基于相关矩阵行列式分析的GSC二元麦克风阵列语音增强算法

为了提高广义旁瓣相消器语音增强算法在二元麦克风阵列中的噪声抑制能力,提出了一种基于相关矩阵行列式分析的GSC二元麦克风阵列语音增强算法,该方法首先对二元阵列的输入进行相关矩阵行列式分析,利用基于语音活动检测和信噪比估计确定系数的维纳滤波器改进GSC结构的固定波束成形支路的输出,再利用基于相关矩阵行列式分析的语音活动检测更新自适应噪声抵消器系数,提高GSC结构中自适应支路噪声估计的准确性.实验结果表明,相较于近些年来其他二元麦克风阵列的语音增强方法,该方法在多个噪声源和复杂类型噪声条件下的语音质量更高,信号失真更小,处理后的语音更接近目标语音.     

针对一种特殊干扰信号的自适应抵消器改进算法

提出针对一种特殊干扰信号的自适应抵消器改进算法。它既能有效地进行噪声抵消，又在一定程度上加快收敛速度，从而提高自适应抵消器在这种干扰环境下的性质。文中通过严格的理论推理，证明这种算法的可行性和优越性。计算机仿真结果表明，利用改进算法得到的抵消器输出结果，明显优于传统算法所得的结果。最后指出，这种改进算法在范围上的特殊性。     

基于粒子群算法的自适应滤波器研究及应用

针对神经网络自适应滤波器易于陷入局部极小的缺陷,采用抑制局部最优的粒子群算法优化神经网络的权系数,设计了基于改进粒子群算法训练的三层神经网络的自适应滤波器,并将其应用于自适应噪声抵消器.仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声抵消能力,信噪比大大提高.     

自适应滤波器消除语音信号中混合噪声

语音信号在实际采集和传输的过程中,往往掺杂着多种噪声干扰,比较常见的是正弦窄带干扰和高斯白噪声,而一个简单的自适应滤波器往往很难同时滤除多种噪声。为了抑制混合噪声而得到真实的语音信号,在最小均方误差(LMS)自适应算法和自适应噪声抵消原理的基础上,提出了一种两级自适应滤波器方案,第Ⅰ级在传统噪声抵消系统中加入延迟单元消除正弦窄带干扰,第Ⅱ级用LMS自适应噪声抵消器消除高斯白噪声,同时,利用Simulink模块库对所设计的两级自适应滤波器进行了建模仿真。仿真结果表明:该方案滤波器可以有效地滤除包含正弦窄带干扰和高斯白噪声的混合噪声,达到提高语音质量的目的。     

基于DSP的语音信号自适应滤波系统的设计与实现

传统的自适应滤波噪声抵消法一般均采用双声道系统,其结构十分复杂,针对这个缺点,提出选取原始输入的延时信号作为参考噪声输入,设计一种利用DSP处理器对语音信号进行自适应滤波的的单声道系统.该系统利用音频芯片TLV320AIC23和TMS320VC5509 DSP共同搭建,实现了语音信号的采集、传输及噪声信号的自适应滤波处...     

一种改进的噪声抵消器LMS自适应算法

指出常规噪声抵消器LMS自适应算法采用恒定的步长，具有收敛速度慢，失调量大的缺点，提出了一种改进的LMS自适应算法，该算法根据对输入信号信噪比的估计，采用变步长，其步长随输入信号信噪比的变化而改变，从而提高了收敛速度，降低了回响，提高了输出信号信噪比，计算和实验结果表明改进的算法在收敛速度，降低回响，消噪性能等方面均优于常规算法。     

基于声透镜粒子群算法的自适应噪声对消算法

在复杂的语音获取应用环境中,麦克风阵列接收的信号难免会产生方向、幅度和相位的模糊问题。提出了一种基于声透镜粒子群算法的自适应噪声对消算法。通过声透镜波束形成技术采集语音信号,将粒子群算法应用于自适应噪声对消中解决获取信息模糊问题。Matlab计算机仿真结果表明本算法与传统自适应噪声抵消算法相比具有更好的噪声抵消能力和性能,信噪比大大提高,且可以有效解决语音数据的模糊问题。     

基于神经网络的自适应噪声抵消器的研究

在系统阐述了自适应滤波器和自适应噪声抵消器基本原理的基础上,利用神经网络的特点,设计了基于四层神经网络的自适应噪声抵消系统,克服了传统自适应滤波器需要两路输入信号统计相关的特点。理论分析和计算机仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声消除能力和鲁棒性。     

自适应噪声抵消器频域优化设计及其应用分析

随着通信技术的发展,自适应噪声抵消器在现在信号处理中得到越来越广泛的应用.在分析和讨论自适应噪声抵消器原理基础上,详细研究了基于自适应滤波器技术的噪声抵消优化实现算法及其特性.最后,以胎儿心电图信号检测为例,分析了自适应噪声抵消技术的应用,在MATLAB环境下进行测试分析,模拟测试结果与理论分析预测吻合.     

