基于matlab的语音特征提取

单位代码 学 号 分 类 号 密 级

毕业设计(论文)

基于Matlab的指纹图像特征提取

院（系）名称 专业名称 学生姓名 指导教师

2012年 5 月 15 日

基于Matlab的指纹图像特征提取

摘 要

随着社会的发展，传统的基于信物或口令的安全系统显得越来越脆弱，不能适应现代安全系统的需要，因而人们需要研究更加安全可靠，防伪性能更好的安全系统。指纹识别技术就是在这种背景下产生的，它借助人体的生理特征来提高身份识别的可靠性，目前已经成为国内外研究的热点。

指纹识别大体分为三个步骤：预处理、特征提取和特征匹配。本文集中于研究特征提取部分，并针对特征提取中的一些关键算法和实现进行了研究和优化，其主要内容如下：在特征提取方面，本论文采用了一种8邻域编码纹线跟踪算法，标注出端点和分叉点来进行特征提取；在剔除伪特征点时，先进行去边缘处理，再根据不同类型伪特征点的特征，采用相应剔除算法。实验表明，以上算法具有较小的运算量和较高的准确性。上述算法在本文中均用Matlab实现，取得

单位代码 学 号 分 类 号 密 级

毕业设计(论文)

基于Matlab的指纹图像特征提取

院（系）名称 专业名称 学生姓名 指导教师

2012年 5 月 15 日

基于Matlab的指纹图像特征提取

摘 要

随着社会的发展，传统的基于信物或口令的安全系统显得越来越脆弱，不能适应现代安全系统的需要，因而人们需要研究更加安全可靠，防伪性能更好的安全系统。指纹识别技术就是在这种背景下产生的，它借助人体的生理特征来提高身份识别的可靠性，目前已经成为国内外研究的热点。

指纹识别大体分为三个步骤：预处理、特征提取和特征匹配。本文集中于研究特征提取部分，并针对特征提取中的一些关键算法和实现进行了研究和优化，其主要内容如下：在特征提取方面，本论文采用了一种8邻域编码纹线跟踪算法，标注出端点和分叉点来进行特征提取；在剔除伪特征点时，先进行去边缘处理，再根据不同类型伪特征点的特征，采用相应剔除算法。实验表明，以上算法具有较小的运算量和较高的准确性。上述算法在本文中均用Matlab实现，取得

龙源期刊网 http://www.qikan.com.cn

基于Matlab的图像特征提取方法的探析

作者：高晶 王颖

来源：《电子技术与软件工程》2015年第07期

摘 要 本文研究了利用Matlab进行图像各种骨架算法和框架，分析和比较了不同分类的骨架算法，列出了其优点与缺点。为了实现对比，本文研究并实现了数字图像的点特征提取及骨架提取直线提取。比较了现有的体素化方法的优点和缺点，然后使用基于改进的最小欧几里德距离度量网格模型边界框的体素化算法，应用加速算法并将其集成到可视化骨架提取Matlab平台。

【关键词】Matlab 图像特征提取 骨架算法 体素化方法 1 引言

我们可以从图像中获得许多信息，最终是为了让人们理解其所蕴含的的内容。而光学系统，计算机系统，微电子技术和数学研究都处在数字图像研究之内，其包含性强大的不热门学科，随着科技的进步，这种技术已经获得了很广泛的使用。

在此处讨论的关于图像的骨架提取法，目的是将图代替平面，是结构表示法的一种代表。为了得到这种方法一般使用细化技术来完成。这种方法保证了其对于边界距离性质的描述，如果想得到原始的部分，就必

数字图像处理,具体内容,内有MATLAB程序

1 设计方案简介

对图像的分析和处理，有空间域、变换域的处理。我们把传统的图像处理引用到矩阵的分析中，提出了图像处理的矩阵分析方法，图像在MATLAB中，默认以矩阵形式存在，我们本次课程求取求图像的矩特征，主要是求取图像的均值、方差、峰值、梯度、熵等数值，并进行分析比较。从而得出各自的特点，并会对图像进行初步的质量分析。

