1、信号处理，北京机械工业出版社李云英，嗓音声学检测及临床应用，韩徳民，嗓音医学及言语病理学的发展，魏巍应用数学工具箱技术手册国防工业出版社，马世伟非平稳信号的参数自适应时频表示及其应用的研究上海上海大学出版社董建华，顾汉明，张星几种时频分析方法的比较及应用工程地球物理学报刘崇春，裘正定，杜锡钰小波变换理论及其在信号处理中的应用北方交通大学学报,陈雨红，几种时频分析方法比较，地球物理学进展蔡青陶泽璋杨强，发不同元音时嗓音声学分析参数的比较，临床耳鼻咽喉科杂志，刘庆云李志舜刘朝晖，时频分析技术及研究现状，计算机工程胡昌华等基于的系统分析与设面积的管子串联而成的系统。按此观点推导出的叫“声管模型”。另个是把声道视为个谐振腔，按此推导出的叫“共振峰模型”，共振峰就是这个腔体的谐振频率。从物理声学观点，可以推导出均匀断面的声管的共振频。
2、个不同的系数集，想比与离散小波变换只能产生个系数集。在方法上类似于小波系统，小波包可以用下列基本函数进行描述。图连续小波变换和小波包分析比较图其中，是规模指数，是变换指数，是低通滤波器是高通滤波器如下式所示其中是滤波带宽长度。因此，由于正交特性，个离散信号在不同位置和不同规模的小波包系数可以通过下式有效地计算出。,因此，对于组小波包系数，能量特征，在对应的子频带中课通过下式计算,同时，使用提取的小波包系数可以计算夏侬熵，通过下式计算熵评价的的信息的数量和速度可以作为衡量病理嗓音的指标，这些信息是由病菌因素产生的。因此，夏侬熵可以测量语音信号在时域的自相关值，而且可以推断出声带不规则损伤。
3、的信息。小波包分析比离散小波分析更灵活，因为细节被分成了更小的子带，如近似值等。基于小波包分析有许多的基在向量空间，它能得到语音信号在时频域的更多细节，尤其是对于病理语音。下图为小波包分析的结果图病理嗓音小波包分析图从上图可知，随着分解层数的增加，识别率越来越高。第五章结论本文应用了短时傅里叶变换，连续小波变换，小波包分析三种方法对病理嗓音进行时频分析。得到如下结论短时傅里叶变换方法中，与正常嗓音时频谱相比较，病理嗓音的时频谱中高能量部分已经转移到高频率区域连续小波变换方法中，通过对正常话音信号和病理嗓音的连续小波系数的分布的比较，很明显，病理信号的小波系数幅值显著下降小波包分析方法中，随着分解层数的增加，识别率越来越高。参考文献周林灿，病理嗓音的声学分析和合成于萍，语言病理学，年全国喉科嗓音言语医学学术研讨会赵力主编，语。
4、些事实，小波包变换作为特征提取的方法，小波包变换类似于对波形分形，它将会得出在明确区分模式方面最好的结果。下图为连续小波变换与小波包分析方法的比较。小波包分析小波包分析考虑了语音信号在时域和频域的准确详细信息。小波包结构给出了提出小波包树节点的能力，在节点处每个子带被分成了具有相同频率范围的更小的子带。分层的小波包变换使用了小波函数族和与它们相关的尺度函数来把原始信号分解成连续的子频带。分解过程是递归地应用于低频和高频带来生成下级的层次。如果选定了个小波基，那么估计系数将会而且将会得出不同组的特征向量。从个离散的输入信号开始，第阶段的快速小波变换算法把信号分解成两个系数集。近似系数和详细系数小波包分解是种小波变换，信号通过比离散小波变换更多的滤波器。然而在中，详细系数和近似系数都被分解了。对于级的分解，小波包分解将会产。
5、因此目前来说，语音信号的数字化的质量还是有保证的。市面上购买到的普通声卡在这方面做的都很好，语音声波通过话筒输入到声卡后直接获得的是经过防混叠滤波变换量化处理的离散的数字信号。语音信号的时域分析设语音波形时域信号为加密分帧处理后得到的第帧语音信号为，则满足下式其他值其中„，并且为帧长，为帧移长度。设第帧语音信号的短时能量用表示，则其计算公式如下是个度量语音信号幅度值变化的函数，但它有个缺陷，即它对高电平非常敏感因为它计算时用的是信号的平方。为此可采用另个度量语音信号幅度音，声带息肉，声带小结，声带麻痹等病理嗓音的实验结果进行比较。嗓音信号处理的过程语音障碍的识别的第步是对语音信号异常特征的认识。因此，在这项研究中，我们研究的正常嗓音信号及病理嗓音的时频。
