基于小波分析的听觉滤波器组模型

吉林大学学报(工学版)

基于小波分析的听觉滤波器组模型

高印寒¹，谢军²，梁杰¹，李强³

1. 吉林大学测试科学实验中心，长春 130022； 2.吉林大学仪器科学与电气工程学院，长春 130022； 3.中国人民解放军装甲兵技术学院车辆工程系，长春 130117

收稿日期:2007-04-20 修回日期:1900-01-01 出版日期:2008-03-01 发布日期:2008-03-01
通讯作者: 梁杰

Auditory filter bank model based on wavelet transform

Gao Yin-han¹, Xie Jun², Liang Jie¹, Li Qiang³

1.Centre of Test Science, Jilin University, Changchun 130022, China; 2.College of Instrumentation & Electrical Engineering, Jilin University, Changchun 130022 ,China; 3.Vehicle Engineering Department, Armor Technique Institute of PLA, Changchun 130117, China

Received:2007-04-20 Revised:1900-01-01 Online:2008-03-01 Published:2008-03-01
Contact: Liang Jie

摘要/Abstract

摘要： 对听觉滤波器组模型进行了研究。比较分析了伽马通（Gammatone）听觉滤波器组模型和基于小波分析的高斯小波听觉滤波器组模型，分别给出了预测听阈曲线并且与标准听阈曲线进行了比较，结果表明高斯小波听觉滤波器组模型更接近实际人耳滤波效果。将高斯小波听觉滤波器组模型的预测特征响度与德国朗德（Head Acoustics）公司的Artemis软件计算出的特征响度进行分析比较，结果表明，每个特征频带的响度差值都小于0.6 sone。

关键词: 电气工程, 小波变换, 高斯小波听觉滤波器组, 伽马通听觉滤波器组, 听阈曲线, 特征响度

Abstract: The auditory filler bank models were studied. The Gammatone auditory filter bank model and the Gauss auditory filter bank model based on the wavelet transform were analyzed comparatively, their predicted hearing threshold curves were presented and compared with the standard one. It was found that the Gauss wavelet auditory filler bank is closer to the human ear filter result. The characteristic loudnesses predicted by the Gauss wavelet auditory filter bank model was compared with the results calculeted by the softwave Artemis of Head Acoustics Co., Germany, the differences were below 0.6 sone.

Key words: electrical engineering, wavelet transform, Gauss wavelet auditory filter bank, Gammatone auditory filter bank, hearing threshold curve, characteristic loudness

中图分类号:

TN713

高印寒，谢军，梁杰，李强3 . 基于小波分析的听觉滤波器组模型[J]. 吉林大学学报(工学版), 2008, 38(增刊): 177-0181.

Gao Yin-han, Xie Jun, Liang Jie, Li Qiang . Auditory filter bank model based on wavelet transform[J]. 吉林大学学报(工学版), 2008, 38(增刊): 177-0181.

参考文献

相关文章 15

[1]	车翔玖, 梁森. 一种基于大顶堆的SPIHT改进算法[J]. 吉林大学学报(工学版), 2016, 46(3): 865-869.
[2]	孙淑琴, 刘骏妍, 蒋川东, 孟庆云, 林君, 彭良玉. 最小二乘权值平滑滤波技术在核磁共振信号处理中的应用[J]. 吉林大学学报(工学版), 2016, 46(3): 985-995.
[3]	季彦婕, 陈晓实, 王炜, 胡波. 基于小波变换和粒子群小波神经网络组合模型的有效停车泊位短时预测[J]. 吉林大学学报(工学版), 2016, 46(2): 399-405.
[4]	肖钟捷. 基于小波空间特征谱熵的数字图像识别[J]. 吉林大学学报(工学版), 2015, 45(6): 1994-1998.
[5]	包广清, 毛振鹏. 基于超导储能系统的不对称电压跌落补偿方法[J]. 吉林大学学报(工学版), 2015, 45(4): 1234-1241.
[6]	周逢道，董威，包志强，薛开昶，胡越，孙彩堂. 基于开关电源的三相电磁干扰滤波器[J]. 吉林大学学报(工学版), 2015, 45(1): 216-221.
[7]	龚敏明, 时玮, 张言茹, 姜君, 张维戈, 姜久春. 纯电动公交车锂离子动力电池的使用条件控制[J]. 吉林大学学报(工学版), 2014, 44(4): 1081-1087.
[8]	王帅夫,刘景林. 基于大脑情感学习模型的步进电机控制系统[J]. 吉林大学学报(工学版), 2014, 44(3): 765-770.
[9]	刘敬猛, 孟艳艳, 陈伟海, 吴星明. 三自由度永磁球形电机的建模和电压控制[J]. 吉林大学学报(工学版), 2014, 44(2): 560-566.
[10]	王德成, 林辉. 电机四象限运行的直接转矩控制动态加载[J]. 吉林大学学报(工学版), 2014, 44(01): 276-280.
[11]	王昕, 李玮琳, 刘富. 小波域CT/MRI医学图像融合新方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 25-28.
[12]	夏英杰, 李金屏, 陈瑞. 基于变电站多模图像的自动集成配准方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 47-50.
[13]	张久文, 米进财, 张同峰. 基于双树复小波和广义高斯密度的纹理图像检索[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 60-63.
[14]	包磊, 徐其志. 基于PCA变换和光谱补偿的遥感影像融合方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 88-91.
[15]	刘媛媛, 陈贺新, 赵岩, 孙红岩. 一种新的DWT视频动态水印算法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 445-449.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed