基于AM-FM纹理模型的医学图像检索

本文提出了一种基于调幅-调频(AM-FM)模型的医学图像检索算法。该方法首先使用Gabor滤波函数对图像进行滤波,计算Gabor函数冲激响应的偏微分,然后使用能量分离算法做调幅-调频分解,估计出瞬时幅值和瞬时频率,以幅值和频率的均值和标准差作为纹理特征。采用MATLAB和SQL开发语言构建检索平台,测试该特征的实用性,与Gabor纹理检索算法进行比较。实验结果表明,该特征对医学图像检索效果有明显的提高。

利用Hilbert-Huang变换的自适应带通滤波特性提取共振峰

利用Hilbert-Huang变换的自适应带通滤波特性,提出了一种共振峰提取算法。该算法利用固有模态函数是均值为零的窄带调频调幅信号与语音信号声道模型的调频-调幅信号相一致的特点;并根据经验模态分解的自适应性,有效地利用了信号本身决定固有模态函数的中心频率和带宽的特性,不需预先估计带通滤波器频率和带宽便可得到共振峰分量,避免受虚假峰值、共振峰合并和高音调语音的影响。该算法既能精确提取共振峰,又能跟踪共振峰频率的变化。

基于能量分离的混叠语音干扰滤除方法研究

背景噪声中的其他语音干扰在时域和频域上与有用语音完全混叠在一起,用普通的频分技术无法将其去除。本文从能量角度入手,利用调频-调幅模型和共振峰特征,滤除混叠在有用语音中的含绝大部分能量的元音干扰。最后对该方法在MATLAB中进行了仿真验证,并给出了仿真结果。

医用蝉鸣声多样化合成的一种新方法

耳鸣掩蔽疗法是根据耳鸣的频谱和响度来调节掩蔽声,使之与耳鸣感知类型相匹配,以达到掩蔽耳鸣的目的.蝉鸣声是最为常见的耳鸣感知类型,但不同患者的耳鸣感知类型不一样,因此研究蝉鸣声的多样化合成方法显得至关重要.针对耳鸣匹配声源不够丰富的问题,本文将近年来迅速发展起来的希尔伯特-黄变换法和非线性调幅-调频模型(AM-FM)相结合的方法来合成蝉鸣声.首先,利用总体平均经验模态分解法的自适应带通滤波特性,将不同共振峰分离出来;然后通过归一化希尔伯特算法计算出各自的瞬时频率和瞬时幅度;最后利用AM-FM合成蝉鸣声.实验结果表明,该方法合成效果较理想,具有一定的医用参考价值.