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.     

基于自适应基追踪去噪的含噪语音压缩感知

针对含白噪语音信号压缩采样后采用基追踪方法重构性能差的问题,提出了自适应基追踪去噪方法,该方法根据原含噪信号的信噪比自适应选择重构最佳参数,从而在重构语音的同时提高原信号信噪比。把该方法运用到含噪语音压缩感知中,对重构语音进行了主客观评价,并分析了不同压缩比下的重构性能。仿真结果显示:本文方法既实现了压缩采样,又在重构信号时实现了语音增强,优于基追踪重构方法     

基于双通道神经网络时频掩蔽的语音增强算法

为提高语音增强算法消除方向性噪声和抑制混响的能力,结合单、多通道处理信号的优势,提出了双通道神经网络时频掩蔽语音增强算法.首先,利用改进的多分辨率耳蜗动静态特征,结合依据信噪比优化的自适应掩模,对双麦克风信号分别进行单通道神经网络初步语音增强,达到全面利用语音非线性特征改善感知度的目的;其次,提出一种基于自适应掩模方向矢量定位法,精确计算语音、噪声的空间协方差矩阵和方向矢量,在带噪和混响的环境下精确定位目标声源;最后,输入信号到卷积波束形成器中,进一步去噪和抑制混响.实验结果表明:与其他单、多通道语音增强算法相比,重构语音具有更好的语音质量和可懂度.     

基于自适应形态小波的轧机电气信号压缩方法

针对非线性、非平稳信号的数据压缩问题,提出了一种基于自适应形态小波的轧机电气信号压缩方法.结合电气信号的形态特征,采用中值算子作为形态小波的更新算子对信号进行分解,从而实现根据信号的局部形态特征,自适应地调整形态小波分解的更新算子.工业现场实际轧机电气信号的数据压缩实验证明:利用这种形态小波信号压缩方法,可以获得高压缩比的信号,并能保留信号的形态特征;同时,这种形态小波信号压缩方法运算量小,可以应用到实时性要求较高的在线监测系统中.     

基于压缩感知的语音压缩与重构

基于语音信号在离散余弦基下的近似稀疏性,对语音信号采用压缩感知技术进行压缩和重构,研究了分析窗长固定时重构误差与观测点数的关系, 针对低压缩比下重构信号"noisy"的特性,提出对重构信号进行小波去噪联合低通滤波的方法以改善重构语音的质量,并研究了低压缩比下分析窗长对重构信号质量的影响.仿真结果表明低压缩比下,合理选取分析窗长,并采用小波去噪联合低通滤波的处理方法可以明显改善重构语音的质量.     

基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知。首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量。然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测。最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号。实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能。     

基于压缩感知的自适应谱减法语音增强算法

针对在压缩感知框架下,噪声的影响会被扩大这个问题,提出了一种新的基于压缩感知的语音增强算法。该方案利用压缩感知下的行阶梯观测矩阵能够保留大部分语音特性的特点,对观测序列进行谱减法消噪,再对得到的观测序列进行基于输入信噪比的自适应重构,最后通过低通滤波器对重构语音进行平滑滤波,除去高频成分。实验结果表明:提出的语音增强方法具有较强的抗噪能力,重构速度快,输出的信噪比高,鲁棒性能好。     

基于DSP的语音响度补偿的实现

针对耳聋患者的听阈曲线与正常人之间的区别,提出一种在频域内实现语音响度补偿的新算法,即频率细分响度补偿法,就是对每一帧语音信号频谱变换后,对频谱所含的每个频率点进行相应的增益补偿,并用TMS320VC5509A DSP芯片实现。     

语音自适应压缩采样匹配追踪重构算法

基于小波分解下的语音压缩编码与重构框架,研究分析了含噪情况下贪婪算法的重构性能和抗噪性能,提出了一种改进的自适应压缩采样匹配追踪算法(ACoSaMP).该算法可在稀疏度未知的情况下,通过设置可变步长分阶段实现对稀疏度的逼近.同时,在每次迭代过程中,用最小二乘法对残差信号进行估计,代替传统CoSaMP算法对整个信号的估计.最后用小波去噪法对合成语音进行处理.实验结果表明:不同压缩比下,该算法的主客观重构效果均优于现有同类算法,对噪声有较强的鲁棒性.     

基于语音压缩感知观测序列语音能量估计及端点检测方法

根据压缩感知理论,文中分析了基于压缩感知观测序列语音能量估计的理论基础,并对不同压缩比下语音能量估计的准确度仿真结果做对比,然后将得到的语音能量估计做为语音端点检测的基础,分别对粉红噪声、高斯噪声和汽车噪声情况下不同信噪比的语音进行端点检测,并与基于压缩感知观测序列倒谱距离、传统的奈奎斯特采样中能量的语音端点检测方法做对比,减少了计算量.     

DSP应用--全数码助听器

研究DSP在可编程全数码助听器中的应用，主要包括方向性麦克风系统、双通道信号处理、消除声反馈、消除背景噪声、宽动态压缩、纯音发生器等部分的设计。     

基于PSOLA算法的语音编码压缩的研究与实现

以时域基音同步叠加 (TD PSOLA)技术和一个全汉语单音节库为合成单元进行汉语语音合成 ,合成的语音清晰度和自然度很高 .但是这样的系统语音库太大 ,不利于在小型设备中实现 ,影响了语音合成的进一步应用 .本文针对此问题 ,在研究A律压缩的基础上 ,采用自适应量化和自适应预测的技术 ,以较少增加合成运算量复杂度为代价 ,对语音库的编码实现压缩 ,使压缩后的语音库减小了约一半 ,大大减小了所需的存储空间 .并且利用压缩后的语音库合成语音 ,基本上不影响合成后的语音质量 ,从而进一步扩展了语音合成的应用 .     

