《语音信号小波压缩中的消失矩》-毕业设计（论文）.docVIP

- 目 录 TOC \o 1-3 \h \z \u 摘 要 1 Abstract 1 1 引言 1 2 小波函数的特性 2 2.1小波变换的定义和特点 2 2.2小波函数的数学特性 3 3 三种常用小波基的消失矩特性 4 3.1 Haar小波 4 3.2 Daubechies小波 5 3.3 Coiflet小波 5 4 用小波变换实现语音压缩的原理 6 4.1小波分解 6 4.2阈值选取原则 7 4.3小波重构 7 5 语音信号小波压缩程序 7 6 实验结果与分析 8 7 结论 15 参考文献 15 致谢 17 PAGE PAGE 1 语音信号小波压缩中的消失矩 学生姓名：樊晓鹤 学号：20095044073 单　　位：物理电子工程学院　专业：电子科学与技术 指导老师：陈新武 职称：副教授 摘 要：阐述了小波变换的基本概念，分析了小波函数的正交性、紧支性、对称性、消失矩等数学特性，研究了三种常用小波基的消失矩性质，探讨了用小波变换实现语音压缩的原理。应用MATLAB选取1～25阶消失矩的Daubechies小波对所采集的语音信号进行压缩处理，得到语音信号在不同消失矩下的压缩结果，以及小波消失矩和语音信号压缩效果之间的关系。 关键词：小波变换；消失矩；语音压缩；阈值；置零系数百分比 Vanishing Moments of the speech signal wavelet compression Abstract：Expounds the basic concept of wavelet transform, the mathematical features of the wavelet function is analyzed, symmetry, compact, vanishing moment, etc. Studied the vanishing moment property of three kinds of commonly used wavelet base. Discussed the principle of using wavelet transformation to realize speech compression. Apply MATLAB to select 1 ~ 25 order vanishing moment of Daubechies wavelet compress speech signals collected. Get the effect of the compression of speech signals under different vanishing moment and the relation between vanishing moments of wavelet and the effect of compression of speech signals. Key words：wavelet transform; Vanishing moment；speech compression; threshold; the percentage of zero numbers 1 引言 在通信技术快速发展的今天，语音信号的传输和应用占据着重要的地位。但语音信号经常需要转换成数字信号存储在数字存储设备中，然而，在很多情况下，由于存储设备的存储空间有限，对数字语音信号的压缩变得尤为重要。如果在互联网上传输未经压缩的数字语音信号，需要占用较长的通讯时间，而语音信号的压缩可减少网络的拥堵和所占用的存储空间，从而提高了有限的频带资源的利用率，减少了通信费用[1]。 传统的信号理论，是建立在Fourier分析基础上的，而Fourier变换作为一种全局性的变化，其有一定的局限性。在实际应用中人们开始对Fourier变换进行各种改进，小波分析由此产生了。小波分析是一种新兴的数学分支，它是泛函数、Fourier分析、调和分析、数值分析的最完美的结晶；在应用领域，特别是在信号处理、图像处理、语音处理以及众多非线性科学领域，它被认为是继Fourier分析之后的又一有效的时频分析方法。小波变换与Fourier变换相比，具有良好的时域局部化特性，因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，解决了Fourier变换不能解决的许多困难问题[2]。 近年来，小波理论得到了非常迅速的发展，由于小波函数在数学特性方面具有正交性、紧支性、消失