基于Bark子波变换和RAS-MFCC特征的语音识别系统研究

提出了一种适用于低信噪比下的语音识别算法.该算法在前端利用人耳听觉掩蔽效应进行语音增强,然后提取一种在不需要噪声先验知识,能避免大量计算的情况下能较好地消除系统加性噪声的自相关MFCC(RAS-MFCC)参数,作为语音特征参数进行识别.     

子波变换理论及其在信号处理中的应用

详细论述了子波变换理论的发展状况，对子波变换的定义、性质、与傅立叶变换的关系、时频分辨率及对非平稳信号的分析能力作了剖析，给出了子波变换在信号处理中的应用情况，最后指出了其发展方向。     

子波变换及其应用

子波 近几年来兴起的一种新的时频域信号分析工具,在信息分析、图像处理、量子物理、计算机视觉领域有着广阔的应用前景。介绍了子波函数、多分辨分析等子波变换的有关概念和理论,论述了它在信号自理图像处理语音处理等几个方面的具体应用。     

用子波变换提取语音的谱包络参数

本文将子波变换应用于提取语音信号的谱包络参数。这种谱包络提取法模拟了人耳的频谱分辨特性，因而能很好地用于语音处理。与传统的ＬＰＣ谱包络提取法相比，它能降低所用的阶数。本文先介绍子波的基本原理，然后在此基础上介绍子波变换语音谱包络提取法及实验结果。     

光学FT和子波变换在指纹实时识别中的应用研究

提出一种用３ｆ多路光学相关器实时识别指纹的新方法，其特点是能把光学傅里叶变换获取的频谱特征数据同光学子波变换结果相结合进行目标识别，计算机模拟结果一实验结果表明，该方法对于快速处理／识别指纹一类为复杂的图像目标是有效的。     

子波变换理论及其应用

本介绍了子波，子波变换理论及其应用。     

基于联合子波变换结构的实时目标识别研究

把联合变换相关技术与子波变换结合起来，建立了一套用于目标识别的实验系统．该系统巧妙地集图象预处理与相关过程于一体，同时具有优良的性能，如抗噪声能力强、相关峰尖锐、不存在旁瓣效应等．     

子波变换在信号奇异性分析中的应用

信号时频分析对电子战侦察有重要意义。子波变换被认为对此有极大价值。对于波变换及其应用展开讨论。着重论述了子波变换的起源背景、子波变换是否无所不能和单尺度哈尔(Haar)子波平移变换检测信号瞬时频率，并对用于波变换脊分析无线电信号的方法所存在的局限性进行简要讨论。     

基于临界频带子波变换的语音增强

提出了一种临界频带子波变换进行语音增强的新算法。该算法对传统的功率谱减算法进行改进，引入了与人耳听觉系统直接吻合的临界频带子波变换，使增强后的语音更符合人耳的听觉感知。对该算法进行客观和主观测试结果表明：与谱减法相比能更好地抑制残留噪声和背景噪声，增强后的语音具有更高的清晰度和可懂度。     

基于子波变换的语音去噪方法

本文在分析了随机噪声的子波变换系数在不同尺度上的传递特性和噪声信号奇异性与子波模极大值的关系后,提出了用一个尺度间变化的门限阈值来抑制带噪语音信号在不同尺度上噪声子波系数,从而实现在重构语音信号中消除噪声的目的。文中还给出了不同信噪比语音信号的子波去噪的计算机仿真结果,从结果上看出,本文的方法有较好的语音去噪、增强效果。     

小波变换在虹膜图像特征提取与识别中的应用

文章从虹膜图像的灰度直方图入手,分析了虹膜图像的结构及其灰度分布,在此基础上,完成虹膜图像的内、外边缘的定位和归一化;利用小波变换对分区后的虹膜图像进行分解,实现了虹膜的纹理特征提取和识别。实验结果表明,该方法运算速度快,准确度高,能较好的满足虹膜识别的实际要求。     

基于小波包变换的说话人语音特征参数及其在说话识别中的应用

在说话人识别系统中,能够反映说话人个性的语音特征参数是系统的关键问题之一。本文提出了一种新的说话人识别方法：在小波变换的基础上,借鉴MFCC特征参数的提取,基于GMM模型,用小波包变换代替傅立叶变换,提取新的特征参数DWPTMFCC,实验结果表明,该方法简单可靠,有效可行,具有较高的识别率,与已有方法相比,具有广泛的实用性。     

多尺度H参数纹理特征的子带算法

扩展的自相似模型(ESS)是一种广义的分数布朗运动模型(fBm),它的多尺度H参数与粗糙度之间是对应的,因为不要求粗糙度的尺度不变性,所以能够区分大多数自然纹理.它的结构函数计算是基于图像在一定尺度上的灰度差,这可以用小波变换低频分量的一阶差分去定义.由于小波变换具有抑制噪声的能力,由此导出的特征具有更好的抗噪性能.实验证明对卫星遥感图像达到了较高的分类正确率.同时也说明,纹理的自相似特性在低频分量上的体现更突出.     

基于小波包变换的辐射源信号特征提取和识别

文中基于小波包变换方法,对MSK信号辐射源提取了J-散度特征和能量特征,结合支持向量机分类器完成辐射源的识别,仿真结果表明：两者识别率均达到90％以上,从而验证了基于小波包变换的辐射源识别的有效性。     

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.     

逆向工程中对离散点云的特征识别算法探究

基于逆向设计中点云处理的表面识别问题,本文提出了一种基于小波变换的离散点云数据的特征识别算法。首先将离散点云表示成小波变换可以处理计算的形式,然后在此基础上提出了具体的二维和三维离散点云的小波分解算法,最后引入实例,对二维离散点云的小波分解算法进行验证分析。实验结果表明本文提出的算法达到了对点云数据的特征分解的目的。将离散点云数据按特征分解从而提取出不同的特征成分,可以根据后期点云预处理的不同要求,将小波变换后的数据进行进一步的处理。     

基于小波Mel倒谱系数的抗噪语音识别

将小波变换的多分辨率特性用于改进Mel频率倒谱系数MFCC的前端处理中,给出了一种新的语音特征参数——小波MFCC。其特点在于采用小波变换、分层FFT和频率合成代替原来MFCC中的FFT部分,使频谱分辨率提高了一倍。试验证明,小波MFCC特征参数在噪声环境和较大词汇量情况下,其抗噪性和识别率均优于MFCC特征参数的结果。     

逆向工程中对离散点云的特征识别算法探究

基于逆向设计中点云处理的表面识别问题,本文提出了一种基于小波变换的离散点云数据的特征识别算法。首先将离散点云表示成小波变换可以处理计算的形式,然后在此基础上提出了具体的二维和三维离散点云的小波分解算法,最后引入实例,对二维离散点云的小波分解算法进行验证分析。实验结果表明本文提出的算法达到了对点云数据的特征分解的目的。将离散点云数据按特征分解从而提取出不同的特征成分,可以根据后期点云预处理的不同要求,将小波变换后的数据进行进一步的处理。     

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。