Signal processing
文章平均质量分 79
方克明
这个作者很懒,什么都没留下…
展开
-
关于傅里叶变换和小波变换的学习和研究
前言:很久之前就想写一些关于傅里叶变换和小波变换的文章,但碍于时间和个人能力问题,一直搁浅于此。就我个人的经验和观点,给初学者分享和推荐一些学习傅里叶变换和小波变换的书籍和文章。这些书籍和文章,都写得比较深入和易懂,我就不再班门弄斧。以下书籍和文章,对于傅里叶变换和小波变换的概念,应用,发展都有详细的介绍和阐述,欢迎补充和指正,谢谢!1.(美国)博格斯(AlbertBoggess),(美国)马科维奇原创 2016-11-08 16:50:00 · 1304 阅读 · 0 评论 -
IIC总线、SPI总线、串口232通信、422通信、485通信、TCP/IP协议
最近在学习一些通信协议,查找资料,借鉴别人的论述,总结于下,仅供参考。相互学习,在此感谢几位博主写的技术贴!IIC总线协议:http://blog.csdn.net/zailushangha/article/details/8233448SPI总线协议:http://blog.csdn.net/ce123_zhouwei/article/details/6897293原创 2017-03-03 20:00:50 · 11679 阅读 · 0 评论 -
傅立叶变换中的吉布斯(Gibbs)现象
每个学习过信号处理基本课程的人都知道吉布斯(Gibbs)现象:将具有不连续点的周期函数(如矩形脉冲)进行傅立叶级数展开后,选取有限项进行合成。当选取的项数越多,在所合成的波形中出现的峰起越靠近原信号的不连续点。当选取的项数很大时,该峰起值趋于一个常数,大约等于总跳变值的9%。吉布斯现象如下图所示。 ...原创 2017-08-19 17:02:57 · 19207 阅读 · 0 评论 -
模拟信号采样与AD转换
1 著名的Nyquist采样定理尽管大家都知道,但还是提一提。大牛奥本海姆的《信号与系统》中是这样描述的:Let x(t) be a band-limited signal with X(jw) = 0 for |w|> wM. Then x(t) is uniquely determined by its samples x(nT),n=1,±1,±2,...,if转载 2017-08-02 15:14:40 · 8003 阅读 · 0 评论 -
FIR系统和IIR系统的区别
FIR:有限脉冲响应滤波器。有限说明其脉冲响应是有限的。与IIR相比,它具有线性相位、容易设计的优点。这也就说明,IIR滤波器具有相位不线性,不容易设计的缺点。而另一方面,IIR却拥有FIR所不具有的缺点,那就是设计同样参数的滤波器,FIR比IIR需要更多的参数。这也就说明,要增加DSP的计算量。DSP需要更多的计算时间,对DSP的实时性有影响。以下都是低通滤波器的设计。FIR的设计:原创 2017-08-05 10:39:16 · 34226 阅读 · 0 评论 -
通俗易懂讲解HMM(隐马尔可夫模型)
原文转载于:http://www.cnblogs.com/skyme/p/4651331.html,非常感谢。什么是熵(Entropy)简单来说,熵是表示物质系统状态的一种度量,用它老表征系统的无序程度。熵越大,系统越无序,意味着系统结构和运动的不确定和无规则;反之,,熵越小,系统越有序,意味着具有确定和有规则的运动状态。熵的中文意思是热量被温度除的商。负熵是物质系统有序化,组织化转载 2017-08-05 21:30:54 · 3941 阅读 · 0 评论 -
功率谱和频谱的区别
生活中很多东西之间都依靠信号的传播,信号的传播都是看不见的,但是它以波的形式存在着,这类信号会产生功率,单位频带的信号功率就被称之为功率谱。它可以显示在一定的区域中信号功率随着频率变化的分布情况。而频谱也是相似的一种信号变化曲线,在科学的领域里,功率谱和频谱有着一定的联系,但是它们之间还是不一样的,是有区别的。功率谱的密度在物理学中,信号通常是波的形式表示,例如电磁波、随机原创 2017-08-10 09:38:26 · 98394 阅读 · 5 评论 -
语音信号的预处理
1 概述 语音信号是一种非平稳的时变信号,它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中都需要提取语音中包含的各种信息。一般而言语音处理的目的有两种:一种是对语音信号进行分析,提取特征参数,用于后续处理;另一种是加工语音信号,例如在语音增强中对含噪语音进行背景噪声抑制,以获得相对“干净”的语音;在语音合成方中需要对分段语音进行拼接平滑,获得主观音质较高的合成语音...转载 2017-08-21 20:22:41 · 22716 阅读 · 0 评论 -
