信号包络提取方法从希尔伯特变换到小波变换

本文分别讨论了希尔伯特变换和小波变换的原理、性质和在提取信号包络方面的应用,并进行了分析、对比;说明了小波变换(采用已调高斯小波)除了能够对信号实现正交、提取包络外,还具有带通滤波的功能;从而能提取出优于希尔伯特变换的信号包络。     

一种基于Morlet小波的振动信号包络提取方法

本文分析了Morlet小波的性质,定义了小波包络的概念,进而提出了一种振动信号的小波包络提取方法,理论分析和实验表明,在振动信号的包络提取中,该方法优越于希尔伯特变换方法。     

基于小波变换的频谱细化分析方法

小波理论是傅里叶分析这一学科半个世纪以来的工作结晶，已成功应用于信号分析、图像处理及非线性科学等方面。本文基于小波变换可提取信号所需频率成分的特性，提出了小波变换频谱细化方法，文中介绍了小波变换频谱细化的原理和步骤，进行了计算验证，并与复调制ZOOM－FFT方法进行了比较，结果表明，小波变换细化谱方法，可得到比复调制ZOOM—FFT方法更细密的结果，小波变换细化谱方法实现起来更简单、容易，但计算量较大。     

小波变换在语音信号降噪技术中的应用

小波变换是一种时频变换方法,它由短时傅立叶变换发展而来,继承了局部化的思想,克服了短时傅立叶变换窗口大小不随频率变化的缺点,并且可以提供随频率改变的时频窗口,是进行信号时频分析和处理的理想工具。文中介绍了小波变换的基本理论及其在语音信号降噪中的具体方法,使用加入高斯白噪声的语音信号作为被处理信号进行小波降噪,并且对比了使用不同阈值小波变换的降噪效果,验证了小波降噪方法在语音信号降噪中的可行性。     

舞蹈机器人中音乐节拍的识别

音乐节拍是音乐的重要特征之一,对音乐节拍的提取是音乐识别的重要研究内容。小波变换方法可以实现对音乐节拍特征进行有效的提取与识别。文中对音乐节拍的分析采用双尺度小波变换(DWT)方法,即离散小波变换,提取音乐信号的自相关包络,对自相关包络信息进行分析,从而实现对音乐节拍信息的识别。实验证明,文中提出的方法可以有效地对音乐信号的节拍信息进行识别。     

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。     

基于小波变换的干涉信号包络提取方法研究

为了实现对宽谱光源自相干函数的测量,必须对宽谱光源干涉信号的包络进行提取.因此,宽谱光源干涉信号包络的提取就成为了测量光源自相干函数的关键因素.针对现有的包络解调方法的不足,建立了基于复Morlet小波的干涉信号包络提取方法.该方法采用复Morlet小波作为母小波,通过选择适合尺度参数和位置参数,可以有效地提取干涉信号的包络并具有良好的抗噪能力;利用计算机Matlab仿真证明了该方法的有效性;最后利用该方法对韩国Fiber Pro公司的白光干涉仪干涉输出信号进行包络提取,动态范围达到-60 dB.     

一种新的子波域语音增强方法

提出了一种新的子波域语音增强法,即首先对带噪语音进行1层离散小波变换,然后对提取出来的低频信号和高频信号分别作3层DWT和3层小波包分解,最后对去噪后的语音完成重构。为了在降噪过程中减少清音信息的损失, 文中对语音信号进行了清浊音判决并分别采用多阈值进行处理。计算机仿真结果表明,经本文方法增强语音的清音成分得到了较好保留,并且增强语音的主客观质量均优于DWT去噪法和WPD去噪法。     

基于形态滤波和小波变换的基音检测新方法

提出了一种基于数学形态滤波和小波变换相结合的基音检测方法。检测前采用文中提出的形态滤波算法对噪声信号进行滤除，突出了基音周期。用小波变换对滤波后语音信号的突变点进行检测，进而提取出了基音周期。实验表明该方法对噪声有较强的鲁棒性，能够精确地检测出基音周期。     

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。     

一种基于Hilbert-Huang变换的语音去噪方法

在介绍Hilbert Huang变换理论的基础上,提出了一种基于HHT变换的语音去噪算法。首先对带噪语音信号做EMD分解,得到各阶IMF分量,然后对高频的IMF分量用小波域去噪中的阈值方法进行处理,然后把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。仿真实验表明基于Hilbert Huang变换的去噪结果优于小波软、硬阈值法的去噪结果,显示了Hilbert Huang变换在处理非平稳信号中的优越性。     

基于DCT增强和改进谱熵的语音端点检测方法

端点检测是语音信号处理过程中非常重要的一步，它的准确性直接影响到后面的学习及识别效果．提出了基于DCT（离散余弦变换）增强和改进谱熵的语音端点检测方法．首先，通过DCT（离散余弦变换）进行语音增强，然后再通过改进谱熵法判决去噪后语音的端点位置．仿真结果表明：此方法快速有效，具有较强的抗噪能力，特别适合低信噪比下的端点检测．     

