基于改进时延估计的声源定位算法

针对强噪声和强混响条件下, 室内声源定位算法收敛速度慢和定位精度低等问题, 提出一种基于改进时延估计的声源定位方法. 该方法建立在单源多元混响模型下, 首先用四元十字型麦克风阵列估计时延; 然后在广义互相关时延估计算法的基础上, 引入二次相关法以削弱噪声干扰, 同时采用LMS(最小均方)自适应滤波算法弥补广义互相关方法的不足, 提高混响环境下的时延估计精度; 最后, 通过远场近似几何方法定位声源. 实验结果表明, 与相位变换加权广义互相关函数(GCC-PHAT)算法相比, 该方法具有较好的抗噪能力与抗混响能力, 能获得更准确的定位结果.     

基于时延估计的麦克风阵列一致性分析

基于麦克风阵列的声源定位技术广泛应用于现场录音及会议通信等领域.常用的麦克风阵列声源定位技术中,时延估计是一种硬件成本低、计算量小且易于实现的算法.影响麦克风阵列时延估计的因素很多,麦克风阵列阵元的一致性性能是其中之一.基于相位变换的广义互相关算法,提出了一种新的麦克风阵列阵元一致性估计指标.构建3组阵元一致性指标不同的麦克风阵列,开展了对实际声源的角度估计.计算麦克风阵列对声源角度的估计时延和声源角度的理想时延之间的差值,建立了其与声源角度估计误差的方差关系,提出了基于时延估计误差的麦克风阵列阵元一致性估计指标,并验证了该指标在麦克风阵列阵元选择上的实际指导意义.     

基于互相关序列和BP网络的声源定位算法

在基于麦克风阵列的声源定位算法中,一种常用算法的基本思路是通过麦克风接收到信号的相关序列来计算信号之间的时延,进而再根据阵列的结构确定声源的位置。在分析传统的声源定位算法基础上,针对双五元十字阵模型,介绍传统的基于广义互相关相位变换加权(generalized cross correlation-phase transform, GCC-PHAT)时延估计的定位算法,并给出基于GCC-PHAT时延估计和反向传播(back propagation, BP)神经网络的定位算法、基于抛物线互相关时延估计和BP网络的定位算法,进而通过分析影响时延估计的主要因素,提出了基于互相关序列和BP网络的新定位算法,该算法将GCC-PHAT互相关序列最大值点的位置、最大值点及其左右各一点的相关值作为BP网络的输入,通过对BP网络进行训练来实现声源的三维定位。仿真实验表明：与传统的基于GCC-PHAT时延估计的定位算法相比,所提出的各个算法均具有较好的定位效果,后者均比前者的定位精度更高,而且提出的基于互相关序列和BP网络的新定位算法在低信噪比和高混响的条件下,也具有较好的定位效果。     

基于正四面体结构的声源定位装置的设计与研究

智能机器人工作环境是多维立体环境,利用听觉信息对特定目标实现定位与追踪始终是该领域内的关键研究方向。结合项目研究需要,介绍了正四面体麦克风阵列的信号模型以及时延值计算过程,提出了一种改进的互功率谱相位时延估计算法,所设计的装置创新性地将4个全向型麦克风构建成正四面体阵列,利用NIUSB-9215A完成四路声信号同步采样,基于声达时间差原理以及广义互相关算法,在LabVIEW平台上完成算法设计、图形编程,最终实现了性能可靠、定位准确的声源定位系统。     

基于次梯度投影的数字助听器自适应声源定位方法

该方法在特征值分解算法的基础之上,利用次梯度投影方法自适应估计声源到麦克风的脉冲响应系数,进而估计出各麦克风之间时延,并利用几何方法定位声源在3D空间的位置.与传统的基于广义互相关的时延估计算法相比,提出的算法在房间反射与共振的情况下定位精度更高;与基于NLMS算法的自适应特征值分解时延估计算法相比,提出的算法收敛速度更快,并且在强噪声的情况下鲁棒性更强.基于眼镜数字助听器声源定位系统的实验与仿真研究了麦克风阵不同的几何尺寸对算法性能和定位精度的影响,证明了在不同信噪比情况下该算法都能有效定位声源的3D空间位置.     

广义二次相关时延估计算法改进

在基于TDOA的声源定位算法中时延估计的精确度是关键,时延估计极小的误差也会导致定位结果的偏离,因此为了提高声源定位的精度,必须对时延进行准确的估计.传统的广义互相关时延估计方法是通过添加相应的加权函数来提高语音信号中的有效成分,从而提高时延估计的精度.然而现实中声学环境非常复杂,在较低信噪比的情况下,传统广义互相关时延估计法的性能开始下降,导致时延估计误差变大.针对这一问题提出了一种基于二次相关的广义互相关时延估计改进算法,该方法首先通过滤波器对接收到的音频信号进行滤波,再利用二次相关抑制了噪声对信号的干扰,然后对加权函数进行改进,提高时延估计精度.最后计算机仿真实验表明,无论在低信噪比还是在高信噪比甚至是弱混响的环境下,该方法都获得了较好的时延估计性能.     

