[自然科学]小波变换在语音信号中的应用.pptVIP

小波ψ (t)和原始信号f(t)的开始部分进行比较 计算系数C——该部分信号与小波的近似程度；C值越高表示信号与小波相似程度越高 小波右移k得到的小波函数为ψ (t-k) ，然后重复步骤1和2，……直到信号结束 扩展小波，如扩展一倍，得到的小波函数为ψ (t/2) 重复步骤1~4 离散小波变换的逆变换(IDWT) 功能：提取一维小波变换低频系数 格式：（1）A＝appcoef(c,l,’wname’,N) （2）A＝appcoef(c,l,’wname’) （3）A＝appcoef(c,l,Lo-R,Hi-R ) （4）A＝appcoef(c,l,Lo-R,Hi-R ,N) 说明：该函数是一个一维小波分解函数，用于从 小波分解结构[C,L]中提取一维信号的低频系数。 detcoef函数 功能：提取一维信号小波变换高频系数 格式： （1）d=detcoef(c,l,N) 提取N尺度的高频系数。 （2）d=detcoef(c,l)，提取最后一尺度的高频系数。 waverec函数 功能：多尺度一维小波重构 格式：（1）x=waverec(c,l,’wname’) （2）x=waverec(c,l,Lo-R,Hi-R) （3）x＝ waverec（wavedec（x,N,’wavename’),’ wavename’) 说明：该函数用指定的小波函数或重构滤波器对 小波分解结构(C,L)进行多尺度一维小波重构。 upwlev函数 功能：单尺度一维小波分解的重构 格式：(1)[nc,nl,ca]=upwlev(c,l,’wname’) (2) [nc,nl,ca]=upwlev(c,l,Lo-R, Hi-R) 说明：该函数用于对小波分解结构[C,L]进行单尺度重构，返回上一尺度的分解结构并提取最后一尺度的低频分量。 wrcoef函数 功能：对一维小波系数进行单支重构 格式：(1)x=wrcoef(‘type’,c,l,’wname’,N) (2)x=wrcoef(‘type’,c,l,Lo-R,Hi-R,,N) (3)x=wrcoef(‘type’,c,l,’wname’) (4)x=wrcoef(‘type’,c,l,Lo-R,Hi-R) 说明：对一维信号的分解结构[C,L]用指定的小波函数或重构滤波器进行重构。当‘type=a’时，对信号的低频部分进行重构，此时N可以为0；当‘type=d’时，对信号的高频部分进行重构，此时N为正整数。 upcoef函数 功能：一维系数的直接小波重构 格式：（1）y=upcoef(‘0’,x,’wname’,N) （2） y=upcoef(‘0’,x,’wname’,N,L) （3） y=upcoef(‘0’,x,Lo-R,Hi-R,N) （4） y=upcoef(‘0’,x,Lo-R,Hi-R,N,L) （5） y=upcoef(‘0’,x,’wname’) （6） y=upcoef(‘0’,x,Lo-R,Hi-R) 小波阈值去噪的主要理论依据 信号在小波域内其能量主要集中在有限的几个系数中, 而噪声的能量却分布于整个小波域内(前提) 经小波分解后, 信号的小波变换系数要大于噪声的小波变换系数（前提下的结果） 可以找到一个合适的数作为阈值,当小波系数小于该阈值时, 认为这时的小波系数主要是由噪声引起的（平行推理） 当小波系数大于该阈值时, 则认为其主要是由信号引起的。选择一个合适的阈值, 对小波系数进行阈值处理, 就可以达到去除噪声而保留有用信号的目的（水到渠成的推理） 基小波的选择 根据小波基的性质和具体信号的特征选择合适的基小波。 小波分解层数的选择 对一般的信号而言，若信噪比20，则最大分解尺度取3 ，否则，最大分解尺度取4好。 阈值函数 阈值选择规则 常用的硬阈值函数和软阈值函数 硬阈值函数 软阈值函数 2.1 语音信号的降噪处理 降噪特性 1.高频部分影响小波分解的第一层细节; 2.低频部分影响小波分解的最深层和最低频层; 3.高频系数的幅值随着分解层次的增加而迅速的衰减，且其方差也有同样的变化趋势。 2.1 语音信号的降噪处理 2.1 语音信号的降噪处理 利用Matlab消噪 1.用ddencmp生成信号的默认阀值，后利用wdencmp进行消噪； 2.用wthresh函数进行给定阀值量化处理，比默认阀值可信度高； 3.小波分解结构中的高频系数全部置0，强制消噪处理。 2.2 语音信号压缩与重构 1.信号的小波分解； 2.对高频系数进行阀值量化处理； 3.对量化后的系数进