1.1 矩的概念

矩在统计学中用于表征随机量的分布，而在力学中用于表征物质的空间分布。如果把二值图或灰度图看作是二维密度分布函数，就可以把矩技术运用于图像分析中。这样，图像的特征就可以用矩来描述，矩特征属于区域特征的一种。我们求矩特征，即对矩阵进行运算，在空间域内计算相关数值。通过矩的相关运算得到一些参数去判断图像的质量。

1.2 矩特征提取常用方法

从几何方面来说，图像的矩特征主要表征图像区域的几何特征，又称为几何矩，由于具有旋转、平移、尺度等特性的不变特征，所以又称其为不变矩。

几何矩的唯一性定理（]Uniqueness Theorem）表述为：如果二维图像函数f (x ,y)是分段连续的，并且只在(x ,y)的有限区域内具有非零值，那么所有阶的几何矩都存在。由f (x ,y)可以唯一确定

%直接帧间差分，计算阈值并进行二值化处理（效果不好）

clc;

clear;

Im1 = double(imread('')); %读取背景图片

Im2 = double(imread(''); %读取当前图片

[X Y Z] = size(Im2); %当前图片的各维度值

DIma = zeros(X,Y);

for i = 1:X

for j = 1:Y

DIma(i,j) =Im1(i,j) - Im2(i,j); %计算过帧间差分值

end

end

figure,imshow(uint8(DIma)) %显示差分图像

title('DIma')

med = median(DIma); %计算二值化阈值：差值图像中值

mad = abs(mean(DIma) - med); %中值绝对差

T = mean(med + 3**mad) %初始阈值

Th =5*T; %调整阈值

BW = DIma <= Th; %根据阈值对图像进行二值化处理

figure,imshow(BW)

%se = strel('disk',2); %膨胀处理

%BW = im

MATLAB结合PSPICE在模拟电路

故障特征提取中的应用

摘要 在模拟电路故障诊断中故障特征提取是至关重要的一步，直接影响着系统的诊断能力。本文阐述了MATLAB与PSpice在模拟电路故障特征提取中的应用，着重介绍了MATLAB如何调用PSpice仿真数据，并给出了基于多分辨分析和小波包变换的模拟电路故障特征提取的具体实现方法。

关键字 MATLAB PSpice 故障特征提取 多分辨分析 小波包变换 随着科学技术和电子工业的迅速发展，电子设备的规模越来越大，复杂度也在不断提高，系统的维护、修理和调试变得越来越困难，为了提高系统的安全性和可靠性，故障诊断技术逐渐受到人们的重视。近年来神经网络理论发展迅速，基于神经网络的模拟电路故障诊断方法也有很大的发展。为了把神经网络成功的应用于模拟电路的故障诊断中，构造样本集是第一步，也是至关重要的一步，它包括故障模式的划分、原始数据的收集、故障特征的提取等。其中，故障特征的提取是最为重要的环节，通过对原始数据的处理得到最能表征其故障模式的数据信息，它直接影响着训练后神经网络的诊断能力，是模拟电路故障诊断的关键。本文将介绍如何利用MATLAB和PSpice进行电路故障特征提取的过程和方法

摘要

摘 要

随着计算机技术的发展，语音交互已经成为人机交互的必要手段,语音特征参数的精确度直接影响着语音合成的音质和语音识别的准确率。因此语音信号参数提取是语音信号处理研究中一项非常有意义的工作。

要提取语音信号特征参数，首先必须对语音信号进行数字化处理，本文采用Matlab录音工具录音，由计算机自动完成模拟信号到数字信号的转换。其次，进行预处理，包括预加重、加窗和分帧，本文讨论了预处理中各种参数的选择，以使信号特征提取更加准确。第三，讨论了各种时域特征参数的算法，包括短时能量、短时过零率、短时自相关函数和短时平均幅度差函数，比较了浊音、清音特征参数的区别。最后，利用算得的特征参数，完成了清音、浊音、静音的判别和浊音基音周期的提取。

