基于听感知特性的双麦克风近讲语音增强算法

针对近讲系统的声学场景,提出一种基于听感知特性的双麦克风语音增强算法。模拟人耳频率分解特性,用gammatone滤波器组对2路麦克风采集的声音信号进行多子带频率分解;对分解后的时域信号进行分帧,生成时频单元,并计算每个时频单元的能量;以2路信号时频单元能量比值为线索,估计每个时频单元信噪比,模拟人耳掩蔽特性生成掩蔽模板,并作用于带噪声的语音信号,实现目标语音与环境噪声的分离。实验结果表明:由2路麦克风信号时频单元能量的比值可较准确估计时频单元的信噪比;该算法可提高带babble噪声命令词的识别正确率,优于当前单通道及双通道语音增强算法。     

安防系统光纤信号特征提取与分类算法研究

 在宽域全光纤安防系统中,在不影响灵敏度的情况下区分入侵和正常事件是一个关键性的系统性能指标.由于入侵和正常事件以及各个入侵事件的光纤信号在某些情况下极为相似,因此需要对这些信号的特征进行仔细的筛选和识别.本文由此出发,提出了一套光纤信号特征提取方案,即使用小波降噪手段对光纤信号进行去噪;根据信号与噪声的能量在时域分布的不同,提出了一种实用的光纤信号的预分割方法;提取信号在小波空间的能量分布特征,形成特征向量;使用向量机分类器对光纤信号分类.     

基于时频域特征的人员连续动作分段识别

基于惯性传感器的步态识别研究是人工智能应用到实际生活的典型范例,近几年取得满意的成就.针对日常生活中连续动作类型的信号,对其进行精确分割和识别的效果仍略有不足;这些研究局限于传感器信号的时域特征和一些简单的频域特征,且没有对不同动静状态的动作进行分类.将人类常见6种连续行为分为3类动态动作和3类静态动作,并对其进行分割和识别.使用滤波器去除原始信号噪声干扰.通过滑动窗口分割法进行分割,对每一个窗口片段提取常用传统特征和梅尔倒谱系数,以及倒谱系数的一二阶delta导数等频域特征.将6类动作的不同特征进行多种组合,使用分类器识别不同动作,将不同特征组合的识别结果进行比较.该模型在UCI公开数据集随机抽取了5组测试样本,整体分割识别准确率最高达到98.19％.     

复杂电磁环境下多跳频信号盲检测

为了在复杂电磁环境中实现多跳频信号盲检测,提出一种基于时频图连通域特征的多跳频信号检测算法.首先利用短时傅里叶变换与wigner-ville分布(STFTWVD)组合时频方法完成时频变换,保证时频图的时频分辨率和交叉项抑制,并利用自适应二维维纳滤波去除背景噪声,提高算法抗噪性能;然后采用自适应阈值二值化算法对时频图二值化处理并进行8邻域连通域标记,提取每个连通域的特征组成分类特征集;最后利用改进的K均值聚类算法完成特征集分类,根据分类集统计结果和检测条件实现跳频信号检测.仿真结果表明:本文算法能够有效克服定频干扰、突发干扰和扫频干扰;在低信噪比条件下,算法聚类稳定性较好,跳频检测成功率较高.     

基于人工神经网络的扬声器故障检测方法

提出了一种基于神经网络的扬声器故障检测方法.通过扫频仪激励扬声器,采集扬声器的响应信号,利用小波包分解的方法时频分析响应信号,得到各频段的能量;对分解后各频段信号的特征能量进行提取,规一化特征能量;把规一化后的特征能量作为人工神经网络的输入,通过BP神经网络对扬声器故障进行分类识别.实验对165个扬声器进行识别,识别率为95.8%.实验结果表明,该方法简便有效,具有实用价值.     

基于听觉模型特征的与文本无关说话人识别系统

基于听觉生理和心理学的感知机理,提出一种适于说话人识别的特征参数提取方法。该方法采用Gammatone滤波器组代替常用的三角形滤波器组计算出语音信号各子带能量,根据等效矩形带宽模型,确定了各个滤波器的中心频率与带宽。同时从语音信号各子频带携带的说话人个性特征信息量角度分析对滤波器子带进行加权处理,最后结合倒谱均值减方法对特征进行处理,最终生成具有较高鲁棒性的特征。采用高斯混合模型对说话人进行建模,仿真实验的结果表明:提出的特征参数对含噪语音的与文本无关说话人识别具有较好的效果,在低信噪比情况下,具有比传统特征参数更好的噪声鲁棒性。     

基于脉内步进LFM时频分析的抗间歇采样干扰方法

在深入研究抗间歇采样干扰的基础上,针对其时域不连续转发与时域不连续采样两个特点,提出一种基于脉内步进线性调频（LFM）时频分析的抗间歇采样干扰方法.该方法利用脉内步进LFM子脉冲之间的正交性互相掩护,通过短时傅里叶变换,将时频矩阵在时间维投影,提取干扰不连续转发段信号,并以该段信号最大值为门限,对时频矩阵进行干扰抑制,抑制后时频矩阵通过逆短时傅里叶变换,得到时域信号,并用于目标检测.理论推导和仿真结果表明,该方法可以有效抑制不同样式的间歇采样干扰,最大限度提取不受干扰信号.      

一种基于事件相关电位的时频表示方法

生物信号的非平稳特性使得经典的时域分析方法和频域分析方法不能更好地描述信号的局部特征,而联合时频表示可以有效地反映信号的瞬时频率特性.事件相关电位(ERP)是指在特定认知任务下获取的脑电信号,它与刺激所引起的皮层电位直接相关,ERP信号的时频分析将有助于从更深层次上解读其中蕴涵的丰富信息.本文在对几种典型时频表示方法的比较基础上,提出了一种基于滤波器组-Hilbert变换的信号时频表示方法,将这几种方法应用到模拟信号的结果表明,该方法可以更好地保留信号时频特征的细节.因此通过将滤波器组-Hilbert变换方法应用到心理学经典Stroop任务的ERP信号分析中,除了可以得到与心理学传统ERP分析一致的结果外,还可以获取比之更为丰富的信息.     

基于GSPAP的子带自适应声反馈消除算法

声反馈抑制需求鲁棒、高效的自适应滤波器。该文提出一种基于Gauss-Seidel伪放射投影(Gauss-Seidel pseudo affine projection,GSPAP)的子带自适应声反馈消除算法。通过加权重叠相加滤波器组进行子带划分,子带上采用参考信号的自相关矩阵取代能量对滤波器的自适应步长进行归一化;在自相关矩阵的迭代公式中引入基于输入信号和参考信号能量最大值的自整定系数,增强算法鲁棒性;选用二阶GSPAP迭代法对自相关矩阵解算求逆,以平衡算法性能与复杂度。实验结果表明:在相同滤波器长度的条件下,该文方法获得11~22dB的稳态增益增量,比时域归一化最小均方误差(normalized least mean square,NLMS)方法提升20%~55%。     

复杂体制雷达辐射源信号时频原子特征提取方法

针对复杂体制雷达辐射源信号调制类型识别问题,提出一种新的辐射源信号脉内时频原子特征提取方法(TFAD).该方法首先利用稀疏分解原理和改进差分进化算法将辐射源信号在Ga-bor和Chirplet时频原子库中进行分解,然后利用分解后的首原子能量和Gabor原子中心频率参数分别提取出2个相似比特征和1个频率方差特征作为辐射源信号脉内调制类型的分类特征,最后通过构造有向循环图支持向量机分类器实现雷达辐射源信号的分类识别.与计算复杂度至少为O(nlogn)的分形方法相比,TFAD方法只有O(n)的计算复杂度.采用不同信噪比和多种调制参数的5种辐射源信号进行大量仿真实验,结果表明TFAD方法可获得98.3%的平均正确识别率.