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。     

一种基于巴克域噪声估计的语音增强算法

为了在保证语音增强算法性能的同时,降低算法复杂度,提出了一种巴克域最小统计量控制递归平均噪声估计算法.将带噪信号在巴克域进行分解并进行最小统计量分析,基于此最小统计量控制噪声的递归平均估计.算法基于听觉模型,充分利用巴克带内频带间的相关性,具有较好的噪声跟踪估计性能.该算法复杂度低,适用于常见语音增强方法.仿真结果表明,基于该噪声估计的语音增强可以有效地抑制噪声,增强后语音失真较小,在低信噪比条件下能够有效改善语音编码合成后的语音质量.     

用于语音识别的基于高谱分辨率的谱减法

提出了一种新的基于高谱分辨率的谱减法,通常噪音帧和带噪语音帧具有相同的长度且都是短时帧,对短的噪音帧和带噪语音帧做傅立叶变换得到的谱分辨率低导致谱减法性能下降严重。基于平稳或接近于平稳的背景噪音下合并所有噪音帧再做傅立叶变换以提高噪音帧的谱分辨率;通过对带噪语音信号在时域进行前向和后向的延拓再做傅立叶变换以提高带噪语音信号的谱分辨率,在有效抑制噪音的同时减少了语音谱的失真并提高了系统识别率。     

一种改进的基于谱熵实时噪声估计的谱减法

语音增强的目标是从含有噪声的语音信号中提取尽可能纯净的原始语音.在实际应用中,需要对背景噪声进行预估计,以达到改善语音质量.目前常用的语音增强方式是谱减法,但由于该算法在低信噪比环境下的效果较差,所以限制了其应用范围.该文将实时噪声估计同谱减法相结合,针对谱减法在低信噪比下效果不明显的缺点,给出一种新的语音增强方案.该方案的目的是优化传统谱减法的性能,对噪声进行更为准确的实时估计;该方案的特点就是利用谱熵对噪声进行估计,通过谱熵估计每一帧语音的噪声,再利用谱减法达到降噪的目的.实验结果表明,该方法与传统的谱减法相比,在低信噪比环境下均能得到较好的去噪效果.     

谱减在基于动载的路面不平度识别中的应用

分析了路面激励和发动机振动引起的汽车垂直动载的特点,提出了采用谱减法去除用于路面不平度识别的垂直动载中周期性噪声的方法.谱减之前对染噪信号和噪声模板都作静态小波滤波,可有效消除随机噪声谱引起的"音乐噪声".对发动机怠速时和在光滑水泥路面测得的信号比较后采用了后者作为噪声模板,并使用基本谱减方法对信号进行了滤波.试验数据处理发现谱分辨率取2Hz时谱估计方差较小,相应"音乐噪声"也较少.仿真表明,在数据点数为1024个时,使用谱减去噪使信噪比由7.2 dB提高到31.5 dB.     

一种基于修正倒谱平滑技术改进的维纳滤波语音增强算法

传统的倒谱平滑维纳滤波算法在求取选择性平滑范围时,噪声会对维纳增益函数的倒谱产生影响,使估计出的选择性平滑范围不正确,进而导致此传统算法在平滑掉音乐噪声的同时也影响了噪声抑制效果。为此提出了一种基于修正倒谱平滑技术改进的维纳语音增强算法,该算法先用最大似然准则估计出纯净语音的倒谱,然后在纯净语音倒谱中求取基频和共振峰的位置,进而得到选择性平滑的范围。该方法提高了选择性倒谱平滑的准确性,进而改善了传统倒谱平滑维纳滤波语音增强算法的噪声抑制效果。最后在不同的噪声场景中对传统算法和改进算法进行了仿真对比,表明该算法能够在去除噪声的同时更好地保留语音的特征结构,较好地提高了带噪语音的质量。     

一种新的脉冲噪声图像恢复方法

为消除图像中的脉冲噪声, 提出一种窗口自适应开关中值滤波方法. 利用BP神经网络将图像中的每个像素点分类为信号点或噪声点, 再采用改进的中值滤波器对检测后的图像进行滤波处理. 根据噪声检测结果, 滤波器自适应调整窗口大小并选择性取样, 逐点滤波消除图像中的噪声. 该方法在抑制脉冲噪声、 保护图像细节方面均优于以往基于中值滤波的法, 即使在图像遭受70%噪声污染的极端情况下, 仍能得 到很好恢复.     

