稳健的主模式抑制自适应波束形成算法

为了提高算法在各种信号环境下的鲁棒性,该文对主模式抑制算法的权值计算结构进行了详细分析,指出抑制系数对信号能量的保留作用有重要的影响。提出了一种对抑制系数的改进机制,利用改进后的算法计算的权值对信号能量的保留作用增强,提高了算法在高信噪比情况下的增益。实验结果表明:与传统算法相比,改进后的算法在保持了低信噪比稳健性的同时,其在强信号环境下的算法增益提高了若干dB,并且该算法在不同信号环境中,提高了信号失配的鲁棒性。     

低信噪比环境下的麦克风阵列语音识别算法研究

针对在低信噪比环境下语音增强对语音识别率的提升不明显的问题,提出一种用在识别系统前端的麦克风阵列增强算法。该阵列增强算法基于相干滤波和频率带宽波束形成后置改进维纳滤波器。首先将采集到的阵列信号,求相邻通道间的相关函数,利用阵元间信号的相关性进行初始噪声抑制,然后利用频域宽带最小方差无畸变响应(MVDR)通过对目标声源信息的获取,保留目标声源方向的信号并抑制其他方向的信号干扰,再通过改进的维纳滤波器去除噪声残留提升语音可懂度,最后用梅尔频率倒谱系数(MFCC)和隐马尔科夫模型(HMM)对增强后的语音信号做特征提取并识别。仿真过程模仿双耳采集数据,结果表明该语音增强方法在低信噪比环境下获得较好的增强效果,能有效的提高低信噪比环境下的语音识别率。     

基于能量分离算法的多分量线性调频信号频率估计

对基于能量算子的能量分离算法进行了改进,提高了该方法用于多分量线性调频信号瞬时频率估值的抗噪性.采用平滑样条插值的方法对离散信号进行插值,然后再对其应用连续信号的能量分离算法.仿真表明,改进后的算法在噪声环境下,比直接利用对应离散信号的分离算法估值更准确,当信噪比从5 dB以5 dB为步进,增大至30 dB时,平均估计误差约减小10%.     

基于分数阶小波的频谱感知算法

针对非平稳信号在低信噪比下使用能量感知算法感知效果差的问题,提出了一种基于分数阶小波的频谱感知算法。首先对接收信号进行分数阶小波变换达到能量聚集与去噪处理的目的,之后对重构信号进行能量感知。仿真结果表明,该算法相比于传统的能量感知算法以及基于小波变换的能量感知算法,可以提高在低信噪比下对非平稳信号的感知效果。在感知概率为0.3时,基于分数阶小波的能量感知算法比传统的能量感知算法和基于小波变换的能量感知算法分别提高了6 d B和2 d B的信噪比增益;在虚警概率恒为0.1时,基于分数阶小波变换的频谱感知算法的感知概率为0.867,明显高于传统能量感知算法0.287的感知概率和基于小波变换的频谱感知算法0.628的感知概率。     

基于小波和先验信噪比维纳滤波的语音增强

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法.通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号.通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较.实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量.     

一种基于小波包熵的频谱检测算法

为了解决能量检测算法在低信噪比条件下频谱检测性能差的问题,提出了一种基于小波包熵的频谱检测算法.首先采用小波包变换对接收信号进行多层分解,并计算最后一层各节点的重构信号;然后计算各个节点重构信号的小波包熵值;最后选取熵值最小的重构信号作为检测信号进行能量检测.理论分析及仿真结果表明,在低信噪比情况下,该算法可以有效地抑制噪声影响,提高频谱检测性能.     

一种改进的基于短时平均幅度的语音端点检测算法研究

在噪声环境下,利用短时平均幅度为特征进行语音端点检测.文章在传统端点检测算法的基础上,研究了汉语音节的特点,提出采用短时平均幅度代替短时能量,并为平均幅度引入判决门限.门限值是根据语音信号背景噪声自动计算得到,从而保证了算法在噪声环境下检测的准确性.实验结果表明,与传统的基于短时能量的端点检测算法相比,改进的算法在高信噪比和低信噪比环境下都具有良好的性能.     

一种用能量谱去噪声计算声传播损失的方法

利用常规声传播损失方法计算实测水声场信号时,发现在低信噪比下计算得到的声传播损失存在较大误差.因此,利用能量谱去噪声原理,改进了常规声传播损失的计算方法,并比较分析了2种方法的结果.研究结果表明:当海洋环境条件较复杂、不易区分干扰源时,或者在低信噪比下的远程水声传播中,采用改进的声传播损失计算方法能够较好地抑制噪声、有效地提取信号能量和提高信噪比.     