短时平均能量
由于语音信号的能量随时间而变化,清音和浊音之间的能量差别相当显著。因此,对短时能量和短时平均幅度进行分析,可以描述语音的这种特征变化情况。 定义n时刻某语音信号的短时平均能量为: 式中,N为窗长,可见短时能量为一帧样点值的加权平方和。特殊地,当窗函数为矩形窗时,有 也可以从另外一个角度来解释。令: 平均能量还可...转载 2017-08-21 20:27:30 · 17053 阅读 · 0 评论 -
短时平均幅度函数
短时能量的一个主要问题是对信号电平值过于敏感。由于需要计算信号样值的平方和,在定点实现时很容易产生溢出。为了克服这个缺点,可以定义一个短时平均幅度函数来衡量语音幅度的变化: 上式可以理解为w(n)对|x(n)|的线性滤波运算,实现框图如下。与短时能量比较,短时平均幅度相当于用绝对值之后代替了平方和,简化了运算。 ...转载 2017-08-21 20:30:19 · 8152 阅读 · 0 评论 -
短时平均过零率
短时平均过零率是语音信号时域分析中的一种特征参数。它是指每帧内信号通过零值的次数。对有时间横轴的连续语音信号,可以观察到语音的时域波形通过横轴的情况。在离散时间语音信号情况下,如果相邻的采样具有不同的代数符号就称为发生了过零,因此可以计算过零的次数。单位时间内过零的次数就称为过零率。一段长时间内的过零率称为平均过零率。如果是正弦信号,其平均过零率就是信号频率的两倍除以采样频率,而采样频...转载 2017-08-21 20:33:44 · 22074 阅读 · 3 评论 -
基于麦克风阵列的语音信号处理技术
前言随着人工智能与人们的生活越来越近,语音技术的发展也备受关注。传统的近场语音已经无法满足人们的需求,人们希望可以在更远的距离,更复杂的环境中语音控制智能设备。因此,阵列技术成为远场语音技术的核心。阵列麦克风对人工智能的意义:空间选择性:通过电扫阵列等空间定位技术可以获取声源的有效位置,智能设备在获取精准的声源位置信息,让我们的语音更加智能,通过算法获取高品质的语音信号质量原创 2017-08-08 16:32:40 · 3061 阅读 · 0 评论 -
详解语音处理检测技术中的热点——端点检测、降噪和压缩
作为一种人机交互的手段,语音的端点检测在解放人类双手方面意义重大。同时,工作环境存在着各种各样的背景噪声,这些噪声会严重降低语音的质量从而影响语音应用的效果,比如会降低识别率。未经压缩的语音数据,网络交互应用中的网络流量偏大,从而降低语音应用的成功率。因此,音频的端点检测、降噪和音频压缩始终是终端语音处理关注的重点,目前仍是活跃的研究主题。为了能和您一起了解端点检测和降噪的基本原理,带您一原创 2017-08-08 16:29:24 · 2799 阅读 · 1 评论 -
信号的语谱图
1.语谱图语谱图就是语音频谱图,一般是通过处理接收的时域信号得到频谱图,因此只要有足够时间长度的时域信号就可。(时间长度为保证频率分辨率)专业点讲,那是频谱分析视图,如果针对语音数据的话,叫语谱图。语谱图的横坐标是时间,纵坐标是频率,坐标点值为语音数据能量。由于是采用二维平面表达三维信息,所以能量值的大小是通过颜色来表示的,颜色深,表示该点的语音能量越强。可是为什么采用原创 2017-01-06 10:59:10 · 10280 阅读 · 0 评论 -
几种常见窗函数及其MATLAB实现
原文来源:http://blog.csdn.net/demo_deng/article/details/17351647 感谢博主数字信号处理中通常是取其有限的时间片段进行分析,而不是对无限长的信号进行测量和运算。具体做法是从信号中截取一个时间片段,然后对信号进行傅里叶变换、相关分析等数学处理。信号的截断产生了能量泄漏,而用FFT算法计算频谱又产生了栅栏效应,从原理上讲这两种误原创 2017-03-30 09:34:41 · 43109 阅读 · 2 评论 -
数字信号处理重要学习资源
学习信号处理有一段时间了,这里对学习数字信号处理得几个重要资源进行整理。原文参考于:http://blog.csdn.net/xiahouzuoxin/article/details/17336285感谢博主:xiahouzuolin极力推荐他的博客,有很多东西值得我们学习!1. 核心期刊IEEE Si原创 2017-05-15 21:36:42 · 1887 阅读 · 0 评论 -
