证明了上述方法的可靠性.     

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。     

湖底回波的包络特征提取

湖底回波包络包含了湖底沉积物的结构和物理性质的信息,可以作为沉积物分类的特征.用传统的Hilbert变换提取宽带回波包络存在一些固有的缺点.该文中,采用线性相位的双正交小波,对湖底回波解析信号的实部和虚部分别进行离散正交小波变换,提取合适尺度上的小波系数的模值作为包络特征矢量.它可以采用Mallat快速算法,运算量少,提取的包络特征矢量维数少,能简化目标识别的算法.对实测的湖底回波数据进行特征提取和分类的仿真实验也表明,采用这种方法得到的包络特征是一种稳健、有效的特征,能获得较高的正确识别率.     

基于PCA和希伯特包络分析的盲隐写分析算法

为克服传统算法采用离散小波变换（Discrete Wavelet Transform,DWT）最终引起的加性噪声隐写图像检测正确率较低而虚惊率较高的问题,提出了一种新的盲隐写分析算法。综合应用主成分分析（Principal Component Analysis,PCA）和希伯特包络分析的优点,提取隐写图像高频子带希伯特包络解析信息号的主成分特征统计量,计算主成分信息熵,构建信息熵敏感特征向量。采用非线性支持向量机（Support Vector Machine,SVM）分类器,基于Matlab7.1平台进行仿真研究,结果表明：该算法对于空域和DWT域隐写检测具有较高的检测正确率和较低的虚惊率。     

一种新颖的基频包络聚类方法

主要研究音节基频包络的聚类问题.在聚类的基础上,通过合理的样本选择,可以实现对大语料库的裁减,再结合现有的语音编码技术,就能够构建出一个小存储容量多样本的带调音节语音库,来满足嵌入式TTS系统对合成语音清晰度和自然度的要求.针对音节基频包络长度的不同,给出了一种非定长包络的聚类方法,这种方法将DP(dynamic programming)的概念融入了聚类.首先利用DP的思想,在两个基频包络之间寻找一条最佳路径,然后再沿这一路径进行两包络的相似度计算,若两包络形状类似,距离测度的值会很小.实验表明,与传统的方法相比,使用新方法可以获得更好的聚类结果.合成实验也验证了这种方法的有效性.     

基于基频包络的音节聚类研究

对汉语TTS系统的大规模语料库做了基本的韵律参数统计，分析了音节的韵律特征与其所在的韵律结构位置以及韵律结构边界的关系。进一步，对有调音节样本集基于基频包络采用k中心点算法进行聚类，通过听辩实验检验了聚类结果。并分析了音节聚类与其所在韵律结构之间的对应关系。     

HILBERT包络法在心音身份识别中的应用

在分析心音信号特征的基础上,对心音信号进行预处理,再利用希尔伯特变换对心音信号进行心音信号包络提取,突出了心音信号的第一心音和第二心音.然后对心音包络进行分段,通过单周期心音包络的归一化能量实现了心音信号的身份识别.     

包络对齐快速实用算法

在传统方法的基础上,提出一种包络对齐快速实用算法.算法选取具有最大相关值的峰值包络作为参考信号进行包络对齐偏移量的求解.在最大相关峰值包络的选取过程中,将非相参积累后的信号通过低通滤波器,以滤除其高频分量的"毛刺",在不改变原信号基本形状的前提下,减少峰值个数,从而降低了最大相关峰值包络寻找过程的计算量.最后用实测数据对算法进行了测试和评估,本文的算法不仅降低了计算量,满足了工程上的应用,而且比传统算法具有更好的对齐效果.     