基于相位差复指数变换的传声器多声源定位

为了提高多声源定位的性能并且避免针对高频段相位差的去卷绕处理,提出了一种基于相位差复指数变换的传声器多声源定位算法.首先,挑选出信噪比较大的频点,以提高算法对噪声的鲁棒性,并对被挑选出的频点作相位差复指数变换;然后,基于语音信号在时-频域的稀疏性,将被挑选出的频点聚类至各声源;最后,利用各声源包含的频点构建代价函数,使得代价函数最小的假设时延差即为估计的声源时延差.仿真结果表明,该算法充分利用了高频段的相位信息,无需对高频段相位差进行去卷绕处理.相比广义硬聚类算法,该算法收敛速度更快,定位成功率更高,均方根误差更小.     

基于时延估计波束形成预处理的实时语音盲信号分离研究

针对现有盲信号分离算法,在真实环境下性能会降低及计算量大而难以实时处理的局限性,提出一种将基于时延估计的波束形成与一种简单的去相关盲分离算法相结合的分离方法.在波束形成中,首先用互功率谱相位法对信号源到达传感器阵列的相对时延进行估计,然后进行延时对消,在此基础上再进行盲信号分离,并将该去相关盲分离算法推广到频域进一步降低计算复杂度.仿真实验表明,该方法简单可行并使得分离效果显著改善.     

基于麦克风阵列的不一致性的校正

基于麦克风阵列的声源定位技术目前在很多领域得到利用,其中时延估计算法是经常使用的一种算法,但是麦克风阵列的不一致性会影响时延估计的结果,造成声源定位的准确度不够.为了使麦克风阵列得到的定位结果不会因一致性的问题造成不必要的误差,影响声源定位的准确度.本文提出一种对麦克风阵列的校正方法,首先对房间冲击响应进行处理,尽可能去除由房间混响等因素对麦克风阵列的影响,并为了使校正的结果更加精确,对不同麦克风得到的房间冲击响应分别添加不同时延的分数级别的FIR滤波器,以改善由麦克风阵列的不一致性造成的时延误差,达到对麦克风阵列校正的效果.通过该方法,可有效改善时延估计的结果.通过实验可知,该方法计算量小,并且可作为不同声源定位方法的前置步骤,有效改善了声源估计的准确度,为后续校正麦克风阵列提供了实际的使用价值.     

基于TDE技术的声源定位算法

针对基本互相关法在估计时延时没有明显的峰值及实际环境中的噪声会减损峰值,甚至出现伪峰的问题,提出了一种基于广义互相关的改进时延估计方法,并结合麦克风阵列结构,实现了基于两步定位的声源定位.通过仿真实验验证了该方法在有噪声的环境下能准确测量声源的位置,定位的平均距离误差和平均方向角误差都低于5%,且方向角在30°～150°、距离在1.1～2.3m时定位成功率达80%以上.     

基于图形处理器硬件加速的高精度医学图像融合算法

提出一种基于图形处理器(GPU)硬件加速的频域非下采样轮廓波变换(FNSCT)算法.该算法构造了更加简单、快速的频域非下采样轮廓波变换,有效消除了传统小波变换以及轮廓波变换应用于图像融合算法时引起的振铃和伪吉布斯现象.结合GPU在并行大规模浮点数及快速傅里叶变换(FFT)上的高速运算能力,解决了非下采样轮廓波变换(NSCT)速度慢的问题,实现了一种高精度的医学图像融合加速算法.     

基于Fourier变换离散化的连续小波变换频域算法

对于固定的尺度,小波变换是待分析信号与小波基函数的线性卷积。当小波基函数的Fourier变换有显式表达式时,利用其Fourier变换进行线性卷积称为小波变换的频域计算方法。由于线性卷积的长度大于信号的长度,因此,选取线性卷积中的哪一部分作为小波变换的系数也是一个亟需回答的问题。本文利用Fourier变换的离散化和离散Fourier变换的关系由小波变换时域算法推导了小波变换频域算法,证明了时域算法与频域算法的等价性;解释了这两种方法分别应该选取线性卷积中的哪一部分作为小波变换的系数;分析了频域算法产生边界效应的原因;给出了频域算法中参数的选取方法,以便克服边界效应。时间复杂度分析以及数值实验均表明了频域算法至少比时域算法减少了1/3的运行时间。     

