基于小波边缘提取的灰度图象联合相关识别预处理

本文将小波变换方法用于灰度图象的联合变换相关识别中,采用不同的尺度因子对输入图象进行边缘提取预处理,使相关识别结果得到不同程度的改善.通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法的预处理结果和对识别的影响,在同时衡量相关识别能力及其对噪音的敏感性前提下,小波变换边缘提取预处理明显优于各种微商边缘提取方法.调节小波变换尺度因子还能使识别能力与噪音敏感性这两方面得到更好地均衡,使小波变换边缘提取预处理能够适应不同的图象输入条件和相关输出要求.结果表明,在联合变换相关识别中采用小波变换对输入图象进行预处理是一种更理想的方法。     

用小波变换进行水下回波边缘特征提取与分类识别

提出一种运用小波变换提取宽带回波信号中的一种暂态特征-边缘特征以进行目标分类识别的方法.文中探讨了宽带回波的边缘与其所对应的目标特性之间的联系,提出运用离散二进小波变换提取出回波的多尺度边缘特征,并在此基础上构造了一个良好的特征空间.对实际采集的四种对应于不同湖底沉积物的宽带回波信号进行特征提取及分类识别,平均正确率可达95%以上.     

倒谱参数稀疏分解下的汉语音谎言检测

为了提高汉语语音的谎言检测准确率,提出了一种对信号倒谱参数进行稀疏分解的方法。首先,采用小波包滤波器组对语音信号进行多频带划分,求得子频带对数能量并进行离散余弦变换以提取小波包频带倒谱系数,结合梅尔频率谱系数得到倒谱参数;其次,依据K-奇异值分解方法分别利用说谎和非说谎两种状态下的语音倒谱参数集训练得到过完备混合字典,在此字典上根据正交匹配追踪算法对参数集进行稀疏编码提取稀疏特征;最终进行多种分类模型下的识别实验·实验结果表明,稀疏分解方法相比传统参数降维方法具有更好的优化性能,本文推荐的稀疏谱特征最佳识别率达到78.34%,优于其他特征参数,显著提高了谎言检测识别准确率。     

基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

汉语自然口语中声调识别的研究

汉语是一种带声调的语言，声调信息在汉语识别中具有非常重要的意义.传统的声调识别一般只研究朗读式语音中相对标准的声调，很少对声调调型比较复杂的自然口语进行专门的处理.针对汉语自然口语的特点，在声调建模单元的选择时提出了真实上下文的模型.同时，为了对声调模式进行精细建模，采用了一种层次聚类的方法来获得更多的声调模式.实验结果证明了方法的有效性. 关键词： 声调识别 自然口语 真实上下文模型 聚类     

单幅条纹图相位解调的小波分析方法

相位解调是条纹相位分析的关键问题.本文提出一种应用小波频率估计联合频率导数对变形条纹进行瞬时频率分析,从中提取参考基频,从而依靠单一变形条纹实现相位解调的方法.首先,理论上证明了当变形条纹瞬时频率空间导数等于零,该空间点的瞬时频率等于参考基频频率;其次,引入Gabor小波提取变形条纹的瞬时频率空间分布,利用变形条纹瞬时频率的空间导数分布识别提取参考基频,从而实现相位解调.利用该方法进行了三维形貌测量的实验,结果表明该方法在实现相位解调中效果良好.     

单幅条纹图相位解调的小波分析方法

相位解调是条纹相位分析的关键问题.本文提出一种应用小波频率估计联合频率导数对变形条纹进行瞬时频率分析,从中提取参考基频,从而依靠单一变形条纹实现相位解调的方法.首先,理论上证明了当变形条纹瞬时频率空间导数等于零,该空间点的瞬时频率等于参考基频频率;其次,引入Gabor小波提取变形条纹的瞬时频率空间分布,利用变形条纹瞬时频率的空间导数分布识别提取参考基频,从而实现相位解调.利用该方法进行了三维形貌测量的实验,结果表明该方法在实现相位解调中效果良好.     

