基于小波包分析的声音特性提取学位论文

基于小波包分析的声音特性提取学位论文

ID:6258087

大小:481.00 KB

页数:27页

时间:2018-01-08

基于小波包分析的声音特性提取学位论文_第1页
基于小波包分析的声音特性提取学位论文_第2页
基于小波包分析的声音特性提取学位论文_第3页
基于小波包分析的声音特性提取学位论文_第4页
基于小波包分析的声音特性提取学位论文_第5页
资源描述:

《基于小波包分析的声音特性提取学位论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、成都信息工程学院学位论文基于小波包分析的声音特性提取论文作者姓名:申请学位专业:申请学位类别:指导教师姓名(职称):论文提交日期:第IV页共41页基于小波包分析的声音特性提取摘要说话人识别就是利用说话人的语音特征对说话人身份进行辨识或确认。与语音识别一样,说话人识别也是在提取原始语音信号某些特征参数的基础上,建立相应的模板和模型,然后按照一定的判决规则进行识别。其中前期特征参数提取的效果直接影响到后期识别的准确性。本设计完成了一个基于小波包分析的声音特征参数的提取模型。论文首先介绍小波分析理论的基本知识,阐述了小波理论、小波分析在声音特征提取方面的应用,然后在分析MFCC提取原

2、理的基础上,结合小波包分析理论,得到特征参数。用特征参数提取方法通过对两个人的数字音频样本提取的特征参数对比来观察各个参数之间的区别。仿真实验证明该提取方法可以作为区别说话人的声音特征提取方法,配合识别算法可以达到较高的识别率。关键词:小波包;梅尔倒谱系数;特征参数ExtractionofFeatureCoefficientBasedonWaveletPacketAnalysisAbstractSpeakerRecognitionistousethespeakerfeatureontheidentityofthespeakeridentificationorconfirmati

3、on.Aswithspeechrecognition,speakerrecognitionistoextractsomecharacteristicparametersoftheoriginalspeechsignalbasedontheestablishmentofappropriatetemplatesandmodels,andaccordingtosomedecisionrulesforrecognition.Oneearlyfeatureextractiondirectlyaffectstheeffectoflatetherecognitionaccuracy.Thed

4、esigniscompleted,awaveletpacketanalysisbasedonasimplemodelofthevoicefeatureparameterextraction.Paperfirstintroducesthebasicsofwaveletanalysistheory,Describedthewavelettheoryandwaveletanalysisintheapplicationofsoundfeatureextraction,andthenwecangettwocharacteristicparametersbasedontheanalysis

5、ofMFCCextractionandthetheoryofwaveletpacketanalysis.Featureextractionmethodusedbydigitalaudiosamplesoftwocharacteristicparametersextractedcomparedtoobservethedistinctionbetweenthevariousparameters.Simulationresultsshowthattheextractionmethodcandistinguishthespeaker'svoiceasafeatureextraction

6、method,withtherecognitionalgorithmcanachievehigherrecognitionrate.Keywords:Waveletpacket;Melcepstral;Parameter目录论文总页数:21页1引言11.1课题背景11.2国内外研究现状11.3本课题研究的意义11.4本课题研究的方法12小波理论22.1小波分析背景22.2小波变换简介22.3从傅里叶变换到小波分析22.4提升小波变换概述32.5小波包分析32.6小波信号分析在声音处理中的应用43常见声音特征参数提取算法43.1分类43.1.1线性预测倒普系数法(LPC)53.1

7、.2梅尔滤波器提取法(MEL)63.1.3小波变换法(DWT—MFC)[3]63.1.4小波包分析法(WPTC)73.2算法比较74基于小波包分析的声音特性提取实现84.1概述84.2总体结构84.3程序设计84.3.1语音信号分帧、加窗84.3.2Mel滤波器组94.4音频特征参数提取结果104.5特征参数结果分析13结论18参考文献18致谢20声明211引言1.1课题背景声音识别的迅速发展以及高效可靠的应用软件的开发,使声音识别系统在很多方面得到了应用、这种系统可以用声音指令拟应用特定短

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。