TETRA数字集群系统语音编解码算法研究

研究了陆地集群无线通信（TETRA）数字集群移动通信系统的语音压缩编解码算法的基本原理。TETRA语音压缩编解码器使用一种低复杂度的ACELP（代数码激励线性预测）算法，通过线性预测和磁量量化等方法降低比特率，并通过自适应码本和代数码本相结合的方法降低了CELP声码器的复杂度，兼顾了较好的语音质量和较低的比特率。在微机上通过C评议和Matlab对TETRA的语音编解码算法进行了实时仿真，语音信号由微机声卡录入和播放。仿真结果表明，该算法具有速率低，重建语音可懂度高，计算复杂度低等优点，适于在移动通信中应用。     

利用隐空间投影算法的模型自适应方法

为了降低语音识别系统中噪声的影响,提出了一种利用隐空间投影算法的模型自适应方法。该方法利用状态间的相关性提取出反映码本和待识别语音共同特性的基矢量。由于语音与噪声是相互独立的,因此,当语音识别系统中有噪声存在时,认为不能用基矢量表示的那部分余量就是噪声。与本征音方法相比,该方法可以有效地降低噪声对语音识别系统的影响。该方法在提取基矢量时利用了自适应数据,并且节省了存储空间。实验结果表明:该方法在噪声环境下相对于最大似然线性回归自适应方法有4-9个百分点的提高,相对于最大后验概率和本征音方法有更大的提高。     

利用隐空间投影算法的模型自适应方法

为了降低语音识别系统中噪声的影响,提出一种利用隐空间投影算法的模型自适应方法。该方法利用状态间的相关性提取出反映码本和待识别语音共同特性的基矢量。由于语音与噪声是相互独立的,因此,当语音识别系统中有噪声存在时,认为不能用基矢量表示的那部分余量就是噪声。与本征音方法相比,该方法可以有效地降低噪声对语音识别系统的影响。该方法在提取基矢量时利用了自适应数据,并且节省了存储空间。实验结果表明:该方法在噪声环境下相对于最大似然线性回归自适应方法有4~9百分点的提高,相对于最大后验概率和本征音方法有更大的提高。     

基于微信号增强的机器人远距离语音识别仿真

由于噪声信号的干扰,导致机器人难以实现对微弱信号的远距离语音识别,影响最终的识别效果.为此,本文提出基于微信号增强的机器人远距离语音识别仿真研究.首先采用谱减法对微信号进行增强处理,由于语音信号中噪声功率谱具有一定的稳态属性,可估算出噪声的功率谱,再利用谱减计算求出纯净语音的功率谱,对傅里叶变换后的各个相位信号进行差异化赋权后,再对去噪功率谱进行拟合,完成对信号相位的恢复.在语音识别阶段,将增强后的原始语音信号分解为若干个独立的语音帧,在梅尔三角滤波器组中提取语音信号的Mel频谱参数,将其与语音频率之间的关系作为识别特征参数,最后利用梯度下降算法,在损失函数的约束下匹配与识别特征拟合度最高的内容,实现语音识别.仿真测试结果表明,本文提出的设计方法在噪声、不同信噪比、不同测试距离下对语音的识别率均达到了95.00%以上,与对照组相比具有更好的识别效果.     

非空气传导语音的噪声特性分析及处理

喉部送话器具有很强的抗环境噪声干扰的能力，但使用时内部会产生一定的噪声。本文利用同步录音的麦克风语音信号和喉部送话器语音信号的相关性，用自适应线性滤波法提取出了喉部送话器的噪声信号，对其特性进行了分析，并提出了解决方案。     

利用线性预测残差的语音去噪方法

语音信号中经常混有加性噪声,噪声的存在会使语音处理系统的性能急剧下降,因此语音去噪是语音信号处理中的关键技术之一.提出一种利用线性预测残差去除语音中的加性白噪声的方法,实验结果表明,该方法可以有效地去除语音信号中的加性白噪声,并且保持语音信号较好的清晰度和可懂度.     