基于声调建模的带噪汉语数字串语音识别

尝试利用声调信息来改善噪声下汉语数字串语音识别性能。为解决声调特征不连续问题,提出采用基于多空间概率分布的隐马尔可夫模型进行声调建模。简要分析噪声对声调特征提取的影响,论证了在带噪数字串语音识别中利用声调信息的可行性。实验结果显示,与不采用声调信息的方法相比,在5 dB到20 dB的测试数据上,所提方法可使错误率平均相对下降17.2%。这说明声调信息及所提建模方法对于改善带噪汉语数字串语音识别性能是有效的。     

基于图像二维小波多尺度分解傅里叶变换轮廓术

应用傅里叶变换轮廓术测量物体三维面形时,当被测物体形状复杂或是被噪声严重污染时,导致频谱分布展宽,发生频谱混叠现象,基频提取困难,无法准确恢复物体的三维面型.提出了基于小波分解的傅里叶变换轮廓术,采用小波变换的方法对变形条纹图进行二维多尺度分解,重构被测物的背景图像,滤出图像的零频成分,得到相对变形条纹.运用小波变换与傅里叶变换轮廓术相结合的方法,只需拍摄一幅变形条纹图,将被测物体与背景分离,不受背景成分的影响,且易于基频信息的提取,降低了对滤波器的要求.实验证明该方法较好地防止了频谱的混叠问题,提高了测量范围与解相精度.     

汉语耳语音孤立字识别研究

耳语音识别有着广泛的应用前景,是一个全新的课题.但是由于耳语音本身的特点,如声级低、没有基频等,给耳语音识别研究带来了困难.本文根据耳语音信号发音模型,结合耳语音的声学特性,建立了一个汉语耳语音孤立字识别系统.由于耳语音信噪比低,必须对其进行语音增强处理,同时在识别系统中应用声调信息提高了识别性能.实验结果说明了MFCC结合幅值包络可作为汉语耳语音自动识别的特征参数,在小字库内用HMM模型识别得出的识别率为90.4%.     

一种频域基频提取新方法

提出了一种基于二值侧抑制网络的频域基频提取方法。即利用二值侧抑制网络对语音的短时谱进行峰值提取,得到包括语音基频及其谐波的线谱,根据谐波间的距离平均值估算出基频．该算法在ＣＯＳＤＩＣ数据库上进行了测试,并与自相关基频提取法和倒谱基频提取法进行了比较．实验数据表明,本算法具有更高的精度和更强的抗噪声性能．     

基于双树复小波变换的非平稳时间序列去趋势波动分析方法

多重分形去趋势波动分析是研究非平稳时间序列非均匀性和奇异性的有效工具, 针对该方法中趋势项难以确定的问题, 提出一种基于双树复小波变换的方法, 实现了非平稳信号的多重分形自适应去趋势波动分析. 利用双树复小波变换提取信号的多尺度趋势和波动信息, 通过小波系数的希尔伯特变换确定每个时间尺度不重叠子区间的长度, 使多重分形分析具有信号自适应性及较高的计算效率. 以具有解析形式分形特征的倍增级联信号和分数布朗运动时间序列为例验证本文方法的有效性, 所得结果与解析解相吻合. 与传统的多项式去趋势多重分形方法相比, 本文方法根据信号自身特点自适应地确定信号的趋势和不重叠等长度子区间长度, 所得结果更加精确. 对倍增级联信号时间序列取不同的长度, 验证了算法的稳定性. 分别与基于极大重叠离散小波变换和离散小波变换多重分形方法进行比较, 表明本文方法具有更精确的结果和更快的运算速度.     

一种锐化误差小波EDXRF光谱解析方法研究

在轻元素自身和实测元素间的特征X射线相互影响之下，受仪器能量分辨率的制约，实测X射线荧光光谱会产生严重重叠。以色谱分离度Rs判定谱峰重叠程度，针对Rs低于0.3的重叠峰，提出一种解析EDXRF光谱的新方法，并对模拟X射线荧光光谱进行了新方法的验证。首先，详细介绍基于四阶导的峰锐化法和提出误差小波变换。通过仿真结果发现：当Rs=0.27时，两种方法皆不能单独实现重叠谱峰的解析与识别；然而，原始信号在四阶峰锐化法处理后保留了峰位特征的同时，还出现了Rs明显增大的有利现象。因此，只需要通过调节四阶峰锐化法的权重完成对低分离度重叠峰的初步锐化处理，再对锐化后的信号进行误差小波变换，结果实现了对模拟重叠峰的分解，证明了结合后的新方法(锐化误差小波变换)针对极低分离度的重叠谱峰具有强大的分解能力。对两组重叠谱峰采用叠加的高斯函数进行模拟，分别是Mn的K_β能量峰与Fe的K_α能量峰的重叠光谱(Rs=0.19)以及Al的K_α能量峰与其K_β能量峰的重叠光谱(Rs=0.11)。用新方法对谱线进行处理，实现了重叠峰分解，结...     