基于听觉及小波变换的汉语语音调值分析

提出了一种基于听觉与小波变换处理的汉语语音基音的方法，在对听觉系统描述的基础上，给出了人的听觉与小波变换的关系，选取适合汉语事音基频提取的小波函数，给出了基频提取的应用实例和基于ＦＣＭ模糊聚类分析的汉语四声调值识别结果。     

基于仿生小波变换和自适应阈值的语音增强方法

提出一种基于仿生小波变换以及自适应阈值的语音增强方法．含噪语音通过仿生小波变换后，针对不同的尺度采用不同的阈值函数进行去噪．由于在小波变换过程中考虑了人耳的听觉特性，所提出方法优于基本的小波语音增强方法．实验表明，该方法在多种噪声条件下均具有较好的语音增强效果．     

一种基于听觉特性的自适应小波语音增强方法

提出一种基于人类听觉特性的自适应小波滤波算法。该方法用听觉感知小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,将经听觉感知小波变换所分离出来的噪声成分作为自适应滤波器的输入。通过采用递推最小二乘算法从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声。结果表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计,提高了语音的清晰度和可懂度。     

基于前置滤波和小波变换的带噪语音基音周期检测方法

根据语音信号的基音周期范围有限和在声门闭合时刻语音信号出现锐变的特点,提出一种基于前置滤波和小波变换的基音周期检测方法。带噪语音信号经过3阶椭圆低通滤波器滤波后,采用以二次样条小波作为小波函数,进行一级小波变换检测语音信号的锐变点,再计算基音周期。实验表明,本文提出的基音周期检测方法,与平均幅度差函数(AMDF)和自相关函数(ACF)方法相比,提高了提取基音周期的准确率;与多尺度小波变换的基音周期检测方法相比,减小了计算量,削弱了噪声信号和语音的共振峰对基音周期检测的影响。     

基于小波变换和压缩感知的语音信号压缩研究

对语音信号直接进行压缩感知处理,通常压缩的效率不高。针对此问题提出了一种基于压缩感知和小波变换的方法,首先用小波变换的方法对语音信号进行级数分解,然后采用压缩感知的方法对小波低频系数进行压缩,并丢弃高频系数,重构语音信号时高频系数用随机信号来取代。采用此种小波变换的方法,与直接采用压缩感知的方法相比,前者的语音信号MOS值稍有降低,但压缩率比直接压缩感知的方法降低了一倍,说明此方法可大大提高压缩的效率。     

基于小波变换的语音信号可视化研究*

给出了一种新的语音信号的可视化方法,利用基于小波变换的时频分析方法来模拟基底膜带通滤波器的特性,克服了SFT（短时傅里叶变换）分析对高、低频段具有相同的时间分辨率和频率分辨率的缺点。对经过小波变换滤波后的语音信号进行特征编码形成语音的组合特征,将该组合特征作为一个新的特征量来表示语音信息,并将这种特征用简单的图形表示出来。利用聋哑人自身的大脑来识别语音,达到训练其口语的目的。     

基于CycleGAN的语音可懂度关键技术

语音可懂度增强是一种在嘈杂环境中再现清晰语音的感知增强技术. 许多研究通过说话风格转换(SSC)来增强语音可懂度, 这种方法仅依靠伦巴第效应, 因此在强噪声干扰下效果不佳. SSC还利用简单的线性变换对基频(F0)的转换进行建模, 并且只映射很少维的梅尔倒谱系数(MCEPs). 因为F0和MCEPs是语音的两个重要特征, 对这些特征进行充分的建模是非常必要的. 因此本文进行了一个创新性研究即通过连续小波变换(CWT)将F0分解为10维来描述不同时间尺度的语音, 以实现F0的有效转换, 而且使用20维表示MCEPs实现MCEPs的转换. 除此之外, 还利用iMetricGAN网络来优化强噪声中的语音可懂度指标. 实验结果表明, 提出的基于CycleGAN使用CWT和iMetricGAN的非平行语音风格转换方法(NS-CiC)在客观和主观评价上均显著提高了强噪声环境下的语音可懂度.     

一种基于仿生小波变换的语音增强方法

提出了一种新的基于仿生小波变换的语音增强方法。该方法通过对仿生小波变换系数进行阈值处理,从而达到语音增强的目的。实验结果表明：该方法在四种实际噪声环境下均优于一些经典方法如：谱减法、维纳滤波和基于离散小波变换的阈值去噪方法,具有更好的语音增强效果。