一种强噪声环境下的语音端点检测算法

语音识别中语音信号端点检测的准确度起着至关重要的作用,传统的频带方差算法在强背景噪声环境下性能下降。提出一种改进算法,在保证算法复杂度较低的条件下,大大提高了检测的准确度。仿真证明,该算法在低信噪比条件下也具有较强的鲁棒性。     

基于计算听觉场景分析的语音增强改进算法

针对单通道语音增强问题,基于计算听觉场景分析(CASA)的原理,提出了一种基于CASA计算模型的语音增强改进算法。该算法在特征提取中选择了目标语音有效能量、信道互相关等特征,对语谱能量和互相关特征的阈值选取进行了改进。在5种低信噪比噪声干扰条件下的仿真实验结果证明,该算法输出增强语音的信噪比平均提高了9.32dB,有效地抑制了噪声。     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

改进的最小方差无畸变响应波束形成方法

提出一种改进的最小方差无畸变响应(MVDR)波束形成方法,通过调节波束形成的权向量设计中的增强因子来改善其方位分辨力,并且不以牺牲信号与干扰+噪声比增益为代价.仿真结果表明,所提出的方法可以有效改善MVDR波束形成的方位分辨力,且不损失MVDR波束形成的信号与干扰+噪声比增益.     

基于声压振速联合处理的矢量阵旋转不变子空间方位估计方法

为提高声矢量阵旋转不变子空间法方位估计性能,提出一种基于声压振速联合处理的算法.该算法构造了声矢量阵声压和组合振速的互协方差矩阵,将均匀间隔引导角下的系列互协方差矩阵取均值,作为引导角未知的互协方差矩阵,然后进行旋转不变子空间(ESPRIT)方位估计.仿真和试验结果表明,在低信噪比时该算法比现有常规算法有更好的性能.该算法基于矢量传感器声压和振速的相干性原理,充分利用声压振速组合指向性抗干扰能力,可以更好地抑制各向同性干扰,提高阵列的处理增益,从而有更好的方位估计性能.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

基于改进奇异谱分析的信号去噪方法

传统的去噪方法,比如小波阈值去噪,它只对高斯噪声有效,对于脉冲噪声却无能为力.近年来发展起来的奇异谱分析方法可以在高信噪比的条件下很好地滤除上述两类噪声,但该方法降噪过程涉及了一定的主观因素,并且受矩阵扰动理论的限制,该方法随着信噪比的降低,去噪能力也随之下降.针对上述情况,提出一种改进算法,将矩阵秩最小化理论应用于奇异谱分析方法中.仿真结果表明,改进算法去噪效果明显,能够最大限度降低信号均方误差,提高信噪比,增强奇异谱分析方法的通用性.      

一种改进的语音识别抗噪算法

为了提高在噪声环境下的语音识别性能,提出一种融合信号级和特征参数级抗噪的抗噪算法.该算法首先对带噪语音用最小均方误差估计法进行语音增强,后端对原始的带噪语音运用自相关法,以有效抑制加性和卷积噪声.实验结果表明,该算法能有效提高系统在噪声环境下,特别是低信噪比情况下的识别率.     

单值预估控制

给出了单值预估控制的算法,论证了单值预估控制与一般多值预估的等价性,认为两者控制性能是相当的.在给出闭环预估控制系统稳定性的一些必要条件和充分条件的基础上,提出用相对预估增益作为闭环系统的整定参数.同时给出了基于状态空间模型的单值预估控制算法,使算法更为简单,控制性能可得到进一步提高.     

基于小波变换的语音段起止端点检测算法

提出一种基于小波变换的语音段起止端点检测算法.传统的语音段起止端点检测算法大都是在时域上根据能量累积的大小判别语音段和噪声段,这些算法只是适用于高信噪比的情况.对于低信噪比的情况,这些算法往往要借助平均过零率等辅助特征.这样做不但增加了算法的复杂度,而且也未必奏效.单音节或浊辅音汉字的平均过零率与噪声的平均过零率大致相当.根据小波变换的特性,针对主要由白色噪声组成的噪声背景,提出一种新的语音段起止端点检测算法.这种算法根据白色噪声在小波变换域各个子带的平均能量变化平缓的特点判别语音段和噪声段.实验结果表明,算法即使在低信噪比的情况下也能正确判别语音段和噪声段.     

边缘保真去噪时窗分解新方法

在常规的图像处理中,为了减小噪音、提高信噪比,一般的处理方法中都含有平均效应,会造成信息的边界发生严重的畸变,降低分辨率。在围绕时窗分解方面提出了矩形或长方体分解方法与前人提出的多边形或多面体分解方法不同,实例计算结果对比分析,证明效果同样显著,并且矩形或长方体分解方法不容易出错,更为实用。