采用小波变换的均方值滤波和门限值编码的语音端点检测

语音通信中语音-噪声分离是一项艰巨而热门的研究课题.其中语音端点检测是最流行的方法之一.目前一种方法是检测短时平均幅度Mn和短时平均过门限率Zn.该方法的Mn和Zn参数检测不太准确.另一种是基于分形理论的检测方法.此方法要设置一个较佳的门限值通常比较困难.还有一种是基于DWT变换的方法.这种方法的互相关系数包络不能准确地表现原始语音信号的包络.为此,本文提出一种基于小波变换的均方值滤波和门限值编码的方法.本方法先对语音信号进行小尺度小波变换,然后进行均方值滤波,再进行门限值编码去确定语音端点.该方法的优点是语音端点检测比较准确.

TD-LTE规划仿真

根据现网的热点区域分布情况,对TD-LTE的规划区域进行了选定,并对MCS对应子载波解调门限和编码效率进行分析,再根据分析的结果规划相应站点,最后对规划站点进行了仿真。

基于Contourlet变换的自适应门限分形零树混合图像编码

Contourlet变换的基函数分布于多尺度、多方向上,弥补了小波基函数方向性不足的缺陷。本文考虑了分形编码过程中子树与父树匹配误差门限对编码的影响,提出了一种基于Contourlet变换的自适应门限分形零树混合图像编码方法,给出了所提出方法的实验结果,并与基于小波变换的分形零树混合图像编码方法进行了比较。实验结果表明,在压缩比相同的情况下,本文方法的PSNR性能优于基于小波变换的分形零树混合图像编码方法,能很好地保留图像的纹理和轮廓。

面向任务的医学图象压缩

现代医学成象技术产生了大量的医学数字图象 ,而这些图象的存储和传输却存在很大问题 .传统上 ,采用无损压缩编码方法改善这些图象的存储和传输效率 ,但为了达到较高的压缩比 ,必须采用有损压缩 ,然而 ,有损压缩会给图象带来失真 ,必须谨慎使用 .医学图象通常由二类区域构成 ,其中一类包含重要的诊断信息 ,由于其错误描述的代价非常高 ,因此提供一种高重构质量的压缩方法更加必要 ;另一类区域的信息较为次要 ,其压缩的目标则要求达到尽可能高的压缩比 .为了既能保证感兴趣区图象的重构质量 ,又能获得较高压缩比 ,提出了一种面向任务的医学图象压缩算法 ,该方法把无损压缩和有损压缩统一在小波变换的框架下 ,对感兴趣区采用无损压缩 ,而对其他部分则采用有损压缩 .实验证明 。