基于波原子变换的语音信号去噪

波原子转换是在小波转换的基础上扩展出的一种转换方式,由于语音信号的非平稳性,传统的小波阈值去噪算法虽然能够去除一部分语音信号中的噪声,但造成有用语音信号尤其是清音部分的损失,导致去噪后的语音听觉质量下降,达不到很高的信噪比。针对这一问题,该文利用了波原子变换法对语音信号进行去噪,通过相同阈值下小波去噪后的效果,该方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

一种引入虚拟噪声分量的独立分量分析语音增强算法

简要介绍了有关独立分量分析（ICA）的基本理论和算法后，探讨了独立分量分析在语音增强中的应用。 针对在加噪模型中进行ICA分离时，噪声消除比较困难这一问题通过理论分析，引入了虚拟高斯白噪声的概念，将 其应用在ICA的语音增强算法中得到了解决。仿真试验结果表明，该方法能有效地消除语音信号中的白噪声。     

基于二进制时频掩码和ICA的欠定语盲分离

研究基于二进制时频掩码和ICA的欠定语音盲分离．首先对混叠语音进行时频变换；然后利用二进制时频掩码技术从混叠信号的时频信息中消除掉一个源信号，将欠定的盲源分离问题转变成正定的盲源分离；最后，将消除后的混叠信号变换回时域，再利用ICA技术进行分离．利用本方案进行欠定语音分离，可以大大消除因二进制时频掩码带来的音乐噪声，能够达到很好的分离．     

一种语音增强算法的研究

采用基于子空间的方法，对语音信号进行增强处理，该算法提供了在语音信号失真和残留噪声之间进行控制的机制。克服了以往语音增强算法中对语音信号的噪声特点的限制，可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理。     

自适应小波阈值语音增强新方法

针对单一小波闻值语音增强方法降低语音可懂度这一问题，提出一种基于自适应小波闻值的语音增强新方法．根据噪声帧频谱的平整度判断出噪声的类型，即是白噪声（合频响曲线比较平整的有色噪声）还是频响曲线不平整的有色噪声．由于不同类型的噪声具有不同性质的Lipschitz指数，对两种不同的噪声类型分别采用不同的自适应小波阚值对带噪语音信号进行增强处理．用计算机仿真和实际环境录制的语音数据对该方法的性能进行了测试，实验结果表明在两种实验数据情况下，该方法均具有较好的噪声抑制能力．     

陈-Mbius四路载波数字通信系统的仿真

将几种常用数字波形的陈-Mbius逆变换作为四路载波数字通信系统数字输入信号的编码波形函数族,由其对二进制输入信号进行调制后,直接叠加在一个物理信道上进行传输.在接收端,用与各调制编码波形对应正交的数字波形对各路信号进行同步相干解调,从而构成新的相干调制解调系统.应用MATLAB平台对系统进行性能仿真,并与传统的相干调制解调系统的仿真结果相比较.结果表明,该系统具有更优异的抗强噪声与抗干扰的性能,可实现多路载波数字通信的直接叠加,大大节省系统的初始投资与运行费用.     

基于自给式呼吸器的语音减噪改进方法

针对传统减噪方法在处理自给式呼吸器通信时语音音质不清晰、噪声干扰严重的问题,提出了一种基于自给式呼吸器的语音减噪改进方法,并进行了实验验证。在该改进方法中,先定义一个新的判决变量为相关函数能量,利用该变量进行语音端点检测,然后根据检测结果,分别对有话段语音信号采取声压差值减噪处理,对无话段噪声信号采用静默处理。实测实验结果表明,对于自给式呼吸器采集到的语音信号,改进方法的准确性与鲁棒性要优于传统语音减噪方法。     

陈-Moebius四路载波数字通信系统的仿真

将几种常用数字波形的陈-Moebius逆变换作为四路载波数字通信系统数字输入信号的编码波形函数族,由其对二进制输入信号进行调制后,直接叠加在一个物理信道上进行传输.在接收端,用与各调制编码波形对应正交的数字波形对各路信号进行同步相干解调,从而构成新的相干调制解调系统.应用MATLAB平台对系统进行性能仿真,并与传统的相干调制解调系统的仿真结果相比较.结果表明,该系统具有更优异的抗强噪声与抗干扰的性能,可实现多路载波数字通信的直接叠加,大大节省系统的初始投资与运行费用.     

