freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

畢業(yè)論文基于dsp音視頻矩陣控制的研究與實(shí)現(xiàn)(編輯修改稿)

2024-07-21 19:56 本頁面
 

【文章內(nèi)容簡介】 分析、模式識(shí)別、通信、地震勘測、量子物理、電磁場、機(jī)械工程、流體力學(xué)、分形、光學(xué)、數(shù)值計(jì)算、語音識(shí)別、機(jī)器人視覺等領(lǐng)域都得到了廣泛的應(yīng)用。 連續(xù)小波變換設(shè)是平方可積函數(shù)(記作),是被稱為基本小波[11]或母小波(mother wavelet)函數(shù)。的小波變換如式(21)所示。 (21)式中是尺度因子,反映位移,其值可正可負(fù)。符號(hào)代表內(nèi)積,它的含義(上標(biāo)*代表取共扼)如式(22)所示。 (22)式中是基本小波的位移和尺度伸縮。,和都是連續(xù)變量,因此成為連續(xù)的小波變換(Continuous Wavelet Transform,簡記為CWT)。由以上定義,我們可以看出小波變換和傅立葉變換一樣,也是一種積分變換,為小波變換系數(shù)。我們可以證明,若采用小波滿足容許條件,則連續(xù)小波變換存在著逆變換。連續(xù)小波變換將一維信號(hào)變換到二維空間,因此小波變換中存在多余的信息,我們稱之為冗余度(Redundancy)。因此小波變換的逆變換公式不是惟一的。從小波分析的角度看,是一族超完備基函數(shù),它們之間是線性相關(guān)的,度量冗余度的量稱為再生核[12]如式(23),它反映了小波變換的冗余性。 (23)在半平面上各點(diǎn)小波變換的值是相關(guān)的。處的小波變換值可以表示成半平面上其他各處值的“總貢獻(xiàn)”如式(24)所示。 (24)式中如式(25)所示。 (25)式中是小波與的內(nèi)積,反映了兩者的相關(guān)程度。 離散小波變換在實(shí)際應(yīng)用中,為了方便用計(jì)算機(jī)進(jìn)行分析、處理,信號(hào)都要離散化為離散序列,和也必須離散化,稱為離散小波變換,記為DWT(Discrete Wavelet Transform)。為了減小小波變換系數(shù)冗余,我們將小波基函數(shù)的,限定在一些離散的點(diǎn)上取值。1.尺度的離散化。目前通行的辦法是對(duì)尺度進(jìn)行冪數(shù)級(jí)離散化,即令取,此時(shí)對(duì)應(yīng)的小波函數(shù)如式(26)所示。 (26)2.位移的離散化。通常對(duì)進(jìn)行均勻離散取值,以覆蓋整個(gè)時(shí)間軸。為了防止信息的丟失,我們要求采樣間隔滿足Nyquist采樣定理,采樣率大于等于該尺度下頻率通帶的二倍。所以每當(dāng)增加l時(shí),尺度增加一倍,對(duì)應(yīng)的頻率減小一半,可見采樣率可以降低一半而不致引起信息的丟失(帶通信號(hào)的采樣率決定于其帶寬,而不是決定于其頻率上限)。所以在尺度下,由于的寬度是的,同時(shí)也不會(huì)引起信息的丟失。這樣,就改成如式(27)所示,記為。 (27)離散小波變換定義為如式(28)所示。 (28)在實(shí)際中,我們一般取,這時(shí)。如果采用對(duì)數(shù)坐標(biāo),以為坐標(biāo)單位,則的離散值如圖23縱軸所示。圖23 平面二進(jìn)離散柵格 The binary discrete grid of the plane當(dāng)時(shí),沿軸的相應(yīng)采樣間隔是此時(shí),如式(29)所示。 (29)我們把軸用歸一化,于是有式(210) (210)此時(shí),對(duì)應(yīng)的為 多分辨率分析我們把平方可積函數(shù)看成是某一逐級(jí)逼近的極限情況。每級(jí)逼近都是用某一低通平滑函數(shù)對(duì)做平滑的結(jié)果,在逐級(jí)逼近時(shí)平滑函數(shù)也做逐級(jí)伸縮,這就是“多分辨率”,即用不同分辨率來逐級(jí)逼近待分析函數(shù)。函數(shù)空間作逐級(jí)二分解產(chǎn)生一組逐級(jí)包含的子空間,如式(211)所示。 (211)式中是從到的整數(shù),值愈小空間愈大。當(dāng)時(shí),函數(shù)空間的劃分如圖24所示??