本文采用Matlab软件提取参数，仿真判别清、浊音的不同算法，并从准确性和高效性两方面，结合软件可视化功能，对算法进行了评价。运用Matlab实现语音信号特征参数提取具有方法简单、速度快、误差小等优点，能够大大提高研究精度和效率。

关键词：语音信号；特征参数；提取；Matlab

I

Abstract

ABSTRACT

With the development of computer technology, spe

MATLAB结合PSPICE在模拟电路

故障特征提取中的应用

摘要 在模拟电路故障诊断中故障特征提取是至关重要的一步，直接影响着系统的诊断能力。本文阐述了MATLAB与PSpice在模拟电路故障特征提取中的应用，着重介绍了MATLAB如何调用PSpice仿真数据，并给出了基于多分辨分析和小波包变换的模拟电路故障特征提取的具体实现方法。

关键字 MATLAB PSpice 故障特征提取 多分辨分析 小波包变换 随着科学技术和电子工业的迅速发展，电子设备的规模越来越大，复杂度也在不断提高，系统的维护、修理和调试变得越来越困难，为了提高系统的安全性和可靠性，故障诊断技术逐渐受到人们的重视。近年来神经网络理论发展迅速，基于神经网络的模拟电路故障诊断方法也有很大的发展。为了把神经网络成功的应用于模拟电路的故障诊断中，构造样本集是第一步，也是至关重要的一步，它包括故障模式的划分、原始数据的收集、故障特征的提取等。其中，故障特征的提取是最为重要的环节，通过对原始数据的处理得到最能表征其故障模式的数据信息，它直接影响着训练后神经网络的诊断能力，是模拟电路故障诊断的关键。本文将介绍如何利用MATLAB和PSpice进行电路故障特征提取的过程和方法

摘要

摘 要

随着计算机技术的发展，语音交互已经成为人机交互的必要手段,语音特征参数的精确度直接影响着语音合成的音质和语音识别的准确率。因此语音信号参数提取是语音信号处理研究中一项非常有意义的工作。

要提取语音信号特征参数，首先必须对语音信号进行数字化处理，本文采用Matlab录音工具录音，由计算机自动完成模拟信号到数字信号的转换。其次，进行预处理，包括预加重、加窗和分帧，本文讨论了预处理中各种参数的选择，以使信号特征提取更加准确。第三，讨论了各种时域特征参数的算法，包括短时能量、短时过零率、短时自相关函数和短时平均幅度差函数，比较了浊音、清音特征参数的区别。最后，利用算得的特征参数，完成了清音、浊音、静音的判别和浊音基音周期的提取。

本文采用Matlab软件提取参数，仿真判别清、浊音的不同算法，并从准确性和高效性两方面，结合软件可视化功能，对算法进行了评价。运用Matlab实现语音信号特征参数提取具有方法简单、速度快、误差小等优点，能够大大提高研究精度和效率。

关键词：语音信号；特征参数；提取；Matlab

I

Abstract

ABSTRACT

With the development of computer technology, spe

基于MATLAB的语音信号时

域特征分析

指导老师：徐新老师

小组成员：2009301490097 麦薰尹 2009301490079 周颖颖

2009301490076 曾雪妮

2009301490068 杨林峰

一.实验要求

1 以波形和短时频谱的形式表示一个语音片段

2 用matlab 产生一个声谱图，然后将它和matlab中的 specgram.m文件进行比较以保证正确性

3对语音信号的时域波形进行分析，提取的特征参数主要有语音的短时能量，短时平均过零率，短时平均幅度，短时自相关函数等。

4*根据语音特征区分浊音和清音 语音分割，应用端点检测并给出简要结果比较

二． 实验结果与分析

1. 用wavread ( ) 函数加载一段语音信号，对其进行加窗处理，由于矩形窗的主瓣宽度小

（4*pi/N），具有较高的频率分辨率，旁瓣峰值大（-13.3dB），会导致泄漏现象；汉明窗的主瓣宽8*pi/N，旁瓣峰值低（-42.7dB），可以有效的克服泄漏现象，具有更平滑的低通