基于频域和时域结合的基音周期提取算法

基音周期提取是语音编码和语音识别领域的一项重要研究课题。为了解决传统的自相关方法容易出现的半频倍频错误,提出了基于时域和频域分析的提取算法。该算法首先提取时域自相关值最大的若干个候选值;然后统计每个候选值对应的频域上所有相邻两个谐波能量和的最大值,用来对其自相关值进行加权;最后根据历史的基音周期值以及候选基音周期所对应的频域能量值对加权值进行修正。使用Keele数据库进行测试表明,使用该算法后基音周期提取的半频倍频错误率比传统算法下降了50%左右。     

一种改进的小波变换基音检测算法

为了克服目前诸多基音频率检测算法精度低、复杂度高和鲁棒性差的缺点,提出一种利用小波变换结合线性预测的去噪方法,并通过自相关函数和平均幅度差函数的线性组合得到基音频率,实验验证,该方法性能明显优于自相关函数法和平均幅度差函数法,减少了倍频及半频的误差提取,提高基音频率的提取精度,同时在低信噪比的情况下,仍能精确提取出基音频率。     

基于子帧参数动态规划的语音基音周期提取算法

基音周期是语音参数编码中的重要参数。利用语音短时平稳性,提出了基于子帧参数动态规划的算法：每帧提取两组参数,帧间动态规划。仿真表明：对比传统算法,本方案更加准确;对于清浊音过渡帧的检测和基音倍频/半频错误有较好的改进作用。     

基于EMD的ACF基音检测改进算法

针对传统的自相关函数基音检测算法容易出现倍频错误的问题,本文提出了一种基于经验模式分解的ACF基音检测改进算法.该改进算法利用EMD将一帧语音信号的ACF分解成多个本征模式函数和残余分量,同时根据IMF的累积能量分布情况找出含有基音信息的IMF,最后通过该IMF准确地估计出该语音帧的基音.仿真实验结果表明:本文所提算法性能明显优于传统ACF算法;相比较于检测效果较好的WAC算法,本文所提算法的性能依然有了一定的提升.     

基于小波减噪的基音检测改进算法

为了提高含噪语音信号在低信噪比情况下的基音检测准确度,以带噪语音信号为研究对象,采用小波变换对带噪语音信号进行减噪处理以提高带噪语音信号的信噪比,再利用自相关函数对减噪后的语音信号进行基音检测。利用Matlab软件对具有不同信噪比的带噪语音信号进行了基音检测改进算法仿真实验。实验结果表明,当带噪语音信号信噪比下降到0d B时,改进算法基音检测正确率略高于未进行小波减噪的基音检测算法正确率。当带噪语音信号信噪比下降到-5d B时,改进算法基音检测正确率明显高于未进行小波减噪的基音检测正确率。     

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.     

基于调制重叠变换的窄带干扰检测技术

提出一种改进的干扰检测算法,在自适应门限的基础上增加一个干扰门限,对调制重叠变换后的数据进行双门限干扰检测。研究结果表明:该算法可有效克服自适应门限算法和传统双门限算法对高信噪比敏感的缺陷,在保证低信噪比条件下较高的干扰检测概率的同时,有效降低高信噪比、无干扰下的干扰误检概率,以及高信噪比、小干扰的检测概率。本文所提检测算法在大信噪比范围均保持良好的干扰检测性能。     

基于倒谱修正模型的语音基音检测算法

该文提出了一种基于修正倒谱模型的改进的倒谱基音检测算法.该算法首先对分帧语音进行10阶线性预测编码(LPC)分析和逆滤波,获得LPC预测残差;然后对残差信号进行倒谱分析,倒谱分析中采用了离散傅里叶变换频谱的高频分量置零的计算措施;最后根据倒谱的特征求得浊音语音的基音周期.仿真检测结果表明:该算法无论对纯净语音,还是对不同加噪情况下的含噪语音,其基音检测结果都明显优于传统倒谱基音检测算法,并且也明显优于基于平均幅度差函数的基音检测算法,而略优于基于自相关函数的基音检测算法.     

