基于小波变换和矢量量化的语言信号压缩方法

本文提出了一种基于小波变换的矢量量化语音信号压缩方法。首先对语音信号的时域采样值作小波变换,然后将小波系数送入矢量量化器。在研究人耳听觉特性的基础上,提出了一种能够反映人耳听觉特性的距离准则,在达到高压缩比的同时使重建语音信号的质量得到了很大改善。     

基于小波变换的汉语声调识别新方法

利用小波变换能够模拟人耳听觉特性的优点及其时频局部化特性,对实际语音信号进行分析。根据小波变换模极大值原理以及语音信号的奇异和瞬态特性,提出了一种新的小波变换峰值检测算法。该算法可用于精确提取语音的基音周期,准确进行声调识别。最后,给出应用实例说明了本文算法的有效性。     

基于听觉感知小波变换的电子耳蜗CIS语音信号处理

为克服以往滤波器组参数调整复杂，提出了一种听觉感知的小波变换的电子耳蜗语音处理的方法。文章在连续交替取样CIS（Confinuous Interleaved Sampling）语音信号处理方案的基础上，利用人耳听觉的临界频率与听觉感知的小波变换域的相似性，进行了电子耳蜗输出信号的重构，采用短时傅立叶变换的语谱图分析。实验结果表明：本方法获得的合成语音与原始语音在频谱包络特征上非常相似，频域特征里接近入耳的实际生理特性。     

一种数字音频水印嵌入算法的研究

结合人耳听觉模型,利用人耳掩蔽特性,提出了一种基于小波分解和复倒谱变换的音频数字水印算法。该算法通过对原始语音信号进行三级小波分解,提取出小波近似分量,从近似分量中选取重要系数。利用复倒谱变换系数的不相关性．对重要系数进行复倒谱变换实现解相关运算,最终把水印嵌入到语音复倒谱域中,实现了在语音信号中嵌入二值图像,提高了水印嵌入算法的不可听性。实验证明该方法在抗常见的信号处理如加噪、滤波、重采样、有损压缩等方面具有较好的稳健性。     

基于听觉掩蔽效应的小波包语音增强

在分析传统阈值函数小波去噪方法的基础上,提出一种根据人耳掩蔽效应设计的阈值函数去噪方法。该方法利用小波包的多分辨率的优点,把语音分解到反映人耳听觉特性的小波子带中,再使用根据人耳听觉掩蔽原理设计的噪声掩蔽阈值函数对带噪的小波系数进行处理,最后反变换得到增强语音。仿真实验表明：输出的信噪比与听觉评测（PESQ）均取得较好结果。     

基于仿生小波的阈值语音增强算法

人耳对于声音信号的分辨率是非线性的,而仿生小波变换正是由非线性的耳蜗听觉模型发展而来。文章提出一种基于仿生小波变换的语音信号去噪方法,同时针对软硬阈值函数的不足,采用一种修正的硬阈值函数进行处理。仿真结果表明,该方法具有较好的增强效果。     

基于小波变换的多级矢量量化图像编码算法

结合小波变换中多分辨率分析特性以及多级矢量量化复杂度低、量化效果较好的特点提出了一种基于小波变换的多级矢量量化图像编码方法。在使用多级量化的基础上采用联合优化多级矢量量化的码本设计方法,进一步提升量化效果。试验数据表明,该方法相对于传统的矢量量化算法,量化效果进一步提高,复杂度也在可接受范围之内,达到了很好的压缩编码效果。     

一种适用于低速率语音编码系统的基音周期量化算法

本文提出了一种适用于低速率语音编码系统的基音周期量化算法。该量化器由一个无记忆均匀量化器和一个差分量化器组成。其中,一个量化器直接量化对数基音周期,另外一个量化器对当前的待量化的对数基音周期与前一个已量化的对数基音周期的差分值进行量化。两个量化器的输出结果择优传送到解码器。该方法利用语音信号中的冗余特性和人耳的听觉特性获得了一个高效的量化算法。实验结果表明,该算法对基音周期的量化只用4比特而不降低合成信号的听觉质量。     

一种基于二进小波变换的短波语音抗时变干扰算法

本文针对短波语音中存在的时变干扰难以跟踪,更难以滤除的问题,提出了一种基于二进小波变换的抗时变干扰算法,利用二进小波变换的变焦距的功能以及保持语音信号连续性的特点将短波语音信号分解成各层小波系数,由于噪声、语音和时变干扰在不同尺度上小波变换后,其小波变换系数和尺度大小的特性关系存在着不同的特征表现,因此通过二进小波变换能够有效地将时变干扰分解到很少的小波系数上,然后结合后验信噪比的大小以及根据人耳的听觉掩蔽特性,将强干扰和弱干扰、重叠干扰和非重叠干扰分开处理,较好地滤除了时变干扰并且明显降低了对短波语音信号的失真。仿真表明此算法不仅能够较好地滤除时变干扰,并且对语音失真较小,要明显优于传统的陷波算法。      

一种基于矢量量化的音频场景分析方法

基于音频的场景分析技术对机器自动感知环境特征，提高自动化程度等具有重要的意义。考虑到人耳的听觉特性，采用反映人类听觉特性的Mel倒谱系数MFCC（Mel frequency cepstral coefficient)作为音频信号特征，提出了一种用矢量量化来进行音频场景分析的方法。     

