基于小波分解重构的基音周期检测算法

在语音信号处理中,基音周期是一个非常重要的参数。语音合成的TD-PSOLA算法需要准确的在每个基音周期点处进行基音标注,而传统的基音周期检测算法只能求出平均周期。实验证明:小波变换的分解重构算法可以把一帧语音信号内所有准周期的基音周期都准确的检测出来,能反映微小的周期变化,具有跟踪基音周期变化的能力。仿真部分分别用haar小波、db10小波、sym10小波对信号进行分解重构,证明sym10小波是比较合适的小波基。     

基于最优小波包基的信号去噪方法研究

改进了基于最优小波包基的信号去噪算法,该算法以小波包分析为基础,根据最小代价原理搜索信号分解的最优基,然后对高频和低频系数采用不同的阈值算法进行量化,用量化后的系数重构得到去噪后的信号．     

离散傅里叶变换与离散小波变换在信号分析中的比较

主要研究了快速傅里叶变换和离散小波变换在两种不同信号中应用,对处理的结果进行了比较分析.说明在突变信号处理中,更适宜使用小波处理,而对于相对平稳的信号,应用傅里叶变换处理则更为有效.     

FOURIER分析和小波分析在信号时频分析中的特性比较

信号处理的任务在于发现信号的特征 ,并根据信号的特征对其进行有效的处理 ,而信号的时频分析是信号分析的重要内容。Fourier分析和近几年兴起的小波分析是对信号进行时频分析的有效工具。小波分析的思想来源于 Fourier分析 ,是 Fourier分析的新发展。小波函数存在性的证明依赖于 Fourier分析 ,因此它不能完全取代 Fourier分析 ,它们在应用中相辅相成 ,发挥各自的优点。本章将研究它们在信号时频分析应用中所表现出来的不同特点     

基于MATLAB的小波消噪仿真实现

小波阈值消噪方法是利用小波变换技术对含噪信号进行分解和重构,通过对小波分解后的小波系数限定阈值来消除噪声的方法.分析小波消噪的算法和实现步骤,并基于MATLAB软件平台编写仿真程序.进行光纤光栅反射信号的小波消噪仿真实验,消噪效果良好.     

基于小波变换的语音增强算法

结合小波技术对传统的维纳滤波算法进行改进,对语音信号进行离散小波变换,求得小波系数,计算小波系数的阈值,然后利用阈值对小波系数进行过滤,再对小波重构信号,信号经过维纳滤波器模型达到去噪效果。最后对算法进行了仿真试验。     

基于小波变换的语音增强算法

结合小波技术对传统的维纳滤波算法进行改进,对语音信号进行离散小波变换,求得小波系数,计算小波系数的阈值,然后利用阈值对小波系数进行过滤,再对小波重构信号,信号经过维纳滤波器模型达到去噪效果。最后对算法进行了仿真试验。     

基于正交试验方法进行小波消噪参数选择

消除噪音对于信号处理特别是语音信号处理具有重要意义,小波消噪是最近十几年兴起的信号时频处理方法,它可以很好地应用于信号消噪,但是小波消噪中有许多参数需要选择,使得参数组合的方案数量尤其巨大,如何在经验的基础上选择对于某信号最适合的小波消噪参数,是我们要讨论的主要内容,本文引入方差试验方法,在有限的选择范围内,能够通过计算分析求出最优组合,并对最优组合的效果进行估计,此外,还得到了一些关于小波消噪的重要结论。     

FOURIER分析和小波分析在信号时域分析中的特性比较

信号处理的任务在于发现信号的特征,并根据信号的特征对其进行有效的处理,而信号的时频分析是信号分析的重要内容。Fourier分析和近几年兴起的小波分析是对领带进行时频分析的有效工具,小波分析的思想来源于Fourier分析,是Fourier分析的新发展,小波函数存在性的证明依赖于Fourier分析,因此它不能完全取代Fourier分析,它们在应用中相辅相成,发挥各自的优点,本章将研究它们的信号时频分析应用中所表现出来的不同特点。     

基于SVM的小波图像去噪

在小波分析的基础上,运用支持向量机(SVM)方法来对噪声和非噪声数据进行分类。首先,把一带有噪声的信号进行多尺度小波分解;然后通过试验检测出小波分解系数中部分噪声信号和非噪声信号,得到样本数据来训练SVM;最后对所有的小波系数用训练后的SVM来进行分类得到非噪声信号,并且对这部分非噪声信号进行小波重构即达到了去噪的目的。