6、道水肿，声带小结的短时傅里叶变换的结果声带息肉嗓音时频谱正常嗓音时频谱声带小结嗓音时频谱声带麻痹嗓音时频谱图嗓音信号短时傅里叶变换图从上图可以看出与正常嗓音时频谱相比较，病理嗓音的时频谱中高能量部分已经转移到高频率区域。同时，由于病理嗓音中异常噪声的存在引起中间频率分量比正常的声音和突然发生的非周期性谱更强。这些现象是嗓子严重受损的结果。另方面，由于增加了声音嘶哑，噪声在频谱的增加和更重在第共振峰浓度出现。上图还表明低频率成分，包括了病理性的声音的第和第二共振峰。由于第共振峰与人的说话息息相关，所以可以直接解释为声带的损伤。连续小波变换法国地球物理学家发现地震信号在低频端应该具有较高的频率分辨率，在高频端频率分辨率可以较低。根据这特点，由和等共同发展了小波变换方法，这是种多分辨率分析方法。小波变换定义为。
7、,其中为尺度参数，为个时间频率均局部化了的带通函数。对复小波而言，母小波可表示为，其中为小波的中心频率，为低通函数。小波变换与短时傅里叶变换有很大的相似性。区别仅在于观察信号的不同频率分量，小波变换使用了不同宽度的窗函数。其实质是将信号向系列小波基函数上投影，即用系列小波基函数去逼近信号。是种时间尺度分析方法，克服了的窗函数不可改变的缺陷，可以有效聚焦信号的瞬时结构。小波变换不仅具有的优点，而且满足了变窗处理的要求，具有良好的时频局域化特性，具有更好的时频特性窗口。但是，对时频平面的划分是机械式的，不具备自适应的特点引入的尺度因子与频率没有直接的联系，只是在时间尺度二维平面分析信号，频率没有表现出来，因此的结果不是种真正的时频谱。下图所示为利用小波变换对正常嗓音和病理嗓音的时频分析结果。。
8、分析采用了短时傅里叶变换和连续小波变换。之后，在上述分析的基础上，提供喉部异常的初步诊断。小波包变换方法有强大的特征提取策略。根据上述叙述，整个过程的框图如下图所示图嗓音信号处理的过程短时傅里叶变换年提出了短时傅里叶变换，用以测量声音信号的频率定位，对于信号的短时傅里叶变换定义为,其中为被分析的信号，为窗函数。短时傅里叶变换的基本思想是用窗函数来截取信号，假定信号在窗内是平稳的，采用傅里叶变换分析窗内的信号，以确定窗内存在的频率成分，然后沿着信号时间方向移动窗函数，得到频率随时间的变化关系，及所需的时频分布。如下短时傅里叶变换分析结果连续小波变换分析结果正常或者病理嗓音语音样本正常的和病理的预处理特征提取小波包系数能量和熵识别图所示为正常语音信号和常见病理嗓音声带息肉，声带麻痹，。
9、正常嗓音时频谱声带息肉嗓音时频谱声带小结嗓音时频谱声带麻痹嗓音时频谱图嗓音信号连续小波变换图连续小波分析给我们提供了将突然的病理特征的非平稳的语音信号绘制到个更明确的时频空间的能力。为了这个目的，连续小波变换应用于正常和病理的元音分析。从上图可以看出通过对正常话音信号和病理嗓音的连续小波系数的分布的比较，很明显，病理信号的小波系数幅值显著下降。另外，如图所示。因为在声带病变和随后的噪声的语音信号中存在样的成分，小波系数分布在相应的扩展的带谱频带中。大约所有声带疾病相关的声音中，声带振动的规律受到振幅振动和基频扰动的严重干扰。特征提取程序很明显，在与声带相关的嗓音疾病中，语音信号的频谱分布不规则，周期缺失，降低了预计语音波形的强度。病理性语音由于噪声因素的存在，其在不同子频带下的能量分布与正常嗓音相比有着高度的不规则性。根据。
参考资料：
1、该PPT不包含附件（如视频、讲稿)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
小学数学：认识人民币二课件（优） 编号34