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。     

Robust Speech Recognition Using a Harmonic Model

Automatic speech recognition under conditions of a noisy environment remains a challenging problem. Traditionally, methods focused on noise structure, such as spectral subtraction, have been employed to address this problem, and thus the performance of such methods depends on the accuracy in noise estimation. In this paper, an alternative method, using a harmonic-based spectral reconstruction algorithm, is proposed for the enhancement of robust automatic speech recognition. Neither noise estimation nor noise-model training are required in the proposed approach. A spectral subtraction integrated autocorrelation function is proposed to determine the pitch for the harmonic model. Recognition results show that the harmonic-based spectral reconstruction approach outperforms spectral subtraction in the middle- and lowsignal noise ratio (SNR) ranges. The advantage of the proposed method is more manifest for non-stationary noise, as the algorithm does not require an assumption of stationary noise.     

基于离散小波变换的超宽带信号检测

在超宽带通信系统中,满足FCC频谱功率限制的信号的功率谱密度极低,类似白噪声,这对非合作侦收方而言,加大了其对信号的检测难度.针对这一问题,本文提出一种基于离散小波变换的检测方法.首先对仿真出来的OFDM-UWB信号在噪声干扰条件下进行小波变换与傅里叶变换,然后在不同的信噪比条件下对信号的两种变换进行对比仿真.仿真结果...     

利用高斯平滑法提取GPS观测序列中的结构振动监测信号

利用GPS进行结构振动监测时,GPS观测信号噪声非常大。文章分析了GPS信号误差来源,根据相邻两天GPS观测值多路径误差强相关性,提出了利用高斯平滑法从带有噪声的GPS位移序列中提取真正的振动信号。实测数据分析表明,该方法能有效地抑制GPS多路径效应与测量噪声,成功提取结构振动信息。     

基于能量和频带方差结合的语音端点检测方法

语音端点检测是语音识别中非常重要的部分,识别率高低很大程度上取决于端点检测的精确程度。在高信噪比(signal-noise ratio,SNR)的实验室环境下,端点检测有很好的效果;但比如像工厂和市场等低SNR环境下,传统的检测方法性能迅速降低,端点检测无法达到预期效果。针对低SNR语音的端点检测,先通过谱减法对带噪语音进行降噪,再分别求出每帧语音信号的能量与频带方差的乘积,将乘积值作为参数进行双门限端点检测的思路,提出了一种能量和频带方差结合的端点检测方法。将TIMIT数据集中语音叠加高斯随机噪声、NOISEX 92噪声库中的factory噪声和volvo噪声进行实验。结果表明,当SNR在-10 d B时,仍有较好的检测效果,显著提高了语音端点检测的效果。     

Cross spectral energy method for damage assessment of the cable-stayed bridge under operational conditions

The new cross spectral energy method （CSEM） is proposed for maintaining cable-stayed bridge safety by the measurable output-only vibration response. Damage assessment of real structures is limited by a series of problems such as unknown ambient excitation forces, errors introduced by system identification, incomplete dynamic measurements, etc. Thus the methodology based on cross spectral energy of each substructure member is derived to meet these challenges. The novel damage index does not require any modal or parameter identification technology. It can be calculated directly from vibration test data. In order to evaluate the efficiency of the presented methodology, a three dimensional （3D） actual cable-stayed bridge model .with one or more damaged positions under operational conditions was studied. In order to testify the reliability of damage detection method, the response data was polluted by the random noise. It is proved that the proposed method can successfully localize all damage cases even in noisy data. With the help of examples, the CSEM can potentially be applied as a nondestructive evaluation technique （NDT） for on-line health monitoring of cable-stayed bridges with minimum disruption of its operations.     

