一种鲁棒的变换域数字水印算法

本文提出了一种基于离散小波变换（DWT）和奇异值分解（SVD）的混合水印方案。在该方案中,首先把原始载体图像分成多个分块（32×32）,然后对各个分块进行离散小波变换得到四个子带,之后对低频子带应用奇异值分解,并修改每个分块低频子带的最大奇异值．从而嵌入水印图像的各个奇异值。实验证明该算法对于常用的各种图像处理攻击具有良好的鲁棒性。     

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。     

一种基于小波变换的鲁棒数字图像水印

提出了一种基于小波变换的鲁棒数字图像水印算法。该算法首先对水印信息进行置乱以降低空间相关性,然后把原始图像进行三级小波变换。并将水印信息嵌入到原始图像的低频子带中,最后经三级小波反变换得到嵌入水印后的图像。实验结果表明,该算法具有较强的鲁棒性。     

基于小波变换的语音信息隐藏算法

提出了一种基于小波变换的语音信息隐藏算法,算法在小波变换的高频系数中嵌入密文信息,获得了很好的隐藏效果。大量的试验结果表明算法具有抵抗语音压缩、重新采样攻击的能力。     

基于Haar 小波变换的连续时间系统鲁棒参数辨识

给出用Ｈａａｒ小波对连续时间系统的鲁棒辨识方法。该方法在用Ｈａａｒ小波对系统输入和输入展开时,通过极小化一个鲁棒指标来减少噪声对展开系数的影响。因此对连续时间系统可获得鲁棒参数估计。仿真结果表明了该算法的有效性。     

基于离散小波变换的语音激活检测

为提高在噪声环境下语音检测的性能,提出了一种基于离散小波变换的语音激活检测(VAD)的方法。算法将语音信号进行3层离散小波变换,通过Teager能量算子(TEO),提取能量比值和能量差值两个参数,最后进行门限判决。实验结果表明,本算法在噪声环境中能够有效地正确判别语音段和噪声段,并且优于G.729B和AMR所提出的VAD的算法。     

基于改进型离散小波变换的语音激活检测

在语音信号处理系统中,语音激活检测是一个非常重要的方面.为了提高在噪声环境下语音激活检测的性能,提出了一种基于改进型离散小波变换的语音激活检测(VAD)的方法.算法将语音信号进行离散小波变换,然后通过Teager能量算子(TEO),提取能量比值和能量差值两个参数,最后进行门限判决.在MATLAB平台上,对语音信号进行激活检测仿真,实验结果表明在噪声环境中,提出的算法能够有效克服低信噪比环境的影响,并且优于倒谱距离和谱熵检测算法.     

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。     

基于余弦变换和小波变换的数字水印算法

在互联网络技术和多媒体技术普及的今天,数字水印技术已经成为目前信息安全技术领域的一个重要方向。本文提出了一种基于离散余弦变换和离散小波变换的数字水印算法,以一个长度为n服从N(0,1)正态分布的随机数序列作为水印信号嵌入到图像最具感知意义的频率部分。实验结果表明,此算法具有良好的视觉效果和鲁棒性。     

一种基于神经网络和小波变换的盲水印算法

提出一种新的运用神经网络将水印嵌入离散小波变换后的宿主图像中的数字水印算法。算法创新地提出选择水印嵌入点周围的8个邻域像素点作为神经网络的样本输入,这样可以更好地增强水印的透明性。该算法首先对宿主图像做离散小波变换,取低频子带作为嵌入位置,运用密钥随机选取水印的具体嵌入坐标,提取其邻域的像素点,利用建模好的神经网络对其进行训练,通过修改其像素值嵌入水印,提取时利用确定的神经网络实现水印的盲提取。水印嵌入之前运用Amold变换进行了置乱处理。实验结果表明,该算法具有较好的不可见性和鲁棒性。     

基于小波特征提取的语音监测系统

论文针对小波变换和语音信号的特点,把小波变换和形态滤波法结合应用于语音信号基音周期的提取,并在此基础上把小波变换和说话人声道特征参数相结合,用于声道特征的提取。最后在以上研究的基础上设计了一种用于公安侦破和司法鉴定的语音监测系统。     

基于快速提升小波变换的语音特征提取方法

为提高语音识别系统对环境噪声的鲁棒性,在快速提升小波的基础上,结合感知频域上的滤波与倒谱均值归一化技术,提出一种语音特征参数提取方法．仿真实验表明,与传统方法相比,噪声鲁棒性显著提高;在语音信号的信噪比相近情况下,与传统小波方法相比,该方法计算简便、易于编程、计算速度快．     

基于小波变换和方向向量的虹膜特征提取方法

虹膜纹理上的差异是不同虹膜相互区别的最主要原因和体现.因此,要想获得很高的虹膜识别率,就要有效地提取虹膜的纹理信息.基于二维小波变换和方向向量,提出一种新的虹膜特征提取方法.该方法的基本思想是考虑虹膜纹理的灰度变化,对于多层小波分解后的低频分量,分别求其在4个方向上的方向向量,最后形成虹膜码.测试结果表明,该方法能有效地提高虹膜的识别率,且算法简单、快速.     