基于改进小波包变换的一种音频编码算法

对音频编码中基于自适应小波包分解在前人基础上作了进一步的探讨,对最优小波包的选择进行了优化,根据应兼顾实时计算复杂度和音频信号能量集中在低频的特点,提出一改进的自适应小波包分解算法,并采用基于心理声学模型的零树编码,使该系统对语音信号有较高的压缩比,同时能保持良好的实时性和客观恢复信噪比.     

基于自适应门限的分形维数语音端点检测

针对固定门限方法在语音端点检测技术中的局限性,为了提高低信噪比下语音端点检测的鲁棒性和准确率,将自适应门限应用于分形维数的语音检测中,提出了一种新的语音端点检测算法.该算法通过对语音信号产生机制的分析,将分形维数用于语音起止点的检测中,设计了自适应门限,从而有效降低了噪声干扰对检测结果的影响,并实现了实时检测.仿真实验结果表明,在低信噪比的情况下,改进的端点检测算法比传统的短时能量检测算法可更准确有效地实现带噪语音的端点检测,而且对噪声干扰具有更好的鲁棒性.     

一种改进的抗噪基音周期检测算法

介绍了一种改进的抗噪性强的基音周期检测算法,该算法利用经典的自相关函数和平均幅度差函数,并将二者相结合.它继承了自相关函数的抗噪特性,并通过能量函数进一步加重基音峰值点,进而提高了在噪声环境下的提取准确度.与传统自相关方法相比,该算法很好地克服了基音半倍和双倍错误.实验证明:这种算法简单易行,又有很好的抗噪性能,在存在噪声的条件下,仍能比较精确地检测出基音周期.     

一种改进的多模索引调制OFDM方案

为提高多模索引调制正交频分复用的能量效率,提出一种改进方案和相应的检测算法.该方案在不消耗能量的情况下能通过空载模式传递部分信息,还能通过改变空载模式与其他模式的比例来实现频谱效率和能量效率的兼顾.分析了空载模式对误比特率性能的影响,并据此对加入空载模式后的多模式星座进行优化;此外,提出改进的低复杂度最大似然检测算法,在不降低误比特率性能的前提下进一步降低多模方案的检测复杂度.仿真结果表明:在瑞利衰落信道下,当误比特率为1×10~(-5),频谱效率为1.75,2.00,3.00,4.00 bit/s/Hz时,所提方案分别取得了6.0,3.7,3.4,1.7 dB的信噪比增益.     

一种改进的基音检测算法

提出了一种改进的基音检测算法,通过最小化重建谐振峰与原始谐振峰之间的误差得到最佳的基音估计。在基音估计中引入误差控制因子以得到无偏的误差函数,同时对基音轨迹跟踪技术作了改进,以保证基音轨迹的正确演变。实验结果表明,与ＩＭＢＥ标准中的基音检测算法相比,该方法能够提供更正确且平滑的基音轨迹,尤其在过渡段能有效地跟踪快速基音变化,从而使重建语音具有更好的连续性和主观质量。     

高帧频数字图像序列实时压缩算法

针对高帧频数字图像序列的特点,提出了一种自适应近无损压缩算法,将连续的n帧分为一节,每节的第一帧进行基于帧内感兴趣区域(region of interest,ROI)的压缩,其他帧在帧间差分和阈值处理后进行游程编码.在第一帧内,利用形态Harr小波提升和连通性分析检测出高频子带中的感兴趣区域.对感兴趣区域采用Rice无损熵编码,背景区域不编码.低频子带直接输出.实验结果表明,该算法在帧内能有效地划分感兴趣区域,压缩率在30以上,峰值信噪比在42 dB以上,目标无失真;帧间压缩的压缩率在7左右,背景区域有误差累积,但整体图像的峰值信噪比都在40 dB以上,目标无失真.该算法的计算复杂度较低,易于硬件实现,而且还具有自适应性和数据包独立的优点,适合于高帧频数字图像序列的实时压缩应用.     