全相位时移相位差频谱校正法

为精确估计噪声背景下正弦信号频率、幅值、初始相位,提出了基于全相位FFT谱分析的时移相位差频谱校正法．此方法需对存在时移关系的两输入序列分别进行全相位FFT,直接取主谱线的相位值无需校正即可得到初始相位的估计;利用主谱线上的相位差值即可获得精确的频率估计．同时阐述了传统相位差法向全相位时移相位差法的衍生关系．由于全相位FFT具有良好的抑制频谱泄漏特性,因而该法的频率和相位估计精度非常高,无噪时频率误差处于10^12分辨率级,相位误差可达10^-9度．     

基于调制域谱减法的鲁棒性说话人识别

针对说话人识别性能在噪声环境下急剧下降的问题,提出了基于调制域谱减法的鲁棒性说话人识别方法。首先在说话人识别前端通过调制域谱减法对含噪语音进行增强处理,然后通过Gammatone滤波器组提取对噪声具有抑制作用的特征,最后与说话人模型进行匹配识别。仿真结果表明,运用此方法能显著抑制噪声对说话人识别系统的影响,提高系统的识别率。     

联合波束形成与谱减法的麦克风阵列语音增强算法

考虑到封闭环境的散射噪声场中,传统波束形成方法及单通道谱减法对噪声抑制的局限性,提出一种将波束形成方法与谱减法相结合的麦克风阵列语音增强方法．该方法首先通过波束形成器的空间滤波作用,将波达方向不同的语音信号和噪声信号加以区别,再经过延时补偿单元的相应处理,从而达到衰减噪声的目的,然后采用谱减法对波束形成器输出端的残留噪声进行后置处理．仿真实验结果表明。在小房间混响情况下,与其他方法相比,该方法不仅运算量小。而且具有良好的噪声抑制性能．     

DWT-PLS在SELDI-TOF MS血清多肽谱解析中的应用

针对表面增强激光解吸/离子化飞行时间质谱(SELDI-TOF MS)血清多肽谱解析,首先采用离散小波变换(discrete wavelet transform,DWT)对数据进行滤噪、压缩;再采用偏最小二乘(partial leastsquares,PLS)法建立癌症诊断预测模型.考察了DWT对血清多肽谱数据预滤噪、压缩的效率,同时重点研究了小波分解尺度、主成分数对诊断预测准确率的影响.研究结果表明,采用DWT-PLS法解析血清多肽谱简便、高效、预测准确.     

应用自相关减法改善噪化语音的线性预测编码分析

本文提出了一种新的线性预测编码(LPC)方法。它既可用于纯语音分析,也可用于噪化语音分析。用于噪化语音分析时,首先在无语音帧内估计出噪声样本的自相关系数,然后从噪化语音的自相关系中减去噪声的自相关系数,最后利用估值得到的语音自相关系数求出它的线性预测系数。当输人噪化语音的信噪比为0～10dB时,使用这种方法可以提高信噪比5dB左右。     

基于小波变换的新阈值法心电信号去噪的研究

心电信号反映人体的健康状况,在采集过程中容易受到高频、低频等多种干扰,而传统小波去噪方法的效果不是很理想。提出一种基于离散小波变换的新阈值法,与传统的硬、软阈值法比较,该方法在一定程度上有效地抑制各种噪声,能够更好地保持心电信号的特征和波形幅度。并用MIT-BIH数据库对提出的新阈值法进行验证。实验结果表明所提出的算法与传统小波阈值法相比,能更好地保持心电信号的几何特征,具有更高的信噪比,取得良好的去噪效果。     

基于时频和形态学滤波的长时间能量积累检测

为了检测强噪声背景下长积累时间、低信噪比、信号波形未知的机动目标，提出了一种时频分析和形态学滤波检测的方法．利用时频分布聚集信号能量在其瞬时频率曲线附近，而散布白噪声能量在整个时频平面上的特点，应用时频分布、阈值处理和数学形态学滤波估计高能量时频支撑区域，并累积这些区域的时频能量以构造检验统计量进行统计判决．该方法不需要先验波形信息，检测积累时间不受处理方法的限制，可在更长观测时间内检测噪声环境中的微弱机动目标．仿真实验表明，在信噪比为-9dB、虚警概率为10^-5时，检测概率可达99％．