小波分析及应用报告.DOC

小波分析及应用报告 精仪学院 仪器科学与技术13级博 于旭耀 1013202063 一、小波变换学习心得 变换的本质在于基，在线性代数里，基指空间里一系列线性独立的向量，而这个空间里的任何其他向量，都可以由这些个向量的线性组合来表示。而基的选择决定了具体变换中的计算过程。一个空间中可能有很多种形式的基，实际应用中根据其作用对象需求，选择容易计算，且能够最简单的方式呈现最多的信号特性。 形如下图所示波，小波(Wavelet)是一种能量在时域非常集中的波，具有衰减性且振幅呈现正负相间的震荡形式。 与Fourier变换相比，小波对于分析瞬时时变信号非常有用。它有效的从信号中提取信息，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，解决了傅立叶变换不能解决的许多困难问题。 小波变换的本质就是用精心挑选的基来表示信号方程的过程。每个小波变换都会有一个母小波Ψ(x)，同时还有一个尺度函数，对二者进行缩放和平移后即可得到任何小波变换的基函数集合。 对于信号f(x)的连续小波变换定义为 其逆变换（回复信号或重构信号）为 信号f(x)的离散小波变换定义为 其逆变换（回复信号或重构信号）为 小波级数通常有很多种，但是都符合下面这些特性： 小波变换对不管是一维还是多维的大部分信号都能很好覆盖； 由于小波变换的二维性，围绕小波级数的展开能够在时域和频域上同时定位信号，也就是说，信号的大部分能量都能由非常少的展开系数； 从信号算出展开系数a需要很方便。普遍情况下，小波变换的复杂度是O(Nlog(N))，和FFT相当。有不少很快的变换甚至可以达到O(N)，也就是说，计算复杂度和信号长度是线性的关系。小波变换的等式定义，可以没有积分，没有微分，仅仅是乘法和加法即可以做到。 小波函数具有多样性，在MATLAB小波工具箱中提供了多种小波函数，包括Harr小波，Daubecheies（dbN）小波系，Symlets（symN）小波系，ReverseBior（rbio）小波系，Meyer（meyer）小波，Dmeyer（dmey）小波，Morlet(morl)小波，Complex Gaussian(cgau)小波系，Complex morlet(cmor)小波系，Lemarie（lem）小波系等。实际应用中应根据支撑长度、对称性、正则性等标准选择合适的小波函数。 二、小波变换的应用——中医声诊信号的小波分解 1．背景介绍 传统中医诊断的重要方法望、闻、问、切四诊。诊即通过听声音和嗅病气测知病况，闻的内容可以分：声音、语言、呼吸、呕吐、肠鸣和病气等。声象特征的研究无痛、无损伤，具有。 正常声音自然、音调和谐、语言表达清楚。 病变声音 1)嘶哑：声嘶和失音多因外感风寒或风热，寒热相交伤肺所致 2)蹇涩：说话不流利、含糊不清、缓慢、词不达意多见于中风后遗症或热病后期。 郑声：神志不清、语言重复、语言不连续、声音低弱多为虚证。 错语：语言颠倒、错乱，自知说错不能自主，多为心气不足。 五音又称五声，它由以前的音阶发展而来，包含宫、商、角（jué）、徵（zhǐ）、羽。因此，该研究共选取两组检测字：衣荷(宫)、子书（商）、古玉（角）、泥土（徵）、妇卜（羽）；音黄（宫）、辰章（商）、见广（角）、男鼎（徵）、半方（羽）。受试者分别读取上述两组检测字，分为男女两组。 受试者为中医药大学学生群体，共获取样本789例，其中男生335例，女生454例。根据中医四诊首先对上述群体进行体质分类，共分为4大类体质：平和质、气虚质、阳虚质、阴虚质。对上述4类体质学生分别提取上述十段语音信号。经过滤波去噪处理后，进行小波包分解和重构，然后根据PNN进行特征分类，验证该特征分类方法的准确性和可行性。 2. 信号处理 2.1滤波去噪处理 以质某一生‘’语音信号为例，为了去除背景噪声，首先声象信号的预处理： 去噪预加重处理采用汉明（Hamming）窗，窗长N=320，采样率fs=22000 原始信号波形图 去噪处理 预加重处理 加窗处理 2.2频域分析 原始信号短时频谱图 加窗后信号频谱图 语谱图 2.3提取小波包能谱并归一化 小波分析的特点是窗口面积固定，形状可调——即时间和频率窗都可改变的时域局部化分析。但是，由于其再分解过程中忽略了高频部分的信号，使得它的频率分辨率随频率升高而降低。在这种情况下，小波包分解应运而生，它不仅对低频部分进行分解，对高频部分也实施了分解，而且小波包分解能根据信号特征和分析要求自适应地选择相应频带与信号