臻g剖分是完整的,即當(dāng)時(shí),包含整個(gè)平面可積的實(shí)變函數(shù)空間。當(dāng)時(shí),即空間最終剖分到空集為止。圖24 函數(shù)空間的剖分 The function space partition這種剖分方式使得空間與空間正交,各個(gè)之間下次也正交,如式(212)所示。 (212)進(jìn)一步要求函數(shù)空間剖分還應(yīng)具有以下兩項(xiàng)特性:1.位移不變性。函數(shù)的時(shí)移不改變其所屬空間,即如果則有式(213)。 (213)2.二尺度伸縮性。如果,則有表達(dá)式(214)。 (214) 子帶平均能量方差子帶平均能量方差的語音端點(diǎn)檢測算法針對(duì)主要由高斯白噪聲[13]組成的背景噪聲提出的一種算法。這種算法根據(jù)高斯白噪聲在小波變換域內(nèi)各個(gè)子帶的平均能量變化平緩的特點(diǎn)來判別語音段和噪聲段。因此該算法利用噪聲與語音頻率特性的不同,采用小波變換作為工具來實(shí)現(xiàn)語音端點(diǎn)檢測。 噪聲與語音的頻域差異在語音的通信和處理過程中,常伴隨有噪聲的加入。由此看來,分析與研究語音信號(hào)的處理,總離不開對(duì)信號(hào)與噪聲的分析。信號(hào)在傳播過程中會(huì)被各種加性噪聲所干擾,加性噪聲雖然獨(dú)立于有用信號(hào),但它卻始終干擾有用信號(hào),因而不可避免地對(duì)語音信號(hào)造成危害。加性噪聲(簡稱噪聲)的來源,一般可分為人為噪聲、自然噪聲和內(nèi)部噪聲。人為噪聲來源于由人類活動(dòng)造成的其他信號(hào)源,例如:外臺(tái)信號(hào)、開關(guān)接觸噪聲、工業(yè)的點(diǎn)火輻射及熒光燈干擾等;自然噪聲是指自然界存在的各種電磁波源,例如:閃電、大氣中的電暴、銀河系噪聲及其他各種宇宙噪聲等;內(nèi)部噪聲是系統(tǒng)設(shè)備本身產(chǎn)生的各種噪聲,例如,在電阻一類的導(dǎo)體中自由電子的熱運(yùn)動(dòng)(常稱熱噪聲)、真空管中電子的起伏發(fā)射和半導(dǎo)體中載流子的起伏變化(常稱為散彈噪聲)及電源哼聲等[14]。某些類型的噪聲是確知的,例如電源哼聲、自激振蕩、各種內(nèi)部的諧波干擾等。雖然消除這些噪聲不一定很容易,但至少在原理上可消除或基本消除。另一些噪聲則往往不能準(zhǔn)確預(yù)測其波形。這種不能預(yù)測的噪聲統(tǒng)稱為隨機(jī)噪聲。隨機(jī)信號(hào)與隨機(jī)噪聲均可歸納為依賴于時(shí)間參數(shù)的隨機(jī)過程,這種過程的基本特征是,它是時(shí)間的函數(shù),但在任一時(shí)刻上觀察到的值卻是不確定的,是一個(gè)隨機(jī)變量。隨機(jī)過程的統(tǒng)計(jì)特性是通過它的概率分布或數(shù)字特征加以表述的。表示一個(gè)隨機(jī)過程,則在任意一個(gè)時(shí)刻上是一個(gè)隨機(jī)變量。顯然,這個(gè)隨機(jī)變量的統(tǒng)計(jì)特性可以用分布函數(shù)或概率密度函數(shù)去描述,我們稱式(215)為隨機(jī)過程的一維分布函數(shù)。 (215)如果存在式(216),則稱為的一維概率密度函數(shù)。 (216)在一般情況下用一維分布函數(shù)去描述隨機(jī)過程的完整統(tǒng)計(jì)特性是極不充分的,通常需要在足夠多的時(shí)刻上考慮隨機(jī)過程的多維分布函數(shù)。的維分布函數(shù)被定義如式(217)所示。 (217)如果存在則稱其為的維概率密度函數(shù)。顯然,越大,用維分布函數(shù)或維概率密度函數(shù)去描述的統(tǒng)計(jì)特性就越充分[15]。在信號(hào)處理中占重要地位的一種類型的隨機(jī)過程是平穩(wěn)隨機(jī)過程,所謂平穩(wěn)隨機(jī)過程,即指它的任何維分布函數(shù)或概率密度函數(shù)與時(shí)間起點(diǎn)無關(guān)。也就是說,如果對(duì)于任意的正整數(shù)和任意實(shí)數(shù),隨機(jī)過程的維概率密度函數(shù)滿足式(218),則稱是平穩(wěn)隨機(jī)過程。由此可見,平穩(wěn)隨機(jī)過程的統(tǒng)計(jì)特性將不隨時(shí)間的推移而不同。 (218)隨機(jī)噪聲中的起伏噪聲是熱噪聲,散彈噪聲以及宇宙噪聲為代表的噪聲。