基于小波变换和误差竞争学习的矢量量化

用神经网络实现图像矢量量化是一种非常有效的方法，而小波变换又是近年来迅速发展起来的新算法。文中提出一种改进的误差竞争学习算法，分析了图像在小波变换后数据的特点，提出了新的矢量构造方法，从而最终得到了基于小波变换和误差竞争学习的矢量量化图像压缩新算法(以下简称VQWDCL)，无论是在主客观效果上，还是在计算复杂度上，其性能都优于传统的基于小波变换和LBG算法的矢量量化。     

抗噪声的小波谱压缩特征提取算法在语音识别中的应用

针对语音识别实际应用过程中的噪声问题,给出了一种新的抗噪声的特征提取算法,即先利用小波变换将语音信号进行小波子带分解,再根据人耳的听觉掩蔽效应,由谱压缩的技术,将小波变换后的子带语音信号进行压缩,从而提取其对应的语音特征。通过MATLAB软件建立实验平台,仿真实验结果表明该语音特征可以在噪声环境下得到较高的识别率。新的特征参数即充分利用了小波的抗噪声特性又有效地降低了语音识别中的训练环境和识别环境间的失配,具有抗噪声的特点。     

基于小波变换的自适应语音盲分离新算法

提出用小波变换和两步自适应盲分离算法相结合的方法来进行语音分离.首先,利用小波变换分别对各含噪混叠语音进行消噪;然后,利用代价函数的极值点特性分别获得混合信号和白化信号的特征向量矩阵,实现自适应盲分离过程;最后,进一步对分离信号进行矢量归一和再消噪处理,得到各个语音源信号的最终估计.实验结果表明此方法取得了很好的分离效果.     

一种小波变换与维纳滤波结合的语音抗噪研究

语音信号与随机噪声在不同尺度上进行小波变换时,其小波变换系数和尺度大小的特性关系存在着不同的特征表现,而且,浊音和清音也各有其特性。给出了一种基于小波变换的维纳滤波语音增强方法;采用维纳滤波对浊音和清音信号的小波变换系数进行不同的处理,既抑制了噪声,又减少了语音段信息的损失,提高了信噪比。仿真结果说明,这是一种有效的语音增强方法。     

一种利用人耳听觉特性的双声道回波抵消改进算法

本文提出了一种利用人耳听觉特性的双声道回波抵消改进算法.在该系统中,利用人耳的听觉特性给输入信号加上一个小的扰动来改善输入信号的自相关特性和条件数,从而达到改善系统收敛特性的作用.本文讨论了在双声道回波抵消系统中遇到的输入信号强相关从而引起系统性能恶化的问题,提出了采用输入信号加扰来改善系统性能的算法.并且利用人耳听觉特性使这种扰动信号隐藏在语音信号中,使其对语音信号的干扰最小.从本文的仿真试验来看,该方法对双声道回波抵消系统的性能有一定的改善.     

基于小波变换和独立分量分析的含噪混叠语音盲分离

含噪混叠语音的分离是语音信号处理中的重要研究问题。该文针对语音信号的非平稳特性与不同语音源之间的相互独立性,提出用小波变换与独立分量分析相结合的方法来进行分离。首先利用小波变换分别对各含噪混叠语音进行消噪,然后用独立分量分析的方法对消噪后的混叠信号进行分离,最后进一步对分离信号作矢量归一和再消噪处理,得到各个语音源信号的最终估计。仿真结果表明这种方法取得了很好的分离效果。     

基于小波变换的语音基音周期检测

语音信号是一种非平稳信号,基音周期是语音信号最重要的参数之一,传统的基音检测方法存在一些缺陷.小波变换鲁棒性强、能很好地反映信号的时频特性,非常适合处理非平稳信号.为准确提取基音频率,提出了一种基于小波变换的基音周期检测方法.检测前在小波域上用Teager能量算子分离出语音信号的浊音段,然后对浊音段采用空域相关函数降噪...     

基于小波变换的自适应多分辨率语音增强算法

本文提出了一种基于小波变换的自适应多分辨率语音增强算法，它在尺度上和尺度间同时对受噪声污染的语音信号作自适应滤波处理，从而使得听觉影响最严重的频段上的噪声被有效地滤除掉，滤波后的语音信噪比和主观听觉质量都得到了很大的改善。     

基于小波变换的自适应多分辨率语音增强算法

本文提出了一种基于小波变换的自适应多分辨率语音增强算法,它在尺度上和尺度间同时对受噪声污染的语音信号作自适应滤波处理,从而使得对听觉影响最严重的频段上的噪声被有效地滤除掉,滤波后的语音信噪比和主观听觉质量都得到了很大的改善。     

基于小波变换的语音信息隐藏新方法

针对音频载体在隐藏机密信息时,存在隐藏容量小、隐蔽性不高和鲁棒性较差等不足,该文提出一种基于小波变换的音频信息隐藏新算法。该算法利用人耳听觉系统对语音信号的中高频信息微小变化不敏感的特性,调节语音段小波变换的中高频系数,进而改变每级小波变换高频系数前后两部分的能量状态来隐藏二进制机密信息。首先测试隐藏深度、隐藏频段和载体语音分段长度3个参数对载体语音质量和机密信息误码率的影响,选择算法所需的最佳参数,然后测试算法的可行性和各项评价指标,最后对算法进行常见的5种攻击测试。测试结果表明该算法能够实现机密信息的盲提取;具有良好的隐蔽性和鲁棒性,能够抵御加噪、低通滤波、重采样、重量化和回声干扰等多种攻击;具有较大的隐藏容量,且语音分段长度越短,隐藏容量越大。