Stereocilin-deficient mice reveal the origin of cochlear waveform distortions

Although the cochlea is an amplifier and a remarkably sensitive and finely tuned detector of sounds, it also produces conspicuous mechanical and electrical waveform distortions. These distortions reflect nonlinear mechanical interactions within the cochlea. By allowing one tone to suppress another (masking effect), they contribute to speech intelligibility. Tones can also combine to produce sounds with frequencies not present in the acoustic stimulus. These sounds compose the otoacoustic emissions that are extensively used to screen hearing in newborns. Because both cochlear amplification and distortion originate from the outer hair cells-one of the two types of sensory receptor cells-it has been speculated that they stem from a common mechanism. Here we show that the nonlinearity underlying cochlear waveform distortions relies on the presence of stereocilin, a protein defective in a recessive form of human deafness. Stereocilin was detected in association with horizontal top connectors, lateral links that join adjacent stereocilia within the outer hair cell's hair bundle. These links were absent in stereocilin-null mutant mice, which became progressively deaf. At the onset of hearing, however, their cochlear sensitivity and frequency tuning were almost normal, although masking was much reduced and both acoustic and electrical waveform distortions were completely lacking. From this unique functional situation, we conclude that the main source of cochlear waveform distortions is a deflection-dependent hair bundle stiffness resulting from constraints imposed by the horizontal top connectors, and not from the intrinsic nonlinear behaviour of the mechanoelectrical transducer channel.     

AMBE 语音压缩算法在机车语音记录仪中的应用

IMBE和AMBE都是基于MBE技术的低比特率、高质量语音压缩算法，其优越的性能已得到国际公认，并植于DVS公司的AMBE2000语音压缩芯片内。以AMBE2000压缩芯片为核心实现的机车固态语音记录仪，具有智能化、全电子、记录时间长、可靠性高的特点，是保证铁路行车安全的重要设备，正逐步在铁路机车上推广使用。     

Efficient auditory coding

The auditory neural code must serve a wide range of auditory tasks that require great sensitivity in time and frequency and be effective over the diverse array of sounds present in natural acoustic environments. It has been suggested that sensory systems might have evolved highly efficient coding strategies to maximize the information conveyed to the brain while minimizing the required energy and neural resources. Here we show that, for natural sounds, the complete acoustic waveform can be represented efficiently with a nonlinear model based on a population spike code. In this model, idealized spikes encode the precise temporal positions and magnitudes of underlying acoustic features. We find that when the features are optimized for coding either natural sounds or speech, they show striking similarities to time-domain cochlear filter estimates, have a frequency-bandwidth dependence similar to that of auditory nerve fibres, and yield significantly greater coding efficiency than conventional signal representations. These results indicate that the auditory code might approach an information theoretic optimum and that the acoustic structure of speech might be adapted to the coding capacity of the mammalian auditory system.     

传感器动态误差修正方法探讨

该文介绍了频域动态修正方法的原理及存在问题,采用在传感器之后增加一动态补偿环节来改善传感器之性能,探讨了补偿环节频率响应函数的求取方法,讨论了动态补偿数字滤波器的设计方法及传感器存在动态误差的判据,通过典型传感器的动标数据,用基于沃尔什函数的最小二乘建模方法获取该传感器之传递函数,设计了相应的动态补偿数字滤波器,并进行了计算机仿真计算。     

基于形态学的数字助听器单频段压缩放大算法

为改善数字化助听器产品的语言识别,提出了一种单频段压缩放大方法。该方法利用数学形态学方法定位共振峰和频谱包络特征,通过对特征点处增益值进行插值的方法得到放大后的频谱,再利用Fourier变换实现单频段压缩放大。该算法中谱特征定位只需逻辑判断和加法即可实现,其计算量低于同类线性预测编码(LPC)算法。仿真结果表明,该算法对声谱特征点定位完整、准确,放大后谱特征保存完好。言语测试结果表明,该方法相对于传统的多频段压缩放大方法,可提高中重度聋患者的辅音识别效果和噪声背景下的言语识别率,且减小计算量,有实用价值。     

基于多维度注意力机制和复数Conformer的单通道语音增强方法

为提高被噪声干扰的语音的可理解性和语音质量,针对用于语音增强的深度复数网络对语音复数谱中关键声学特征提取不充分、关联信息建模不合理的问题,提出了基于多维度注意力机制和复数Conformer的单通道语音增强方法(SE-MDACC)。在复数U-Net架构下引入复数Conformer,对语音幅度和相位的相关性进行建模;利用多维度注意力机制,构造更加丰富的特征来增强卷积层的表示能力;在残差连接中加入注意力门控机制强化重构语音的细节信息。实验结果显示,相比于深度复数卷积递归网络,SE-MDACC的客观评价指标语音质量感知评估和短时客观可懂度分别提升15.299％、1.462％,表明SE-MDACC可充分提取语音声学特征并对幅度和相位相关性进行合理建模,有效提升语音质量和可理解性。