学位论文 > 优秀研究生学位论文题录展示

Hilbert-Huang变换及其在含噪语音信号处理中的应用研究

作　者: 申丽然
导　师: 王慧强
学　校: 哈尔滨工程大学
专　业: 计算机应用技术
关键词: 经验模态分解 Hilbert-Huang变换语音检测语音增强
分类号: TN912.3
类　型: 博士论文
年　份: 2006年
下　载: 1057次
引　用: 10次
阅　读: 论文下载

内容摘要

随着现代科学技术的蓬勃发展，数字语音信号处理作为一个跨学科、综合性的研究领域已成为当今的一个研究热点。经研究表明，语音信号是一个复杂的非线性、非平稳随机过程，这使得基于线性平稳线性系统理论发展起来的传统语音信号处理技术性能难以进一步提高。近年来发展起来并逐步完善的非线性、非平稳信号处理方法为语音信号处理技术的发展带来了新的生机。实际中，语音常常受到环境噪声的干扰而使通话质量下降，使得语音处理系统不能正常工作。在这种情况下，必须采用信号处理方法进行语音的检测和语音增强，抑制背景噪声，以提高语音通信质量。语音增强不仅可以提高语音的清晰度，改善听觉质量，而且在许多语音编码和识别系统中，通过增强处理可以大大改善系统在含噪条件下的性能。语音增强是语音信号处理的一个重要分支，该技术已广泛应用于无线电话、电话会议、场景录音和军事窃听等领域。语音检测和增强技术无论在日常生活中，还是在军事领域，或者对语音信号处理技术都很有应用价值。基于经验模态分解的时频分析方法，被认为是近年来对以傅立叶分析为基础的线性和稳态数据分析的一个重大突破。本文以背景噪声下语音流检测和增强为目标，主要研究了以下几个方面的内容： 1．详细地阐述了经验模态分解方法和以此为基础的Hilbert-Huang变换的基本原理和算法。利用统计学的工具考察了经验模态分解前后数据分布的变化。研究了采样率对经验模态分解效果的影响。利用功率谱密度研究了经验模态分解的滤波器特性。 2．针对经验模态分解中端点效应问题，阐述了端点效应产生的机理，系统地介绍了以往处理端点效应的方法，考虑到端点效应问题在学习领域属于小样本(或有限样本)问题，将统计学习的理论应用到了端点延拓的问题上来，利用回归支持向量机技术有效地解决了数据

全文目录

第1章绪论  13-39
  1.1 课题研究的意义  13-14
  1.2 语音检测  14-21
    1.2.1 语音识别中的端点检测  15-17
    1.2.2 语音通信中的语音激活检测  17-20
    1.2.3 短波通信中的语音流检测  20-21
  1.3 语音增强  21-33
    1.3.1 语音增强的研究历史  21-22
    1.3.2 基于语音谱特征的谐波增强  22
    1.3.3 基于短时谱估计的语音增强  22-25
    1.3.4 基于语音生成模型的增强  25
    1.3.5 基于神经网络的语音增强  25-26
    1.3.6 基于HMM的语音增强  26
    1.3.7 基于听觉感知的语音增强  26-27
    1.3.8 基于时频分析的语音增强  27-33
  1.4 HILBERT-HUANG变换的提出和研究现状  33-36
    1.4.1 Hilbert-Huang变换的提出  33-35
    1.4.2 HHT的研究现状  35
    1.4.3 HHT的不足  35-36
  1.5 本文的主要研究内容  36-39
    1.5.1 本文的研究内容  36-37
    1.5.2 结构安排  37-39
第2章 HHT时频分析基本原理及其特性研究  39-63
  2.1 引言  39-40
  2.2 基本概念  40-45
    2.2.1 解析信号  40-41
    2.2.2 瞬时频率  41-43
    2.2.3 固有模态函数  43-44
    2.2.4 Hilbert变换及其性质  44-45
  2.3 经验模态分解原理及其算法  45-57
    2.3.1 经验模态分解的基本思想  46
    2.3.2 经验模态分解算法  46-48
    2.3.3 经验模态分解的特点  48-51
    2.3.4 经验模态分解滤波特性研究  51-55
    2.3.5 采样对经验模态分解的影响  55-57
  2.4 HHT时频谱  57-61
    2.4.1 HHT谱的基本原理  58-59
    2.4.2 HHT中的瞬时频率与传统Fourier频率之间的关系  59-61
    2.4.3 HHT时频分布的特点  61
  2.5 本章小结  61-63
第3章基于回归支持向量机端点延拓技术研究  63-80
  3.1 引言  63-64
  3.2 EMD端点效应的分析与影响  64-66
  3.3 基于信号本身的数据延拓研究  66-68
    3.3.1 镜像延拓法  66-67
    3.3.2 包络延拓法  67-68
  3.4 基于神经网络数据延拓方法研究  68-69
  3.5 基于回归支持向量机的数据端点延拓技术  69-76
    3.5.1 回归支持向量机的基本原理  70-72
    3.5.2 回归支持向量机算法研究  72-73
    3.5.3 回归支持向量机算法参数选择的研究  73-75
    3.5.4 回归支持向量机延拓的基本原理  75-76
  3.6 仿真实验和比较  76-79
  3.7 本章小结  79-80
第4章模态混叠现象研究  80-98
  4.1 引言  80-81
  4.2 信息变差用于模态分解终止条件研究  81-86
    4.2.1 最大连续熵定理  82-83
    4.2.2 信息变差  83-84
    4.2.3 仿真实验  84-86
  4.3 自适应时间尺度搜索的模态混叠现象的研究  86-96
    4.3.1 时间尺度的概念  87-89
    4.3.2 基于隐含时间尺度模态混叠现象产生的机理  89-92
    4.3.3 自适应时间尺度搜索算法  92-96
  4.4 本章小结  96-98
第5章基于EMD-TEO的语音流检测方法研究  98-110
  5.1 引言  98-99
  5.2 TEAGER能量算子  99-101
  5.3 EMD-TEO音流检测算法  101-105
    5.3.1 EMD-TEO语音流检测参数提取流程  101-103
    5.3.2 基于相关熵的EMD-TEO语音流检测准则  103-105
  5.4 仿真实验  105-109
    5.4.1 实验的数据  105
    5.4.2 实验结果  105-106
    5.4.3 算法性能分析和比较  106-109
  5.5 本章小结  109-110
第6章基于经验模态分解域的语音增强  110-129
  6.1 引言  110-111
  6.2 基于EMD域子空间法语音增强  111-117
    6.2.1 基于信号子空间法的基本原理  111-112
    6.2.2 子空间估计准则  112-116
    6.2.3 EMD子空间语音增强算法  116-117
  6.3 基于听觉掩蔽EMD语音增强算法研究  117-122
    6.3.1 基本原理和算法流程  118-120
    6.3.2 算法的具体步骤  120-122
  6.4 仿真实验结果及分析  122-128
    6.4.1 实验数据来源  122
    6.4.2 语音增强质量评价  122-125
    6.4.3 实验结果  125-128
  6.5 本章小结  128-129
结论  129-131
参考文献  131-144
攻读博士学位期间发表的论文和取得的科研成果  144-146
致谢  146

Hilbert-Huang变换及其在含噪语音信号处理中的应用研究

内容摘要

全文目录

相似论文