语句的基频曲线预测

基频曲线预测是文语转换系统中韵律控制的重要内容。基于决策树的分析,本文提出了一个采用三个控制参数,修改一组归一化的音节基频曲线模板,从而生成连续语流基频曲线的预测模型。由于前一音节的声调动态目标将在该音节的偏后部分实现,甚至影响到连接紧密的后一个音节的起始部分,在预测当前音节的控制参数时,前一音节的基频终止值也作为语境参数之一,参与预测,其结果既保持了前后音节基频的连续性,也提高了基频曲线整体预测的准确率。测试表明:预测基频与实际基频的音节内标准误差小于10 Hz。将这一方法应用于PSOLA语音合成系统后,合成语音的自然度令人满意。     

语音识别预处理中的ICA噪声适应性分析

针对高噪环境下语音识别的困难,提出一种基于独立分量分析的盲分离(ICA/BSS)与小波联合的语音降噪预处理方法,针对不同种类和不同输入信噪比的噪声设计了试验,结果表明基于ICA的语音识别预处理方法对低输入信噪比情况下多种噪声具有很强的鲁棒性和优越性,此结论对现实世界高噪环境下的信号分析和语音识别具有重要意义。     

基于评价函数的二维小波变换轮廓术小波脊提取方法

小波脊提取是小波变换轮廓术的关键步骤,在抑噪能力和速度方面,前者直接影响后者。提出了基于评价函数的二维小波变换的一种新的小波脊提取方法,利用二维小波变换系数模信息、条纹瞬时频率信息以及局部条纹结构方向信息建立评价函数指导小波脊提取;并设计了快速动态优化算法。计算机模拟和实验验证了所提方法的有效性。     

基于小波变换和矢量量化的语音压缩编码方案

对于一种新的语音压缩编码方法——基于小波变换和矢量量化的语音压缩编码方案进行了开发和研究。该方法先对语音进行小波变换和小波包变换,然后使用矢量量化来压缩数据.我们还研究了使用摘编码方法进一步降低比特率的算法,实验结果表明对于采样频率为8kHz,每样本量化为8bit的64kbit/s语音信号压缩到6kbit/s~8kbit/s时,具有良好的语音质量.同时该算法还具有低延迟的优点,其算法延迟只有8ms。     

基于小波变换与小域特征模糊融合的人脸识别

小波变换是一种很好的图像压缩方法,利用小波变换对人脸图像进行三次小波分解,并将低频分量分割成为7个子图像。鉴于人脸上的各小域子图像信息的相互独立性。先利用小域子图像实现软分类,然后使用传统奇异值分解(SVD)法提取出各小域子图像的奇异值(SV),构造出小域奇异值特征向量,给出待识别图像对训练样本图像的隶属度,并采用模糊融合的方法对小域特征进行数据融合,获得识别结果。实验结果表明,该方法实现起来简单、识别速度快,具有很高的识别率。     

傅里叶变换轮廓术中二维非对称滤波器的设计

傅里叶变换轮廓术(FTP)复原三维形貌时，用来提取基频成分的带通滤波器对测量精度有很大影响。传统二维滤波器如汉宁窗或高斯窗为对称滤波器，其截止频率的大小受条纹空间频率即基频与零频间的距离所限，经常会导致基频成分提取不完整，有用信息缺失。为解决此问题，在二维汉宁滤波器基础上，提出一种椭圆形底部形状的二维非对称滤波器，在不同频率方向上具有不同的频率响应和截止频率，可提取出更为完整的基频成分。台阶和阵列物体的模拟实验表明，二维非对称滤波器对2个物体的复原精度相比于传统汉宁滤波器分别提高了39.5%和55.6%。     

应用化学计量学技术研究同时定量分析重叠光谱

在八种化学计量学除噪技术比较研究的基础上,研制了小波包变换Elman回归神经网络方法(WPERNN)用于研究重叠光谱的同时定量测定。结合小波包变换和Elman回归神经网络改进除噪质量及回归能力。通过最佳化,选择了小波函数、小波包分解水平和Elman回归神经网络(ERNN)的结构及参数。两个程序PWPERNN和PERNN被设计执行WPERNN和ERNN方法计算。七种化学计量学方法用于比较研究。实验结果显示WPERNN方法是成功的且优于其他六种方法。