汉语平均频谱噪声下的汉语语言清晰度研究

在不同室内声学特性、不同信噪比条件下探讨汉语语言平均频谱干扰噪声及其方向对汉语语言清晰度的影响。汉语语言清晰度测试信号与干扰噪声信号按照一定的信噪比混合,由听音人进行汉语语言清晰度主观评价。结果表明：在汉语语言平均频谱干扰噪声作用下,听音位置的声场特性、信噪比和干扰噪声源方向对汉语语言的清晰度有显著影响;相比于房间声学特性和干扰噪声源方向,信噪比对汉语语言清晰度的影响更为显著;汉语语言清晰度随听音位置声场特性的改善和信噪比的提高而提高,随语言信号与噪声位置分开盼角度的增大而提高。     

小波变换在语音信号处理上的应用

利用小波的多分辨率分析,以及其良好的空间域和频率域局部化特点,针对语音信号特征,选取适当的小波算法进行去噪和增强语音,压缩编码,提取语音信号特征等处理。通过Matlab仿真分析,得到增强后的信号图和压缩后的压缩比参数、能量保留参数、零系数比例系数,提取的信号特征。结果表明,基于小波变换的语音信号处理表现出良好的特性。     

基于参考独立分量分析的语音增强方法

参考独立分量分析（independent component analysis with reference，ICA—R）将源信号的先验知识以参考信号的形式引入学习算法中，可以从混合信号中仅抽取期望的源信号．基于ICA—R提出了一种语音增强新方法．通过比较语音信号和多种噪声信号的特点，合理地构造了具有语音信号重要特性的参考信号，进而应用ICA—R从多种加性噪声中抽取了期望增强的语音信号．计算机仿真和性能分析结果均表明了该方法的有效性．     

基于频域去相关的语音信号分离

目前基于纯净语音信号的语音识别系统和说话人识别系统都已达到了很高的识别率,但是当信号中含有噪声,特别是含有语音噪声时,识别率就会大大降低.解决这一问题的关键是实现语音与噪声的自动分离.考虑到语音信号的非平稳特性,把时域去相关的思想推广到频域,提出了频域去相关算法,实验结果显示了算法的有效性.     

基于总体平均经验模态分解和一步式字典学习联合去噪的语音端点检测算法

针对复杂环境下语音端点检测准确率低下且检测耗时过长的问题,研究一种基于EEMD和OS-DL联合去噪的语音端点检测算法。首先利用EEMD（总体平均经验模态分解）算法对输入语音进行分解得到IMF（本征模式分量）,然后使用OS-DL（一步式字典）算法分别对纯净语音信号与噪声信号进行训练,得到纯净语音信号和噪声信号的幅度谱字典,进而对幅度谱进行稀疏表示,利用得到的系数矩阵重新构建出语音信号频谱,将重构出的语音信号频谱经过傅里叶逆变换得到降噪后的语音信号,最后对降噪后的语音信号利用均匀子带频带方差法进行端点检测。实验结果表明：该算法在复杂环境信噪比低于-10dB情况下检测准确率仍可达到85%以上,且平均检测时间缩短至传统端点检测算法的1/3。     

语音信号的小波变换处理方法

利用小波变换时-频分析的特点,针对语音信号特征,选取适当的小波母函数进行增强和压缩编码处理.通过Matlab仿真分析,得到增强后的信号图和压缩后的压缩比参数、能量保留参数、零系数比例系数.结果表明,基于小波变换的语音信号处理表现出良好的特性.