噪声整形滤波器的优化设计

量化误差或再量化误差常被认为具有白噪声的特性。由于人耳对这种低电平宽频带噪声的灵敏度并不随频率均匀变化，所以在设计噪声整形滤波器时，人们采用了一种频率计权曲线来反映低电平噪声对听觉的影响。本文将介绍如何优化设计满足人耳听音的噪声整形滤波器。     

先验信噪比估计语音增强算法的对比分析

先验信噪比估计精度直接影响着语音增强算法的性能.本文对3种不同的先验信噪比估计算法:经典的直接判决算法、两步噪声消除算法和改进型直接判决算法的优缺点进行了理论分析和实验验证.实验部分包括:语谱、输出先验信噪比跟踪曲线、不同背景噪声下的输出对数似然比图像、不同背景噪声下输出的分段信噪比图像和不同噪声下输出的短时客观可懂度图像.此外,分析了直接判决算法的平滑因子的取值对音乐噪声和语音失真的影响.     

高速数据采集系统时钟抖动研究

研究了数据采集系统时钟抖动、ADC量化噪声以及ADC微分非线性与信噪比的关系．通过合理的假设，利用自相关和功率谱密度的关系，推导出了信噪比与抖动和噪声的数学公式．并建立仿真模型，验证该公式．结果表明，在输入信号频率比较高的时候，信噪比以20dB／倍频下降，时钟抖动决定了20dB／倍频下降的起始位置．     

信号量化对导航系统抗干扰性能的影响分析

在导航信号的接收过程中,量化是至关重要的环节。模数转换中的量化会带给卫星信号信噪比(SNR)的损失,对导航系统的抗干扰性能有一定的影响。在连续波干扰和白噪声的环境下分析得到了不同量化比特数和量化门限下系统输出信噪比的计算公式,并且对信号进行了仿真分析,得到信号量化前后信噪比变化曲线。结果表明:随着干扰幅度的增加,信号量化间隔需要相应增大才能保证信号信噪比损耗较小,同时需要注意量化间隔的变化对信噪比降低具有较大的影响。     

Pipeline ADC的噪声与采样电容的关系

介绍了Pipeline ADC噪声与电容的关系及减小噪声的方法,并以10位ADC为例通过噪声计算电容．ADC的主要噪声源是量化噪声和热噪声．量化噪声主要决定ADC的精度．热噪声限制了ADC的信噪比,是提高精度的主要瓶颈．可以通过增大电容来减小．     

考虑量化的OFDM压缩感知信道估计算法

针对存在量化影响下的正交频分复用系统信道估问题,首先提出利用全相位FFT的ΣΔ量化噪声整形方法,基于信道稀疏性和压缩感知降低噪声大小;然后针对在量化噪声影响下的OFDM系统提出压缩感知信道算法.仿真结果表明,该算法具有良好的估计性能,同时可进一步降低系统噪声大小.     

超宽带系统中基于时域插值和抽取的新型Sigma-Delta转换器

无线通信系统中,超宽带(UWB)与正交频分复用(OFDM)技术相结合,具有超宽带、低功耗、抗多径衰落等优势.针对多频带OFDM-UWB信号的特点,提出一种基于时域插值和抽取的新型sigma-delta转换器用于完成数据的转换.时域插值使得多频带OFDM-UWB子载波间形成空隙,sigma-delta调制器将输入信号量化为1比特数据流的同时完成量化噪声整形.该sigma-delta调制器在量化噪声频谱中引入位于多频带OFDM-UWB子载波频点上的零点,将大部分量化噪声推到子载波空隙中,达到噪声整形效果.新型sigma-delta调制器采用无过采样结构,使得硬件实现相对容易,同时该结构还避免了OFDM系统的高峰均比问题.对信号进行时域插值与抽取降低了硬件复杂度和处理时间.理论分析和仿真结果表明了该调制器的有效性和可行性.     

基于分数阶傅里叶变换的量化噪声抑制方法

针对A/D转换器在采样和量化过程中产生的量化噪声问题,提出一种基于分数阶傅里叶变换的量化噪声抑制方法.利用经典量化器的统计特性,分析出量化噪声在分数阶傅里叶域具有白噪声特性,利用过采样和分数阶傅里叶域数字滤波方法对输入信号的量化噪声进行抑制,提高信号质量.理论推导和仿真结果表明,该方法能够有效抑制量化噪声,提高A/D转换器的输出信噪比,而且针对线性调频等信号的量化噪声抑制效果优于传统傅里叶域的方法.      

一种改进的LSA语音增强算法

针对说话人识别的噪声鲁棒性问题,在对数谱最小均方差误差估计算法基础上,采用改进的最小值控制递归平均算法对语音帧信噪比进行估计,通过对前一帧的短时功率谱进行2次平滑和前向多帧最小值搜索,结合语音存在概率估计出当前帧的信噪比,并根据信噪比自适应调整增益因子的大小,对噪声进行消除。构建了一种改进的LSA语音增强方法,使用该方法可以使增强后的语音保持较高的自然度。实验结果表明,与MMSE-LSA算法比较,改进的LSA算法具有更好的语音增强效果,在5dB各类噪声环境下,其平均信噪比较MMSE-LSA算法提高1.36dB,主观语音质量评估平均提高8%。将该方法用于说话人识别系统,其检测代价较采用MMSE-LSA算法的系统平均降低3%。     

2-2 MASH结构改进及其FPGA实现

针对多级噪声整形(Multi-stage Noise Shaping, MASH)结构的量化噪声问题,提出一种在传统MASH结构基础上改进的4阶两级MASH结构.首先分析传统MASH结构的原理,指出在输入信号延时处理上的不足,进而给出改进的MASH结构及理论分析.利用Altera公司的Stratix Ⅳ系列FPGA采用自顶向下的方法构建二阶单环调制器模拟部分、噪声抵消单元数字部分和数据处理部分等主要模块实现本文的MASH结构.仿真表明,改进的MASH结构较传统结构减少67%的延时,噪声整形性能比改进前提升9.7%,进一步降低量化噪声的影响.     