起伏噪聲的特點(diǎn)是,無論在時(shí)域內(nèi)還是在頻域它們總是普遍存在和不可避免的,它們是信號(hào)中存在的主要噪聲。實(shí)踐證明起伏噪聲服從高斯分布律,且在一般的工作頻率范圍內(nèi),它具有平坦的功率譜密度。所以它被近似的表述為高斯白噪聲。所謂高斯過程,即指定它的任意維概率密度如式(219)所示。 (219)式中 (220)為歸一化協(xié)方差矩陣的行列式,如式(221)所示。 (221)行列式中元素的代數(shù)余因子,如式(222)所示。歸一化協(xié)方差函數(shù),如式(222)所示。 (222)由上式可以看出,由于正態(tài)隨機(jī)過程的維分布僅由各隨機(jī)變量的數(shù)學(xué)期望、方差和兩兩之間的歸一化協(xié)方差函數(shù)所決定[16]。所以如果過程是寬平穩(wěn)的,即其均值與時(shí)間無關(guān),協(xié)方差函數(shù)只與時(shí)間間隔有關(guān),而與時(shí)間起點(diǎn)無關(guān),則它的維分布也與時(shí)間起點(diǎn)無關(guān),故它也是嚴(yán)平穩(wěn)的。屬于平穩(wěn)隨機(jī)噪聲的高斯白噪聲是自然界存在最普通的噪聲也是不可避免噪聲,因此實(shí)現(xiàn)它與語音的區(qū)分對(duì)于端點(diǎn)檢測的實(shí)現(xiàn)具有決定性的意義。一般來說,信號(hào)所含的噪聲都可看作是平穩(wěn)的高斯白噪聲。由高斯白噪聲特點(diǎn)可知,該噪聲在相當(dāng)寬的頻率范圍內(nèi)具有平坦的功率譜密度。因此信號(hào)在各個(gè)頻段內(nèi)的信號(hào)能量分布均勻。平穩(wěn)隨機(jī)噪聲的幅頻特性如圖25所示。與之相反語音信號(hào)的能量主要分布于低頻部分,在整個(gè)頻率區(qū)間內(nèi)能量分布起伏較大。這就為我們進(jìn)行端點(diǎn)檢測提供了可行的方法。即利用語音與噪聲在各個(gè)頻段內(nèi)的平均能量的方差可以判別出語音段與噪聲段。在語音段,由于信號(hào)能量主要分布于低頻部分,所以各個(gè)頻段平均能量的方差較大。在噪聲段,由于高斯白噪聲能量變化平緩,分布相對(duì)平均,所以各個(gè)頻段的能量方差較小。語音的幅頻特性如圖26所示。比較圖25與圖26可明確的看出語音與噪聲在頻域存在很大的差異,而以小波分析為工具,利用這一特點(diǎn)進(jìn)行端點(diǎn)檢測,也正是本節(jié)所介紹的一種基于子帶平均能量的端點(diǎn)檢測方法。圖25 平穩(wěn)隨機(jī)噪聲的幅頻特性 amplitudefrequency characteristic of stationary random process圖26 語音的幅頻特性 The amplitudefrequency characteristic of speech 利用小波分析進(jìn)行端點(diǎn)檢測1.Daubechies(dbN)小波。Daubechies小波是由世界著名的小波分析學(xué)者Inrid Daubechies構(gòu)造的小波函數(shù),我們一般簡寫成,是小波的階數(shù)。小波和尺度函數(shù)中的支撐區(qū)[17]為,的消失矩為(除外),不具有對(duì)稱性(即非線性相位)。沒有明確的表達(dá)式(除外),但轉(zhuǎn)換函數(shù)的平方模[18]是很明確的。令,其中,為二項(xiàng)式的系數(shù),得式(223)。 (223)式中。2.算法原理。根據(jù)第二節(jié)所介紹的小波變換原理可知,小波變換相當(dāng)于信號(hào)通過的一系列低通和高通濾波器,所得的小波子帶系數(shù)分別代表了不同頻率段信號(hào)的能量分布,如圖27所示。圖27 小波分析的頻域劃分 The frequency domain partition of wavelet analyze該圖表示對(duì)一個(gè)信號(hào)進(jìn)行了三層小波變換,和是經(jīng)過三層小波變換后得到的小波子帶,其中,和從高到低依次為小波變換后得到的原信號(hào)的高頻信息,為小波變換后得到的原信號(hào)的低頻信息。根據(jù)上一節(jié)的分析可以確定語音信號(hào)在各個(gè)子帶內(nèi)的平均能量分布不均,信號(hào)的能量主要集中在低頻子帶[19]內(nèi)。而噪聲在各個(gè)子帶內(nèi)的平均能量分布均勻。