小波变换去噪的方法的研究.docVIP

小波变换去噪的方法的研究 　　摘要：小波变换是当今应用数学和工程学科中一个迅速发展的新领域。文中首先介绍了小波变换的基本概念，并对其在去噪领域的应用进行了讨论，最后对其发展前景进行了展望。 　　 关键词：小波变换；语音识别；图像压缩 　　 　　1 引言 　　 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[1、2]。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，是一个时间和频域的局域变换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（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题。 　　 　　2.小波分析的应用 　　小波分析的应用是与小波分析的理论研究紧密地结合在一起的。现在，它已经在科技信息产业领域取得了令人瞩目的成就。电子信息技术是六大高新技术中重要的一个领域，它的重要方面是图象和信号处理。现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构(或恢复)。从数学地角度来看，信号与图象处理可以统一看作是信号处理(图象可以看作是二维信号)，在小波分析地许多分析的许多应用中，都可以归结为信号处理问题。现在，对于其性质随实践是稳定不变的信号，处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的，而特别适用于非稳定信号的工具就是小波分析。 　　 　　3 小波在语音识别中的应用 　　 自动语音识别技术，它是一种将人的语音转换为文本的技术。语音识别的最终目的就是想人与人之间的谈话象交流信息一样，实现人－机自由对话，也就是赋予机器以听觉，使及其能听懂人的语言，辩明话音的内容或说话人，将人的语音正确的转化成书面语言或有意义的符号，或者进一步使机器能够按照人的意志进行操作，把人类从繁重或危险的劳动中解脱出来。据预测，语音识别将称为继键盘和鼠标之后，人机交互界面革命中的下一次飞跃。 　　 语音识别系统的性能大致取决于以下4类因素：1. 识别词汇表的大小和语音的复杂性；2. 语音信号的质量；3. 单个说话人还是多说话人；4. 硬件。研究人员提出了各种各样的方法，如自适应训练，基于最大互信息准则（MMI）和最小区别信息准则（MDI）的区别训练和“矫正”训练；应用人耳对语音信号的处理特点，分析提取特征参数，应用人工神经元网络等，所有这些努力都取得了一定成绩。 　　 小波分析，作为一种强有力的信号分析工具，近年来被广泛地应用于图象处理和语音处理，它是时间和频率的局部变换，能有效的从信号中提取信息。通过小波变换，在信号的高频域部分，可以取得较好的时间分辨率；在信号的低频域部分，可以取得较好的频率分辨率。这种特性使得小波特别适合于语音信号地处理。小波应用于语音识别系统的预处理中，因为小波的计算特性与人耳的感知过程具有相似性。那么我们可以利用小波多尺度性质，在提取识别特征之前，用小波进行预处理，选取语音信号的有用信息，并且抑制无关信息对识别所产生的干扰。试验表明，把小波滤波器分离出来的各尺度下的剩余信号和原始信号，分别提取带通滤波器族特征进行了试验显示：语音信号的一次小波变换生于信号中携带的信息并没有消失，并且比单纯用原始信号的效果更好，这是因为小波变换的带通滤波器对去用信号进行了衰减和部分滤除，非常类似于人耳的感知过程。可以看出利用小波的带通性质，对于语音识别系统的预处理给出了的小波预处理方法。对于经过小波预处理后提取的特征，对识别更加有效。 　　4 小波在图像压缩中的应用 　　数据压缩的理论研究始于1948年香农（Shannon）信息论的提出，1959年，香农又进一步确立了失真率理论，从而奠定了信源编码的理论基础。随后伯杰（T.Berger,1971）[1]等人又对其进行了深入地研究，并取得了一定的进步，为后人对该领域进一步研究打下了理论基础。 　　 随着小波变换、分形几何理论、数学形态学等数学理论和相关学科（如模式识别、人工智能、神经网络、感知生理心理学等）的深入发展，相继出现了新颖高效的现代压缩方法，该方法包括子带编码、小波变换编码[2]、神经网络编码、分形编码、模型基编码等。 　　随着图像压缩技术在相关领域中的广泛应用，图像压缩的国际标准相继被制定，如在静止图像压缩方面已经制定了CCIT T