结合Walsh变换与LDPC码的OFDM信道估计算法

为了提高正交频分复用 (OFDM)系统的信道估计精度 ,提出了一种结合 Walsh变换和低密度奇偶校验 (L D-PC)码的信道估计算法。该算法利用信道传输函数的频域相关性 ,通过 Walsh变换和变换域滤波降低了 OFDM系统的信道估计方差 ,同时利用 L DPC码强大的纠错能力提高了系统的整体性能 ,使系统在欧洲电信标准组织信道模型下每比特信噪比门限降低了近 2 d B。结果表明 ,该算法在未来宽带OFDM系统中具有应用潜力     

基于小波包变换的混合域声音编码

研究了小波包变换在声音编码中的应用,通过利用小波包变换在时域和频域都具有良好局部性的特点,提出了一种新的中低码率混合域声音编码算法。这是一种可调码率算法,它根据输入信号段的特性来进行变换和编码,使得编码过程可以同时在时域、频域以及从时域向频域过渡的任一时频域中进行,从而使编码算法不仅在量化编码阶段,而且在变换阶段就对输入信号具有自适应性。其编码效果比在单一固定时频域中进行变换与编码有较大改善,有助于和高码率的声音编码算法相接轨。     

离散小波变换在电力系统故障检测中的应用

传统的傅立叶分析难以处理电力系统故障时产生的暂态信号.小波变换具有良好的时频局部化特性,为分析非平稳、突变信号提供了有效的途径.通过多尺度分析,将连续小波变换离散化,得到适合数字信号处理的快速算法——离散小波变换.最后给出了应用离散小波变换进行输电线路故障测距的实例,通过仿真分析证明该方法可以极大地提高测距精度.     

由心电信号提取呼吸信息的算法及其仿真实现

为了使单纯的心电监护设备实现对多种生理信号的检测,减小设备的复杂性,根据心跳频率和呼吸频率处在不同的频段．提出2种由心电信号提取呼吸信息（ECG—derivedrespiratorysignal,EDR）的算法：离散傅里叶变换EDR算法和离散小渡变换EDR算法．利用MATLAB软件在时域和频域分别对这2种算法进行验证,并进行了相关分析比较．经过筛选比较．离散小波变换EDR算法选用coifN小波作为母小波．仿真结果表明,文中所提出的2种算法均能有效地从心电信号中提取出呼吸信息,但离散小波变换EDR算法的准确性与母小波的选取有很大关系．当选取coif3小波时．离散小波变换EDR算法比离散傅立叶变换EDR算法更为有效．     

不对称分数傅立叶图象盲水印算法

结合空间域和变换域算法特点,利用不对称分数傅立叶变换的特性,提出了一种图象盲水印算法.对载体图像的行列方向分别实施不同级次的分数傅立叶变换,将原始水印图像用最低有效位算法嵌入到载体图像的级的分数域的低频幅值矩阵中,再进行逆变换得到水印图像.缓解了水印的不可见性与鲁棒性之间的矛盾,提高了水印安全性.实验结果表明,该水印具有良好的不可见性和抗噪声攻击能力.     

一种基于小波变换的同步音频水印算法

提出了一种基于小波变换的同步音频水印算法.该算法具有以下特点:(1)利用同步信号定位水印的嵌入位置,以提高水印提取的正确率.同步信号嵌入时域,用于提高搜索效率;同时又再次嵌入在小波变换域,用于提高其正确性.(2)根据音频的局部相关特性自适应确定量化步长,并将水印信息量化嵌入到小波变换域的低频系数中.仿真实验表明:该同步自适应音频水印算法不仅具有较好的透明性,而且对诸如低通滤波、有损压缩、重采样等攻击均具有较好的鲁棒性.     

单频点频域卷积混合盲分离技术

在双频点频域卷积混合盲分离算法的基础上,提出一种单频点频域卷积混合盲分离算法.通过恰当地选取频域盲分离中短时傅里叶变换（STFT）的参数,可仅依靠一个频率片上的分离信号来完成双频点算法.相对于传统频域卷积混合盲分离方法,该方法不受各频率片顺序不确定性不统一及比例不确定性不统一的影响.仿真实验证明了该算法的有效性.     

基于快速傅里叶变换的剪接特征提取

挖掘剪接特征是剪接位点识别算法的基础,在频域空间挖掘对位点识别有帮助的特征至关重要.利用基于快速傅里叶变换的剪接特征提取方法对其进行特征提取,该方法能够将时域信息转化到频域中,以此来构建所需的频域特征,为了比较还构建了位置特征与统计特征. 实验结果表明将频域特征加入剪接位点识别中能够有效地提高识别精度,这也表明将信号处理方法应用于生物信息学领域是可行有效的.