基于小波-Contourlet变换的区域能量加权图像融合算法

为了消除Contourlet变换中拉普拉斯金字塔分解存在的信息冗余,提出了一种基于小波-Contourlet变换的图像融合算法.该算法采用了不同的窗口函数计算图像高频分量和低频分量的区域能量;以区域能量计算的归一化权值对各小波-Contourlet系数进行加权,得到融合小波-Contourlet系数.实验结果和均值、方差、熵与交叉熵等客观评价数据表明,在相同融合规则下,小波-Contourlet变换能够取得比Contourlet变换更好的结果;在相同变换条件下,基于不同窗口函数的区域能量融合规则的融合效果好于基于均值窗口函数的区域能量融合规则和低频采用均值与高频取最大值的融合规则.     

基于小波变换和奇异值分解的图像压缩

本文首先介绍了基于小波域的奇异值压缩算法,然后提出了基于矩阵分块和阈值约束的奇异值压缩编码算法：低频子带直接进行熵编码。针对高频子带分块处理,结合各频带的能量与奇异值之间的关系,选择不同的阈值,对分块矩阵进行带阈值条件的奇异值分解方法。通过改进的算法和直接的奇异值分解进行了实验对比,在同样的压缩率的情况下可以获得更高的峰值信噪比。     

基于小波变换的零树编码改进算法

在讨论小波变换及EZW算法的基础上,分析了EZW算法的不足.通过对低频子带单独编码、在高频子带进行边缘检测、分类编码等措施的研究,提出了一种基于EZW算法的改进算法.实验结果表明:从峰值信噪比及编/解码时间对照,该算法优于EZW算法.     

低频微弱信号高精度检测研究

复杂环境下高精度检测低频微弱信号非常重要,本文针对目前低频微弱信号检测系统精度低、检测方法繁琐、仪器价格昂贵等问题,设计了一种用于500 Hz以下、幅值为0.01 nA或者mV级低频微弱信号高精度检测系统.对实际环境中低频微弱信号测量的噪声源及抗干扰措施进行了理论分析;其根据低频微弱信号特点和抗干扰措施设计了一种低频微弱信号高精度检测系统;最后,通过调试实验和人体脉搏信号测试验证了检测系统的性能.测试结果表明,该检测系统能够实现500 Hz以下、幅值为0.01 nA或者mV级的低频微弱信号检测,检测误差低于0.5%;人体脉搏信号检测输出信噪比为（60±2） dB,均方根误差小于5×10-4,信号细节特征信息完整.由此得出,该检测系统具有精度高、抗干扰性强、稳定性好、实用性强、操作简单、价格低廉等特点.      

自适应移频变尺度随机共振在故障诊断中的应用

针对移频变尺度随机共振系统参数选择困难的问题,提出了一种基于时频指标的自适应移频变尺度随机共振算法.该算法选用了最高谱峰位置(频域)及过零间距方差(时域)作为优化目标函数,避开了以信噪比等为目标函数时需要预先知道目标信号确切频率的不足,能够自适应地获取最优系统参数,以最大信噪比检测出微弱周期信号.同时,由于移频变尺度随机共振的选用,该自适应算法突破了传统随机共振系统的限制,因此可以检测实际工程中的高频信号.仿真和故障诊断的工程应用结果表明,该自适应算法简单、易于理解,能有效地从强背景噪声中检测出高频微弱周期信号,具有较强的工程实用价值.     

基于小波变换的双匹配度图像融合算法

在研究图像融合基本方法的基础上,提出了一种基于小波变换的双匹配度并结合方向与区域能量的图像融合算法.对低频分量采用双匹配度的融合策略,对高频分量采用结合区域能量的带有方向性的加权算法.实验表明,图像融合算法使得低频部分的内容更详尽,而高频部分保留了有效的细节和边缘信息,最终使图像的清晰度更高.