页数：24页文件大小：1.31 MB来源： 数字信号处理ppt课件
本课件以语音信号时频分析、图像的低通与高通滤波及高频增强两个综合实例，演示数字信号处理方法的工程应用，给出Matlab程序与处理前后的效果对比，帮助读者把前序算法用到真实信号上。
第10章数字信号处理应用：本章课件封面，标注课程名称、任课教师与授课班级信息。
12310.3综合实例10.2
本章学习要点
语音信号的数字化一般步骤是预滤波、采样、A/D变换及编码。预滤波的目的有两个：一是抑制输入信号各频域分量中频率超出fs/2的所有分量(fs为采样频率)，以防止混叠干扰；二是抑制50Hz的电源干扰。这样，预滤波器必须是一个带通滤波器，其上、下截止频率分别表示为fH和fL。
对于绝大多数语音编译码器，fH=3400Hz，fL=60～100Hz，采样率为fs=8kHz。对于语音识别而言，当用于电话用户时，指标与语音编译码器相同；当使用在要求较高或很高的场合时，fH=4500Hz或8000Hz，fL=60Hz，fs=10kHz或20kHz。
语音信号经过预滤波和采样后，由A/D变换器变换为二进制数字码。
A/D变换器分成线性和非线性两类。目前采用的线性A/D变换器绝大部分是12位的(即每一个采样脉冲转换为12位二进数字)。非线性A/D变换器则是8位的，它与12位线性变换器等效，但是为了后续处理，必须将非线性的8位码转换为线性的12位码。
数字化语音信号的存储及加窗已取出的一帧语音s(n)要经过加窗处理，这就是用一定的窗函数w(n)来乘s(n)，从而形成加窗语音sw(n)，。在语音信号数字处理中常用的窗函数是矩形窗和汉明窗。
语音信号数字处理中的短时分析技术语音信号的短时能量、短时平均幅度和短时过零率是语音信号的一组最基本的短时参数，在各种语音信号数字处理技术中都要进一步应用。语音信号的短时能量用E0表示，语音信号的短时平均幅度用M0表示，
语音信号的短时过零率用Z0表示，以表示一帧语音中语音信号波形穿过横轴(零电平)的次数。其中sgn[·]表示取符号，即
语音合成技术主要可以分为波形合成法和参数合成法两大类。波形合成法是一种相对简单的语音合成技术，合成音质好、自然度高，但受调整算法限制，只能作有限调整，通常只能合成有限词汇的语音段。目前许多专门用途的语音合成器都采用这种方式，如自动报时、报站和报警等。
参数合成法也称为分析合成法，是一种比较复杂的方法。为了节约存储容量，必须先对语音信号进行分析，提取出语音的参数，以压缩存储量，然后由人工控制这些参数的合成。参数合成法的音库一般较小，整个系统能适应的韵律特征的范围较宽，但是参数合成技术的算法复杂，参数多，并且压缩比较大，信息丢失也大，合成出的语音不够自然、清晰。
语音识别的目的是研究出一种具有听觉功能的机器，能直接接受人的语音命令，理解人的意图并作出相应的反应。
例如语音识别可以应用于语音打字机、驾驶员在告诉行驶中用语音发出控制命令等等场合。语音识别技术主要包括特征提取技术、模式匹配准则和模型训练技术3个方面，另外还涉及到语音识别单元的选取。
基础图像的函数表示：图像是反映了物体反射或透射的物质能量在空间上的分布，这种分布可以在数学上表示为I=f(x,y,z,t,λ)其中x，y，z表示几何空间中的点坐标，t表示时间，λ表示辐射波长。二维的灰度、静止图像可以忽略上式中的空间坐标z、时间t和波长λ，所以可以用一个二维数组f(x,y)来表示，这里x和y表示二维空间XY中一个坐标点的位置，而f则代表图像在点(x,y)的灰度或亮度。
图像的采样和量化：空间坐标的离散化叫做采样，它确定了图像的空间分辨率，而灰度值的离散化叫做量化，它确定了图像的幅度分辨率。如果一幅图像的尺寸为M×N，表明在成像时采了M×N个样，或者说图像包含MN个像素。如果对每个像素都用G个灰度值中的一个来赋值，表明在成像时量化成了G个灰度级。
图像处理系统图像输入设备是对图像进行数字化，从而产生计算机可用的离散图像数据的设备，包括数码相机、数码摄像机、扫描仪、带照相和/或摄像功能的手机等。图像处理模块是图像处理系统的中心模块，完成各种不同目的的图像处理和分析功能，通常由计算机或是图形工作站来执行。
图像的处理结果多是供观察的，图像的输出方式有显示和打印两种。图像显示器一般是系统的必备输出设备，其他输出设备可以选配绘图仪、激光/喷墨打印机等。大容量快速的图像存储器是图像处理系统必不可少的，通常包括磁带、磁盘、光盘、磁光盘等。
图像增强1.空域增强1)均值滤波对于图像f(x,y)中的每个像素点(m,n)，它的邻域模板S中所有M个像素灰度平均值为作为经过均值滤波处理后所得到图像像素点(m,n)的灰度值，即用一个像素邻域内所有像素的灰度平均值来代替该像素原来的灰度。