基于GSC结构的多通道语音补偿算法研究

广义旁瓣抵消器自适应波束形成算法对受固定干扰源影响的目标语音有良好的消噪效果,但在自适应抵消模块不可避免地存在语音泄漏,使目标语音受到一定损失,且残留部分背景噪声.文中先对传统的GSC结构自适应波束形成算法进行研究,分析语音泄漏的原因,并提出一种多通道语音补偿方法对GSC结构消噪后的语音进行补偿.对不同频段的噪声帧和语音帧做针对性处理,同时在对语音进行分割时保护共振峰,防止其发生偏移和变形,仿真实验与测试结果表明,该方法可以有效地补偿语音泄漏,消除残留噪声,提高语音可懂度.     

基于线性预测的自适应语音增强技术

提出了一种基于线性预测的自适应语音增强方法。该方法利用带噪语音的线性预测作为自适应滤波器的参考输入，使有色噪声的相关性隐含于参考输入之中，从而大大地提高了语音的信噪比。仿真实验证明．被环境噪声污染了的语音信号经自适应系统处理后，其信噪比提高了32．70dB。     

多噪声环境的麦克风小阵语音增强

针对在非平稳和多种噪声并存的语音增强算法抑制噪声能力有限的问题,提出基于最小跟踪噪声功率谱估计的相干滤波与广义旁瓣抵消的麦克风小阵语音增强算法。该方法先利用最小跟踪噪声功率谱估计的相干滤波抑制弱相关噪声,再结合广义旁瓣抵消与端点检测抑制强相关噪声。实验结果表明,方法更加有效地抑制噪声的影响;并提高了语音的可懂度。     

声纳探测信号自适应脉冲噪声对消算法

针对浅海环境噪声严重影响声纳探测信号检测性能的问题,提出了一种非线性变换的自适应脉冲噪声对消算法。算法首先对回波信号和参考通道噪声信号同时进行非线性变换,对脉冲噪声进行软阈值滤波,在此基础上,采用最小均方误差算法实现自适应噪声对消,可获得稳健的收敛性能。α-稳定分布脉冲噪声条件下的仿真和某次实验中的声纳探测回波信号处理证明了算法的有效性。     

一种改进的逐次递推解模糊方法

针对通道相位噪声较大条件下干涉仪测角算法存在解模糊出错的问题,提出了一种基于相位差矢量平均的逐次递推解模糊改进方法.该方法通过对多次测量的各级相位差测量值进行矢量平均,利用矢量平均后的相位差估计值进行逐次递推解模糊测角运算.通过矢量平均降低通道间相位噪声的影响,提高解模糊过程中各级相位差的估计精度,从而达到即使在通道相位噪声较高的条件下也能够正确解模糊.计算机仿真结果验证了该算法的有效性.     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法,应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号,将噪声信号从含噪信号中过滤掉,达到消噪的目的;根据自适应学习算法,利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新,以适应噪声的变化。选取均方根误差和计算时间2个性能指标,采用自适应噪声抵消方法在不同网络中进行仿真比较,结果表明,应用该方法可以获得更好的滤波性能。     

一种基于极值的自适应中值滤波改进算法

提出了一种基于极值的自适应中值滤波改进算法,该方法可以有效地保护图像细节,并去除图像中的椒盐噪声.首先利用椒盐噪声的分布给出疑似噪声的判断标准,然后根据噪声密度自适应地确定滤波窗口大小,再采用一种新的算法进行滤波,最后将本算法与其他几种滤波算法进行对比,实验结果表明,本算法优于其他中值滤波算法.     

冲击噪声背景下归一化广义旁瓣相消器

针对冲击噪声背景下常规波束形成算法性能下降的问题,该文提出一种归一化广义旁瓣相消器(N-GSC)算法,该算法适用于任意未知统计特性的代数拖尾冲击噪声环境。算法通过对输入信号进行无穷范数归一化,使信号的二阶统计量存在且有界,再进行维纳滤波,提高了波束形成在冲击噪声背景下的性能。进行了4种冲击噪声背景下的仿真实验。仿真结果表明,与传统的GSC算法和基于分数低阶矩的GSC算法相比,N-GSC算法计算简单,无需噪声特征指数的先验信息或估计,适用于任意分布的冲击噪声环境,具有更强的干扰抑制能力。