基于小波变换的可分级变速率CWI语音编码算法

基于小波变换提出可分级变速率特征波形内插(CWI)语音编码算法.利用二次B样条双正交小波变换将二维特征波表面分解成不同的时频分辨率空间,将其作为可分级CWI编码方案的增强层,而基本层仅包含线性预测参数、基音周期和功率归一化因子,使CWI编码的输出码流获得可分级变速率的效果.MUSHRA主观听音比较测试表明,随着码率由1.8 kbit/s增加到3.6 kbit/s,基于小波变换的可分级变速率CWI编码器基本层输出可接受的音质,增强层依次使编码音质得到提高.     

基于局部余弦变换的2.4 kb/s低比特率语音编码

系统地设计了一个基于局部余弦变换的2.4kb/s低比特率的语音编码器，对局部余弦变换系数采用分维矢量量化方法进行量化，码书设计采用LGB算法。编码中的码书搜索采用树形状快速搜索算法。通过主观非正式听力测试和客观参数评价，从理解性和自然度两方面来看，用设计的2.4kb/s低比特率的编码方法编码的语音质量比FS1015（LPC－10e)编码标准编码的语音质量要好，而且具有较强的鲁棒性，适合于对各种环境中的语音进行编码。     

基于离散余弦变换的数字水印算法

在图像离散余弦变换重要系数的幅度成分中加入水印并利用相关监测器进行监测,以实现对多媒体数字产品的版权保护.实验证明,该算法对通常的图像处理,如剪切、噪声干扰、几何旋转等都具有一定的鲁棒性和不可见性.     

基于非负矩阵分解的1kbit/s波形内插语音编码算法

为了进一步降低编码速率,提出了一种基于非负矩阵分解的1kbit/s波形内插语音编码算法.该算法对特征波表面的幅度矩阵进行非负矩阵分解,以获得局部特征矩阵,并对该局部特征矩阵进行约束和改进,使优化后局部特征更加突出.对应的基矢量进一步稀疏,从而有利于对权矢量的量化,以实现对特征波表面的高效编码.该算法同时加入清浊音标志,对特征波表面的相位谱进行估计,以更好地提高合成语音质量.实验表明,该算法能够在1kbit/s的低编码速率条件下,获得与1.2kbit/s混合激励线性预测语音编码算法相近的合成语音质量,取得了较好的效果.     

基于小波变换的语音信号去噪

讨论了离散小波变换在语音去噪中的应用。根据语音中浊音段和清音段的特点，采用了不同的阈值方案，可以保证在失真较小的前提下，获得更好的去噪效果。     

基于Haar小波变换和分块DCT的人耳识别

提出一种新的对人耳图像进行降维的方法。先对人耳图像进行二维的离散小波分解,然后再对小波分解后得到的低频信息施行分块离散余弦变换,进而获得图像的特征向量。实验证明,该方法与模式识别领域中广泛应用的PCA-LDA方法相比,在识别率大体相当的前提下,具有计算量小、降维速度快的优点,是对人耳图像进行特征提取的一种有效的手段。     

语音DCT变换的一种小波编码方法

语音信号离散余弦变换的小波变换编码方法是根据DCT变换和小波变换特点,并结合语音信号的特征而提出的一种高效简便的语音编码方法,在编码中,对不同层次小波系数分配不同的量化位,可灵活、方便地控制重构话音的质量,以汉语语音音节为例的实验表明,在16kbps的编码数据率时,重构(或再生)的话音质量与原始话音质量基本相同。     

基于变换域的数字语音水印算法研究

结合离散小波变换和离散余弦变换在信号处理领域的优点,研究了基于变换域的数字语音水印算法.将宿主语音信号通过离散小波变换获得人耳不易察觉的低频分量后,根据均值量化的离散余弦变换直流系数正负性不易改变的特点,实现了零水印盲检测实验.结果表明,该算法有效地提高了数字语音水印的透明性、鲁棒性和抗攻击能力.     

基于小波变换的迭代分形混合图象编码

在深入研究小波分析及迭代分形原理的基础上，提出了一种基于小波分析和迭代分形的混合图象编码方法，先对原始图象进行隔行取样，然后在构造小波树的基础上，提出了基于分形和小波变换的自适应混合图象压缩算法，未被传输的象素在解码时利用已传输的象素经过双线性内插计算而恢复。计算机模拟实验表明：本文提出的压缩方法与基于亚取样分形插值预测的混合图象编码方法相比，在信噪比相同的情况下，压缩比提高了６．９，证明此种压缩     

基于DCT-SVD抗几何变换的扩频水印算法研究

提出了一种基于奇异值分解(SVD)的扩频水印算法,该算法将原始图像分块DCT变换,对每决DCT系数进行SVD分解,得到奇异值.水印采用重复码,用秘钥产生的伪随机序列对其进行扩频得到扩频后的水印序列.通过使用量化步长,修改最大奇异值实现水印的嵌入,同时结合人类视觉系统模型来平衡水印的鲁棒性和透明性这两种主要的性能指标.实验证明,由于使用了扩频技术,水印提取正确率很高,具有很好的鲁棒性,对噪声、滤波、压缩和剪切都有很强的抵抗力.对于旋转攻击,通过估算旋转角度,运用扩频技术和SVD使得水印提取正确率得到很大提高.     

