学位论文 > 优秀研究生学位论文题录展示
基于小波与神经网络的语音算法研究
作 者: 时磊
导 师: 尚秋峰
学 校: 华北电力大学(河北)
专 业: 通信与信息系统
关键词: 语音压缩 小波 神经网络
分类号: TP183
类 型: 硕士论文
年 份: 2008年
下 载: 95次
引 用: 1次
阅 读: 论文下载
内容摘要
本文在分析了语音信号声学特性、感知特性的基础上,针对小波和神经网络在语音处理中的优良性质,提出了使用小波和BP网络相结合的方法压缩语音数据。文中将整个语音压缩系统分为两个部分:小波模块部分和神经网络模块部分。在小波模块中,语音首先经过小波变换,转化为小波系数,然后通过小波阈值处理,压缩语音数据中不重要的信息,之后对包含重要信息的小波系数进行量化编码;神经网络模块中,利用小波模块产生的二进制数据作为神经网络的目标输出,同时产生出固定的矩阵数组作为输入。网络训练完成后传递网络的权值和阈值,达到神经网络压缩的目的。仿真实验表明,在保证语音质量可听的情况下,压缩倍数可以达到31倍左右。
|
全文目录
中文摘要 4 英文摘要 4-7 第一章 引言 7-12 1.1 语音压缩的研究背景及意义 7-8 1.2 语音压缩的国内外研究动向 8-10 1.3 课题的主要工作及论文的组织结构 10-12 第二章 基于小波与神经网络的语音压缩系统设计 12-17 2.1 语音信号的声学基础 12-13 2.1.1 语音信号的产生 12-13 2.1.2 语音的声学特性 13 2.1.3 语音的感知特性 13 2.2 系统设计基础 13-15 2.3 系统结构设计 15-16 2.4 本章小结 16-17 第三章 小波模块设计及性能 17-38 3.1 小波分析简史 17-19 3.2 小波变换 19-26 3.2.1 连续和离散小波变换 19-20 3.2.2 二进小波变换 20-22 3.2.3 多分辨分析及 Mallat 算法 22-26 3.3 小波函数的选择 26-30 3.3.1 常用小波函数 26-27 3.3.2 小波函数的选取 27-30 3.4 小波阈值的处理 30-32 3.5 小波系数编码 32-35 3.6 小波模块性能分析 35-37 3.7 本章小结 37-38 第四章 神经网络模块设计及性能 38-57 4.1 神经网络简介 38-42 4.1.1 人工神经网络模型 39-40 4.1.2 人工神经网络分类 40-42 4.2 BP 神经网络 42-48 4.2.1 BP 神经网络结构 42-43 4.2.2 BP 网络学习算法 43-46 4.2.3 BP 网络算法步骤 46-48 4.3 BP 网络输入输出设计 48-50 4.4 BP 网络压缩倍数计算 50-51 4.5 BP 网络参数设置 51-54 4.5.1 传递函数的选取 51-53 4.5.2 样本预处理 53 4.5.3 初始权值和阈值的选取 53 4.5.4 训练函数的选取 53-54 4.6 BP 网络在语音数据中的性能分析 54-55 4.7 本章小结 55-57 第五章 结论及展望 57-58 参考文献 58-61 致谢 61-62 在学期间发表的学术论文和参加科研情况 62
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 基于超声波的泥浆密度测试机理的研究,TE256.7
- 光学零件表面轮廓干涉测量方法研究,TG84
- 超声波钎焊填缝及钎缝优化工艺研究,TG454
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 基于FPGA的电磁超声检测系统的研究,TH878.2
- 慢光光纤陀螺信号检测电路设计,V241.5
- 光纤陀螺信号处理线路FPGA实现,V241.5
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 低频方波小功率金卤灯电子镇流器的研究,TM923.61
- 可连续调频调幅的不对称正弦波逆变电源研制,TM464
- 基于小波变换的语音信号去噪及其DSP算法实现,TN912.3
- 多载波CDMA的信道编码与信道估计技术的研究,TN929.533
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 压电驱动微工作台的控制与校正技术研究,TP273
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|