基于小波变换的优化LDA人脸特征提取

运用小波进行图像分解提取低频子带图,并利用优化的线性判别分析(LDA)算法寻找最优投影子空间,从而映射提取人脸特征,实现人脸的分类识别。该方法避免了传统LDA算法中类内离散度矩阵非奇异的要求,解决了边缘类重叠问题,具有更广泛的应用空间。实验表明:该方法优于传统的LDA方法和主分量分析(PCA)方法。     

Robust speech recognition method based on discriminative environment feature extraction

It is an effective approach to learn the influence of environmental parameters,such as additive noise and channel distortions,from training data for robust speech recognition.Most of the previous methods are based on maximum likelihood estimation criterion.However,these methods do not lead to a minimum error rate result.In this paper,a novel discriinative learning method of environmental parameters,which is based on Minimum Classification Error (MCE) criterion,is proposed.In the method,a simple classifier and the Generalized Probabilistic Descent (GPD)algorithm are adopted to iteratively learn the environmental parameters.Consequently,the clean speech features are estimated from the noisy speech features with the estimated environmental parameters,and then the estimations of clean speech features are utilized in the back-end HMM classifier,Experiments show that the best error rate reudction of 32.1% is obtained,tested on a task of 18 isolated confusion Korean words,relative to a conventional HMM system.     

基于小波变换的语音增强方法研究

分析了小波去噪原理,根据随机噪声的小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小波模极大值的关系,同时考虑到语音中浊音和清音的特点,提出了一种改进阈值的小波域语音增强方法。在阈值函数中引入参数,通过调整参数以获得最佳的小波系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间。利用改进阈值对染噪语音信号的小波系数进行阈值处理,既抑制了噪声,又减少了语音段信息的损失。仿真结果表明,这是一种有效的语音增强方法。     

基于BARK子波变换的语音增强方法研究

在Bark子波的构造的基础上,提出一种改进的Bark子波变换构造方法,即直接由临界带中心频率确定Bark子波的中心频率,保证了其通带和临界带的对应一致性,并与人耳的听觉系统十分吻合。采用Bark子波对带噪语音进行分解,在语音信号的子带层次上用一种类似于软阈值的无穷阶可导的函数进行阈值处理,并应用谱减法进行二次增强。仿真实验表明,构建Bark子波与增强算法使信噪比和PESQ得分都有较大提高,特别是在信噪比较高时,语音具有很好的清晰度和可懂度。     

基于感知小波变换的语音增强方法研究

在ERB尺度下构造的感知小波符合人耳对固有语音的频率感知特性,通过一种纯数学算法计算其参数,在听觉感知上可以近乎完美地使信号进行重构。首先采用感知小波对带噪语音进行分解,其次在语音信号的子带层次上用一种类似于软阈值的无穷阶可导的函数进行阈值处理,最后应用谱减法进行二次增强。实验表明,该算法使信噪比和PESQ得分都有较大提高,特别是在信噪比较高时,语音具有很好的清晰度和可懂度。     

改进的基于小波包变换的语音特征提取算法

针对语音信号的非平稳特性,传统的应用短时分析技术容易丢失信息的现状,提出了一种利用小波包变换的技术对语音信号的共振峰特征（FDWPT）进行提取的方法。对整个语音信号进行多分辨分析的小波包变换,这样可以得到每个频带的小波分解值,结合共振峰的频率特性,选取适当的小波包分解结点,对这些结点建立共振峰参数,使用矢量量化模型进行识别,从而提高了说话人识别的效果。     

基于遗传算法和小波神经网络的语音识别研究

小波神经网络算法(WNN)易陷入局部极小,收敛速度慢,全局搜索能力弱,而遗传算法(GA)具有高度并行、随机、自适应搜索性能和全局寻优的特点。因此,将遗传算法和小波神经网络结合起来形成一种训练神经网络的混合算法——GA-WNN算法。仿真实验结果表明,该算法有效地缩短了识别时间,提高了网络训练速度和语音的识别率。