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

SELP 2.4 kb/s语音编码算法跳跃帧判决及处理

为解决正弦激励线性预测(SELP)2.4 kb/s语音编码算法中清浊音过渡时合成语音的质量较差的问题,该文利用子带清浊音判决参数量化过程中存在的冗余度,提出了一种跳跃帧判决及处理方法。该方法根据当前帧前后各60个样点的平均能量比值判定当前帧是否为跳跃帧,并利用子带清浊音判决参数量化的冗余度传送跳跃帧信息。解码端根据当前帧是否为跳跃帧对解码端参数采用不同的插值方案。测试结果表明,该方法能够将合成语音的M O S分提高0.004左右。     

基于Harr小波提升格式的图像压缩方法

提出了一种哈达玛变换,离散余弦变换和小波变换相结合的混合型编码,即先采用哈达玛变换对图像压缩,再对处理后的图像用离散余弦进行压缩,最后采用提升Haar小波格式对图像进行了压缩,并引入零树小波分析,得到最优小波树.仿真结果表明,所提出的方法在灰度图像压缩效果方面优于一些传统的压缩方法.     

基于提升小波的可伸缩性实时压缩编码算法

在传统的网络应用之外,集音频、视频和共享数据于一身的流媒体网络通信逐渐成为计算机网络通信的重要应用和当前研究的热点问题.由于IP网络存在着延时、误码、丢包、带宽波动等问题,使得其无法为实时视频传输提供服务质量保障,为此介绍了提升小波和嵌入式零树编码的理论知识,设计了一种提升小波和嵌入式零树算法相结合的可伸缩性编码方案,从而满足诸如渐进传输,图像渐现等网络应用需要.     

6.6 kbit/s 小波激励线性预测语音编译码器

针对码本激励线性预测编码（ＣＥＬＰ），将小波变换运用于长时基音预测后的二次残差信号，提出了小波激励线性预测（ＷＥＬＰ）技术，大大降低了语音编码的复杂度。在保持相同合成音质的情况下，可使码速率为６．６ｋｂｉｔ／ｓ的ＷＥＬＰ的编码速度较之相应的ＣＥＬＰ提高一倍。在此基础上，给出了用两片ＡＤＳＰ２１８１芯片实现的６．６ｋｂｉｔ／ｓＷＥＬＰ语音编译码器的定点实时实现系统，并对该系统作了性能测试和语音质量评测，表明了该系统的良好特性。     

高质量4kbit/s码速率语音编码算法研究

４ｋｂｉｔ／ｓ有限状态代数码激励线性预测语音编码算法ＦＳ－ＡＣＥＬＰ是一种具有延时较短、合成语音质量高、算法复杂度较低的语音编码算法。在线性预测（ＬＰ）参数量化上,利用了语音帧内和帧间的相关性,对线谱对（ＬＳＰ）参数使用预测式分裂式矢量量化,获得很高的量化效率。在自适应码本搜索上,采用了有限状态控制分数延时搜索的算法,在保证合成语音质量的同时,有效地降低了运算量。对于随机码本,采用了具有多模结构的代数码本,提高语音合成质量。对于激励码序列的增益,采用了预测式矢量量化,有效地提高了量化精度。经非正式听音测试,４ｋｂｉｔ／ｓＦＳ－ＡＣＥＬＰ的合成语音质量超过了北美８ｋｂｉｔ／ｓＶＳＥＬＰ,接近Ｇ．７２９８ｋｂｉｔ／ｓＣＳ－ＡＣＥＬＰ,ＭＯＳ分约为３．９。     

基于Harr小波提升格式的图像压缩方法

提出了一种哈达玛变换,离散余弦变换和小波变换相结合的混合型编码,即先采用哈达玛变换对图像压缩,再对处理后的图像用离散余弦进行压缩,最后采用提升Haar小波格式对图像进行了压缩,并引入零树小波分析,得到最优小波树。仿真结果表明,所提出的方法在灰度图像压缩效果方面优于一些传统的压缩方法。     

基于DCT的医学图像无失真编码

图像编码是图像处理的重要内容,医学图像必须保证得到的图像能最大限度地反映原始图像信息,也就是要进行无失真编码.主要介绍了将可逆线性变换等数学方法应用到离散余弦变换中,探讨新的有效的无失真编码方法.     

基于DCT的图像压缩及Matlab实现

本文介绍了基于DCT的图像压缩编码技术,并给出了具体的实现方法和步骤,既保证具有较高的压缩比,又保证了较好的图像质量。     

一种基于提升小波和零树编码的录波数据压缩算法

提出了一种提升格式小渡变换与嵌入式零树编码相结合的电力系统故障数据压缩方案,该方案先对故障录波数据进行提升格式小渡变换，再对变换系数作阈值量化处理，最后通过嵌入式零树编码将量化后的系数编码为比特流，同时给出了相应的解压缩算法流程．在此基础上，针对接地故障信号做了仿真实验，结果表明，该压缩方案能够实现可变码率，同时降低了48％的计算复杂度和内存占用，信噪比和压缩比都达到了较好的水平．