基于时延估计波束形成预处理的实时语音盲信号分离研究

针对现有盲信号分离算法,在真实环境下性能会降低及计算量大而难以实时处理的局限性,提出一种将基于时延估计的波束形成与一种简单的去相关盲分离算法相结合的分离方法.在波束形成中,首先用互功率谱相位法对信号源到达传感器阵列的相对时延进行估计,然后进行延时对消,在此基础上再进行盲信号分离,并将该去相关盲分离算法推广到频域进一步降低计算复杂度.仿真实验表明,该方法简单可行并使得分离效果显著改善.     

基于雄蝉生物发声机理的蝉鸣声数字化建模研究

目前临床治疗耳鸣的常用方法是耳鸣掩蔽疗法.国内外传统的耳鸣治疗仪普遍存在耳鸣匹配声源不足以及匹配效果差的缺陷.针对该问题,本文基于雄蝉的生物发声机理,通过分析研究其发声过程,从信号处理的角度提出一种模拟雄蝉发声的模型,用以合成最常见的耳鸣声源——蝉鸣声.实验表明,该模型取得了较好的效果,丰富了蝉鸣声匹配声源,具有一定的医用参考价值.     

基于后级滤波处理的频域语音盲信号分离

针对现有盲信号分离算法在真实环境下性能会降低的局限性,提出了一种将频域盲信号分离算法与后级滤波处理相结合的方法.在后级滤波处理阶段用自适应对消算法来去除分离信号中的残留干扰分量,根据语音信号的能量随频点分布起伏较大的特点,后级滤波算法引入了变步长的频域泄漏LMS(leaky LMS)算法.仿真实验表明,作者提出的方法使得分离效果有明显改善,而且比已提出的后级滤波处理方法效果要好.     

基于调频调幅的耳鸣匹配声源合成及多样化

耳鸣掩蔽疗法是临床治疗耳鸣的常用方法.国内外传统的耳鸣治疗仪普遍存在耳鸣匹配声源不足且匹配效果差的缺陷.针对该问题,本文基于调频调幅语音模型,结合能量分离算法,提出一种分离合成及多样化最常见的耳鸣声源——蝉鸣声的方法.实验表明,该方法取得了较好的效果,丰富了蝉鸣声匹配声源,且计算复杂度低;能够拓展到实现其他耳鸣匹配声源的合成及其多样化,具有一定的医用参考价值.     

医用蝉鸣声多样化合成的一种新方法

耳鸣掩蔽疗法是根据耳鸣的频谱和响度来调节掩蔽声, 使之与耳鸣感知类型相匹配, 以达到掩蔽耳鸣的目的. 蝉鸣声是最为常见的耳鸣感知类型, 但不同患者的耳鸣感知类型不一样, 因此研究蝉鸣声的多样化合成方法显得至关重要. 针对耳鸣匹配声源不够丰富的问题, 本文将近年来迅速发展起来的希尔伯特 黄变换法和非线性调幅 调频模型(AM FM)相结合的方法来合成蝉鸣声. 首先, 利用总体平均经验模态分解法的自适应带通滤波特性, 将不同共振峰分离出来; 然后通过归一化希尔伯特算法计算出各自的瞬时频率和瞬时幅度; 最后利用AM FM合成蝉鸣声. 实验结果表明, 该方法合成效果较理想, 具有一定的医用参考价值.     

基于自适应阈值的心音分段算法研究

心音信号可以反映人体心脏瓣膜活动情况,对心音进行分类可以区别出不同心音的病理性信息,这对于临床上诊断不同的心脏疾病具有重要的意义.心音分段是进行心音分类的前提,通过心音分段可以定位出心音中的第一心音(S1)和第二心音(S2),为心音特征参数提取与心音分类提供定位基准.为此,本文提出了一种新的自适应阈值选取心音分段算法.该方法首先利用小波变换默认阈值法对心音信号进行去噪;然后使用归一化香农能量来提取较为平滑的心音包络;接着对包络进行有效地峰值检测,从而确定初始大阈值TH1,并通过迭代法得到最终稳定的双阈值;最后进行心音分段以及分段结果分析.针对部分异常心音分段结果,如心音分裂等的分段结果,利用心音时域、能量等特性实现心音段的合并或去除,保证了分段结果的准确性.实验结果表明,本文方法对正常及异常心音分段准确率分别为97.24%和91.83%,总体分段准确率为95.56%,分段准确率高于传统的阈值选取分段方法.     

一种基于TMS320VC5416 DSK的有源噪声控制系统设计与实现

设计并实现了一种单通道有源前馈噪声控制系统.在TMS320VC5416 DSK、音频子板和扬声器等组成的硬件平台上,采用LMS算法实现次级通路辨识,采用Filtered-X LMS算法实现空间有源噪声控制.文中阐述了次级通路辨识和噪声控制的结构模型、原理与算法流程,介绍了硬件系统平台和软件设计,并给出了实验结果.     

一种蝉鸣声数字化建模的改进方法

蝉鸣声是耳鸣掩蔽治疗最常用的一种匹配声源, 而目前数字化合成的蝉鸣声存在声音机械的问题. 针对该问题, 本文对蝉鸣合成数字化模型的激励源、声源模型和声道模型进行了优化: 使用滤波成型波作为激励源; 在声源信号中加入第二泛音分量; 对声道模型的参数进行修改. 最终合成的蝉鸣声在频谱丰富度和声音自然度得到了优化, 对耳鸣的掩蔽治疗提供了技术参考.