窄带信号和宽带信号的区别和联系
这个问题首先需要讨论宽带信号与窄带信号的定义。然而,没有文献或组织对宽带信号给出的严格定义,业内一般认为宽带信号与窄带信号是相对的,不满足窄带条件的信号就称为宽带信号。目前,窄带信号的定义也不尽相同。若信号带宽为B ,时宽为T,中心频率为f0,则窄带信号的定义有:定义1: B 定义2: 2v/c定义3:( N-1) d/c定义4:2 Bτθ +1≈1 ,其中τθ是整个阵列以及延原创 2017-06-18 21:14:02 · 19444 阅读 · 0 评论 -
自适应滤波器学习笔记
自适应滤波器是能够根据输入信号自动调整性能进行数字信号处理的数字滤波器。作为对比,非自适应滤波器有静态的滤波器系数,这些静态系数一起组成传递函数。对于一些应用来说,由于事先并不知道所需要进行操作的参数,例如一些噪声信号的特性,所以要求使用自适应的系数进行处理。在这种情况下,通常使用自适应滤波器,自适应滤波器使用反馈来调整滤波器系数以及频率响应。总的来说,自适应的过程涉及到将代价函数原创 2017-06-18 21:34:47 · 2469 阅读 · 0 评论 -
几种滤波器原理简析
1.维纳滤波维纳滤波是一种平稳随机过程的最佳滤波理论,换句话说就是在滤波过程中系统的状态参数(或信号的波形参数)是稳定不变的。它将所有时刻的采样数据用来计算互相关矩阵,涉及到解维纳-霍夫方程。可以说维纳滤波仅在理论上有意义,在实际应用中的局限性表现在:不适用于非平稳的随机过程的滤波;要用到所有时刻的采样数据,需要的数据存储容量大;解维纳-霍夫方程是要用到矩阵的求逆运算,计算量大(因为互相关矩阵原创 2017-06-07 17:24:45 · 5844 阅读 · 0 评论 -
基于MATLAB的小波阈值去噪
非常感谢: http://blog.sina.com.cn/u/1861445474 http://blog.chinaaet.com/detail/3083.html MATLAB中实现了信号的阈值去噪,主要包括阈值去噪和阈值获取两方面。1.阈值获取MATLAB中实现阈值获取的函数有ddencmp、thselect、wbmpen和wwdcbm,下面对它原创 2016-11-14 17:01:01 · 28836 阅读 · 1 评论 -
音频基础知识
音频,英文是AUDIO,也许你会在录像机或VCD的背板上看到过AUDIO输出或输入口。这样我们可以很通俗地解释音频,只要是我们听得见的声音,就可以作为音频信号进行传输。有关音频的物理属性由于过于专业,请大家参考其他资料。自然界中的声音非常复杂,波形极其复杂,通常我们采用的是脉冲代码调制编码,即PCM编码。PCM通过采样、量化、编码三个步骤将连续变化的模拟信号转换为数字编码。一、音频基本概念原创 2017-06-29 16:26:38 · 1960 阅读 · 0 评论 -
语音基础知识
1 语音信号的处理基础(1) 语音信号的产生模型 语音是由发生器官产生的。肺呼进空气,由气管呼出形成气流,气流经由声门,使声带振动,产生一系列离散脉冲,再经由咽腔和口腔,有时还经由鼻腔。随着发音的不同,口的张合程度不同,舌在口中位置的不同,气流经过各容积不断变化的空腔时产生许多共振,最后从口和鼻以声波的形式辐射出来。 因此,可将语音的频谱写成 F(w) =原创 2017-07-02 17:01:22 · 1408 阅读 · 0 评论 -
噪声抑制中先验信噪比与后验信噪比的关系
噪声抑制算法中,谱减算法用的是后验证信噪比,维纳滤波器使用的是先验信噪比,MMSE算法既用到了先验信噪比,也用到了后验信噪比,那么,自然提出一个问题,在降噪过程中,先验信噪比与后验信噪比到底那个作用比较大。这个结论其实通过验证可以得出,先验信噪比是影响噪声抑制的主要参数,后验信噪比是辅助参数。 那么先验信噪比与后验信噪比它们之间又有什么关系,这里做一个分析。转载 2017-04-11 09:58:14 · 4118 阅读 · 0 评论 -
语音信号的采样和量化
1、采样过程:就是按一定的频率,即每个一小段时间,测得模拟信号的模拟量值。2、量化过程:通过采样时测的的模拟电压值,要进行分级量化,按整个电压变化的最大幅度划分成几个区段,把落在某区段的采样到的样品值归成一类,并给出相应的量化值。3、“采样频率”是指将模拟声音波形数字化后每秒钟所抽取的声波幅度的样本次数,其单位为kHz(千赫兹)。采样频率高低决定了声音失真程度的大小,为保证声音不失真,采样频率应该...转载 2017-08-22 11:15:17 · 16525 阅读 · 1 评论