基于匹配追踪的弯折离散傅里叶变换

传统WDFT利用全通弯折函数AWF（AU—pass WarpingFunction）将单位圆上均匀分布的采样点,变换成非均匀分布的采样点。然而,这种计算方式会导致不同信号分量的延迟不同。本文基于匹配追踪的信号表示思想,提出了一种新的弯折傅里叶变换方法,实验结果表明,在原子个数大于信号长度情况下,该方法获得了较传统WDFT较好的弯折频谱表示性能。基于该方法表示的弯折离散傅里叶变换更适合于语音信号处理。     

An optimal information hiding algorithm for speech in the Fractional Fourier Transform domain

With the increasing requirement of military and security, the technology of information hiding for speech becomes a hotspot and difficulty in the fields of speech signal processing and information security, which is developing rapidly. In order to stand against the stegano-analysis, the paper proposed an optimal information hiding algorithm for speech in the Fractional Fourier Transform (FrFT) domain based on the Minimum Mean Square Error (MMSE) criterion. The results of simulation and experiments show that speech modified by the proposed algorithm has no remarkable changes both in time and frequency domains, which can effectively resist the time and frequency analysis, Otherwise, the algorithm is robust to general signal process attack, and the difference is imperceptible between the original and modified speech.     

基于设备固有噪声的置换语音信号检测

随着音频编辑软件的广泛使用,数字语音材料很容易被重新编辑。如何对数字语音信号原始性进行有效的认证成为一项急需解决的课题。提出了一种置换语音信号的小波包-谱相减（WPT-SS）的被动检测方法,利用语音设备固有噪声特性,对置换语音信号进行有效检测和置换区域定位,通过实验证实了该方法的有效性。     

一种改进的基于DCT的语音增强算法

提出一种改进的基于离散余弦变换的语音增强算法。在信噪比较低时,传统的基于离散余弦变换的语音增强算法效果较好,能较大幅度地提高信号的信噪比;而当信噪比高时,利用这种方法会滤掉一些有用的信号成份。新算法首先计算出所有高阶离散余弦变换系数对应的时域信号中语音信号出现的可能性大小,然后根据某个阈值计算是否在估计噪声信号绝对值的均方差时保留该系数。实验结果表明在含噪语音信号的信噪比高于10dB时,新算法较传统的基于离散余弦变换的算法具有较好的性能。     

基于霍夫变换的高速微弱目标检测算法

该文针对高速微弱目标检测提出一种快速的目标参数估计方法,首先分析了高速目标回波脉冲间距离单元走动的影响因素,指出回波间距离走动与积累时间近似为直线;其次利用霍夫变换(HT)可对直线进行检测的特点,分析了HT参数和目标初始距离和径向速度的关系,提出了一种并行HT(PHT)方法,该方法利用并行叠加原理能够提高HT运算速度,满足实时性的要求;最后给出了算法实现流程和仿真实例,仿真结果证明了算法的有效性。     

基于希尔伯特黄变换的癫痫自动检测

希尔伯特黄变换是由经验模态分解和希尔伯特变换所组成的,在非线性、非稳态信号处理方面具有独特的优势。本文首先对脑电波信号进行模态分解,然后根据希尔伯特变换求得各本征模态函数的瞬时频率并依此计算出均值、方差及其核心频率区间等特征,并选取若干个本征模态函数的频率特征组成一个长的特征向量,称之为希尔伯特黄频率特征环。根据该特征向量,本文进一步采用支持向量机对癫痫和非癫痫脑电波信号进行学习和分类,并采用格点搜索的方法来选取支持向量机中的最优参数。通过在典型癫痫脑电波数据集上的5重交叉验证得出本文所提出的新方法在分类准确率上已经超越或接近现有的分类方法。      

基于HHT瞬时能频值的含噪耳语音声韵分割

提出了一种基于希尔伯特-黄变换瞬时能频值的含噪耳语音声韵分割算法。根据耳语音声韵母幅频特性,运用HHT,分离出耳语音中高频部分的瞬时幅值与频率,同步去除低频噪声,提取出能够反映声韵母过渡信息的特征参数——瞬时能频值,利用该参数对耳语音进行声韵分割。实验结果表明：与相对熵算法相比,该算法对含噪耳语音进行的声韵分割正确率较高,能够较准确地进行耳语音声韵分割。     

混响背景中目标回波检测和参数估计的一种新方法

本文研究了基于Wigner-Ville分布(WVD)和Hough变换(HT)联合技术抗混响的方法.给出了简要的理论介绍、具体的实现方法和相应的处理结果.仿真研究表明,在混响背景中,WVD-HT联合的方法能比较有效地完成目标回波的检测和参数估计.