基于相位间隔DDS合成信号噪声分析

文章就直接数字频率合成器（以下简称DDS）合成技术产生正弦波信号的噪声进行分析,以合成信号可能产生的最大量化噪声功率为基础,定义最小量化信噪比;并研究最小量化信噪比和正弦波单周期样点数、数模转换器分辨率的关系,为设计DDS合成信号发生器提供了理论依据。     

基于递归最小追踪的噪声互功率谱估计算法

针对改进最小追踪噪声互功率谱估计方法存在的噪声过估计的问题。提出一种基于递归最小追踪的噪声互功率谱估计算法。该方法中的平滑因子使用了递归平均技术,在估计噪声互功率谱时,会根据每个频点的实际信噪比作相应的调整。仿真结果表明,该噪声估计算法应用于一个语音增强系统时,取得了较小的噪声均方估计误差及较好的感知语音质量评价(PESQ)得分。     

光寻址空间光调制器前置滤波

分析了光寻址空间光调制器对加续图像采样和能量量化所产生的噪声和假频，判别出产生噪声主要高斯噪声，借助电子学中A／D转换前置滤波概念，提出了一种光学前置滤波的方法，即在傅立叶变换透镜前加入矩形窗函数用于作假频和抑制噪声，将比函数入系统的设计中，既没有使系统结构复杂，同时又使此系统具有滤波，抑制噪声和提高信噪比的功能。     

∑-△型A/D转换器中量化噪声的功率谱整形

在设计数据采集系统时, 为使采集系统前端输出信号的带宽与后端处理模块相匹配, 在建立高阶Σ-Δ调制器理论模型的基础上, 对A/D转换器中的量化噪声功率谱的整形过程进行了研究。理论分析和仿真结果表明, 结合了过采样技术的高阶Σ-Δ型A/D转换器能大大降低量化噪声。     

一种新的用于语音增强的噪声谱估计器

提出了一种新的噪声谱估计算法，从采集到的含噪声语音信号中直接估计出噪声谱的变化，并且利用一个 初始噪声序列进行噪声谱的更新。实验表明，该算法能准确地估计出噪声谱，相比传统的噪声谱估计器，其准确性 和实时性显著提高了，也增强了可靠性#特别是在有强背景噪声（输入信噪比很低）和慢变化噪声的情况下性能得 到了明显的提高。     

基于谱减的语音增强算法的改进

为降低噪声对语音通信的干扰,提出了一种基于谱减的语音增强算法的改进方法。根据噪声频谱的G auss统计模型修正语音增强过程中噪声频谱的估计方法,利用帧内、帧间约束估计每一个频点的先验信噪比,提出了一种简便的估计语音在每一个频点出现的概率的方法,得出了修正的语音增强算法。在白噪声以及坦克噪声环境中分别对算法的性能进行测试。实验结果表明:在几乎不损伤语音清晰度的前提下,该算法使“音乐噪声”得到了更好的抑制,同时信噪比提高了约8 dB以上。     

一种基于形态学的语音增强方法

依据数字语音信号的特点，提出了一种用于语音处理的形态学滤波算法．实验结果表明，该方法有效地抑制了噪声的干扰，对混噪语音质量的增强效果显著．由于形态滤波器的性能与结构元素有关，因此考查了结构元素是寸的变化对增强语音信噪比的改善情况．研究表明，结构元素的宽度变化对增强后语音的输出信噪比的影响较大．     

一种新的用于语音增强的噪声谱估计器

提出了一种新的噪声谱估计算法，从采集到的含噪声语音信号中直接估计出噪声谱的变化，并且利用一个初始噪声序列进行噪声谱的更新。实验表明，该算法能准确地估计出噪声谱，相比传统的噪声谱估计器，其准确性和实时性显著提高了，也增强了可靠性，特别是在有强背景噪声（输入信噪比很低）和慢变化噪声的情况下性能得到了明显的提高。     

基于谱增益迭代的先验信噪比估计语音增强算法

结合经典的谱增益算法和迭代算法,提出了一种基于谱增益迭代的先验信噪比估计语音增强算法.也就是通过谱增益的循环迭代,实现纯净语音信号估计逐步逼近真正的纯净语音,然后根据先验信噪比定义更新先验信噪比的估计值,反过来,又更新了谱增益值,从而实现噪声消除.同时这种方法解决了基于直接判据算法,先验信噪比估计值比后验信噪比估计值延迟一帧的问题,从而有效地消除"音乐噪声".试验表明,这种算法能够有效地消除噪声.     

语音增强系统中宽带噪声的滤除

针对宽带噪声的特点,探讨了利用谱减法的改进形式进行语音增强处理,以实验结果说明了参数ｍ、ｎ的取值与增强效果的关系,当ｍ、ｎ取值恰当,则可获得较为理想的增强效果。在估计噪声的短时能量谱时,采用了低信噪比自适应有声／无声算法来判别纯噪声的信号帧,实时估计噪声,提高了噪声估计的准确度,取得了较好的语音增强效果。