)中值(median)滤波中值滤波的算法步骤是：(1)将模板中心与像素位置重合；(2)读取模板下各对应像素的灰度值；(3)将这些灰度值从小到大排成1列；(4)找出这些值里排在中间的一个；(5)将这个中间值赋给模板中心位置像素。
设邻域模板为S，则一个二维中值滤波器的输出可以写为
图10.3图像的均值滤波和中值滤波(a)原图像(b)为(a)叠加了均值为0，方差为0.02的高斯噪声(c)为(a)叠加了密度为0.05的椒盐噪声(双极性噪声)(d)和(e)分别为(b)经过大小为3×3的模板的均值滤波和中值滤波的结果(f)和(g)分别为(c)经过大小为3×3的模板的均值滤波和中值滤波的结果
22.频域增强1)低通滤波器图像中的边缘和噪声都对应图像傅里叶变换中的高频部分，所以如要在频域中消弱其影响就要设法减弱这部分频率的分量，需要选择一个合适的H(u,v)以得到消弱F(u,v)高频分量的G(u,v)。
)高通滤波器图像经转换或传输后，质量可能下降，难免有些模糊。图像轮廓是灰度陡然变化的部分，包含着丰富的空间高频成分。把高频分量相对突出，显然可使轮廓清晰。这可以通过高通滤波器来实现。3)同态滤波图像的灰度由照度分量和反射分量合成。
反射分量反映图像内容，随图像细节不同在空间上作快速变化。照度分量在空间上通常均具有缓慢变化的性质。照度分量的频谱落在空间低频区域，反射分量的频谱落在空间高频区域。若物体受到照度明暗不匀的时候，图像上对应照度暗的部分，其细节就较难辨别。
同态滤波的目的就是消除不均匀照度的影响而又不损失图像细节。
(1)对有噪声的图像进行低通滤波。读入图像后，对图像加了椒盐噪声信号（双极性脉冲信号），采用2阶的巴特沃斯低通滤波器对图像进行滤波，滤波器的截止频率为50。程序如下f1=imread('liftingbody.png')
; %读入图像figure,imshow(f1)f2=imnoise(f1,'salt & pepper'); %给图像加上噪声figure,imshow(f2)f=double(f2);F=fft2(f); %对图像f进行傅里叶变换，得到频域图像FF=fftshift(F);[N1,N2]=size(F);n=2;d0=50;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2);H=1/(1+0.414*(d/d0)^(2*n));%设计巴特沃斯低通滤波器的转移函数G(i,j)=H*F(i,j);%频域相乘，滤波。G(x,y)=H(x,y)F(X,Y)endendG=ifftshift(G);g=ifft2(G);%滤波后的频域图像反变换回空域g2=uint8(real(g));figure,imshow(g2)%显示滤波结果图10.7图像的低通滤波(a)原始图像(b)加了噪声的图像(c)低通滤波后的图像
(2)对图像进行高通滤波和高频增强滤波。采用2阶巴特沃斯高通滤波器和高频增强滤波器对图像进行滤波。在本例中，高频增强滤波器的转移函数为He(u,v) =3H(u,v)+1，其中H(u,v)为2阶巴特沃斯高通滤波器的转移函数。程序如下f=imread('liftingbody.png')
;figure,imshow(f)f=double(f);F=fft2(f);F=fftshift(F);[N1,N2]=size(F);n=2;d0=50;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2);if d==0H1==0;elseH1=1/(1+(d0/d)^(2*n));%设计巴特沃斯高通滤波器的转移函数endH2=3*H1+1;%设计高频增强滤波器的转移函数G1(i,j)=H1*F(i,j);G2(i,j)=H2*F(i,j);endendG1=ifftshift(G1);g1=ifft2(G1);g1=uint8(real(g1));figure,imshow(g1)G2=ifftshift(G2);g2=ifft2(G2);g2=uint8(real(g2));figure,imshow(g2)图10.8图像的高通滤波和高频增强滤波
下载地址：{{downurl}}
{{{a}}}
{{#b}}{{{b}}}
{{/b}} {{/title}} {{#nolog}}登陆注册
{{/nolog}} {{#djsx}}点我刷新
{{/djsx}} {{#gocz}} {{/gocz}} {{#ffqr}} {{/ffqr}}