計(jì)算各層小波系數(shù)的平均能量,如式(224)所示。 (224)式中表示小波層數(shù),表示第層所含的小波系數(shù)的數(shù)量,表示第層第個(gè)小波系數(shù)。計(jì)算各級(jí)小波系數(shù)平均能量的均值,如式(225)所示。 (225)式中表示小波層數(shù)。然后選取方差作為特征參數(shù)來表示各個(gè)小波子帶平均能量的差異,計(jì)算各個(gè)子帶平均能量的方差,如式(226)所示。 (226)下面我們以一段如圖28所示的語音信號(hào)作為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。圖28 語音信號(hào)波形圖 The plot of the speech signal首先給該段語音加入15db的高斯白噪聲,形成待測信號(hào),如圖29所示。根據(jù)式(26),選取db3作為小波基函數(shù)對(duì)待測信號(hào)進(jìn)行四層小波變換,得到小波系數(shù)。然后經(jīng)過式(224)、(225)和(226)的計(jì)算得到所求的方差參數(shù)。計(jì)算所得的帶噪語音相對(duì)應(yīng)的子帶平均能量方差如圖210所示。圖29與圖210進(jìn)行比較可明顯看出檢測效果比較明顯,在采用一定閾值判定后可以精確的檢測出語音的端點(diǎn)。在Windows操作系統(tǒng)下使用MATLAB進(jìn)行算法仿真,仿真成功后編程實(shí)現(xiàn)。實(shí)驗(yàn)所用的語音數(shù)據(jù)為4秒到7秒不等的160句英文語音,把它們隨機(jī)的分為三組,分別包含10句、50句和100句語音。根據(jù)各自語音信號(hào)的能量把它們加入相應(yīng)不同能量的高斯白噪聲,加入后的語音信噪比分別為15db、10db和0db,用不同信噪比下的語音信號(hào)進(jìn)行實(shí)驗(yàn)。圖29帶噪語音信號(hào) Speech signal containing noise圖210 信號(hào)平均能量方差 The average power variance of signal 具體實(shí)驗(yàn)步驟如下:1.對(duì)系統(tǒng)用到的所有語音信號(hào)進(jìn)行數(shù)據(jù)采樣,由于語音信號(hào)主要集中在5kHz以下。語音采樣后進(jìn)行分幀處理,幀長為20ms,220個(gè)點(diǎn),幀移10ms,110個(gè)點(diǎn)。記為,D為幀的總數(shù)。2.對(duì)第幀進(jìn)行5層的小波變換,所得的小波系數(shù)記為(表示第層的第個(gè)小波系數(shù)())。在本論文中進(jìn)行小波處理后得到的包含低頻率信息的小波系數(shù)記為第6層小波系數(shù)。而高頻子帶中,值從小到大頻率依次降低。3.通過式(224)、(225)、(226)分別進(jìn)行計(jì)算,得到方差參數(shù),取前三幀語音的參數(shù),的平均值的2倍作為閾值。如果大于閾值則標(biāo)識(shí)此幀為語音,否則標(biāo)識(shí)此幀為噪聲。為了增加算法的精度,對(duì)閾值進(jìn)行自適應(yīng)處理。每當(dāng)信號(hào)從語音段進(jìn)入噪聲段時(shí),重新取三幀語音的參數(shù)的平均值作為閾值。4.如果則算法結(jié)束,否則返回到第2步。5.當(dāng)所有的幀被分別標(biāo)記后,對(duì)所得的結(jié)果進(jìn)行處理。持續(xù)幀長的確定是由具體的實(shí)驗(yàn)結(jié)果來決定的,本方法根據(jù)實(shí)驗(yàn)取的經(jīng)驗(yàn)值,規(guī)定最小語音持續(xù)幀長為8幀,最小噪聲持續(xù)幀長為4幀,一些界限如小于被定義的最小持續(xù)時(shí)間時(shí)就被舍棄。6.對(duì)所得的結(jié)果與標(biāo)準(zhǔn)結(jié)果進(jìn)行比較以得到檢測率。標(biāo)準(zhǔn)結(jié)果為在不加入噪聲的基礎(chǔ)上對(duì)語音進(jìn)行手工標(biāo)記所得。
點(diǎn)擊復(fù)制文檔內(nèi)容
醫(yī)療健康相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖片鄂ICP備17016276號(hào)-1