低信噪比环境下语音检测的邻域极值差分信号功率谱分维算法

提出一种邻域极值差分信号功率谱的分形维值算法,并用于低信噪比环境下的语音活动检测. 在时域信号邻域范围内作极值差分检索获得邻域极值差分信号,进一步根据差分信号功率谱估计的最小误差求解分维值.在安静环境下,对正常语音和耳语音的语音信号活动检测(speech activity detection, SAD)性能与盒维相似,明显好于谱熵算法. 多种噪声环境下的SAD检测结果显示,所提算法的误检率远低于谱熵算法,在除白噪声以外各种条件下的误检率均低于盒维算法,且计算量约为盒维算法的5%. 实验表明,该算法在SAD检测和效率两方面具有良好的综合性能.     

改进的基于交叉熵的语音端点检测算法

针对传统的语音端点检测方法在强噪声环境下的可靠性会急剧下降问题,提出了一种改进的基于交叉熵的语音端点检测方法。该算法以子带交叉熵为语音/非语音的区分特性,采用基于语音存在概率的算法对背景噪声进行估计,将每帧语音与估计噪声的频谱划分成若干个子带,计算出每个子带能量与背景噪声之间的交叉熵,根据各帧交叉熵的值对输入的带噪语音进行端点检测。实验结果表明,该算法能够有效地区分语音和非语音,在强噪声环境下依然能够保持较高的检测率,与传统算法相比,具有鲁棒性。     

一种新的麦克风阵列自适应语音增强方法

在复杂的语音环境中,利用麦克风阵列语音增强技术能有效地拾取目标语音信号并
消除噪声干扰,但传统的麦克风阵列波束形成的加权系数是固定的. 为了能灵活地控制麦克
风阵列波束的形成方向以及消除其波束旁瓣带来的残余噪声,提出了一种基于麦克风阵列的
自适应语音增强技术. 该技术将自适应滤波器和麦克风阵列相结合形成波束可控的广义旁瓣
消除器,然后在广义旁瓣消除器后面续接一个改进的谱减法,并加入契比雪夫窗函数. 仿真实
验结果表明,所提出的语音增强方法能有效去除语音信号中的噪声干扰,相比于传统广义旁
瓣消除器,信噪比大约提高了3.5 dB.     

离散变换算法在关键词检测系统中的研究

阐述了一个在较强噪声环境下针对汉语非特定说话人的连续无限制语音流中检测出其中关键词语音的公交车路线查询系统.为增强其关键词语音信号提出了建立一种新的基于离散变换的语音增强算法.并对同一噪声环境下增强关键词语音信号的模型与未增强关键词语音信号的模型进行了比较,结果显示,采用增强语音信号强度的算法在提高关键词的检测率同时,有效地降低了误报率,系统的整体性能较好,具有一定的实用性.     

语音增强技术在关键词检测系统中仿真研究

描述了一个机票定制系统,在强噪声环境的公共场所针对汉语小词汇量非特定说话人的连续无限制语音流中检测出其中的关键词语音.为增强其关键词语音信号提出建立一种新的基于行为模式分解的语音增强算法.对同一噪声环境下增强关键词语音信号的HMM与未增强关键词语音的HMM进行了比较,结果显示,采用增强语音信号强度的算法在提高关键词的检...     

基于二阶差分耳蜗模型的语音识别新方法

采用二阶差分耳蜗模型对语音信号进行特征参数提取,获得了基于听觉谱的语音识别前端特征参数,同时根据听觉谱特征提出了一种"幅和频差积"距离测度,识别算法采用端点放松两帧,路径斜率限制在1/2到2之间的改进型DTW算法.在小词汇量非特定人(SI)的识别环境下,计算机模拟结果表明此法在对0~9十个数字以及小词汇量的SI识别时,其正识率可达98%以上,且具有较好的鲁棒性.     

识别LSB和USB的门限自适应算法

基于语音谱的统计特性提出了一种从模拟话音SSB信号中自动识别出LSB或USB调制方式的算法.该算法简单,计算量小,非常适合用DSP来实时实现;门限自适应处理使得该算法鲁棒性较好.仿真结果表明该算法在低信噪比时仍有令人满意的识别效果.     

提高空间谱算法分辨率的DOA估计

针对传统MUSIC算法在低信噪比,小快拍数等非理想条件下分辨率下降的问题,提出了改进的基于子空间投影的MUSIC测向算法. 该算法充分利用子空间信息,采用新的特征值校正方法对噪声子空间进行加权,并与加权信号子空间投影进行空间谱合成,得到新的空间谱函数. 搜索函数极大值,就能得到来波方向. 新方法既保
留了噪声子空间算法的高分辨性能,又保留了信号子空间算法的稳定性. 计算机仿真和实测数据表明新方法有效.     

强噪声下基于听觉模型的汉语声调提取

基于人耳听觉模型和汉语语音的短时平稳特性,提出一种鲁棒性的汉语普通话声调提取方法.采用基于人耳听觉模型的相关图来提取语音信号的基频,运用无监督的侧抑制神经网络来模拟人耳侧抑制属性进行基频检测,为了克服在低信噪比情况下侧抑制神经网络的误判问题,引入了相邻语音帧的语音基频的帧间约束.试验表明,该方法在信噪比很低的条件下,仍能较准确地识别出目标语音声调,并能在双话者同时发音的情况下实现各自的声调分离.     

基于语谱图和神经网络的声纹识别研究

随着科技的不断发展,人们对信息安全的要求越来越高,如何更简单、更方便、更加安全地进行身份验证变得异常重要。在卷积神经网络(CNN)的基础上,结合语谱图和直方均衡增强算法对声纹识别特征进行学习和训练。模型使用非固定长度语音段,首先将语音段进行滤波、分帧、加窗和离散余弦变换得到语谱图,再使用直方均衡算法将像素点不均匀分布语谱图转化成像素点能在整个灰度区间均匀分布的语谱图,最后使用CNN对语谱图进行特征训练和身份认证。     

基于连续小波变换的功率谱估计方法

利用连续小波变换的带通特性,参照功率谱模拟估计方法的思路,对信号进行功率谱估计。介绍了基于连续小波变换的功率谱估计的基本原理,给出程序流程和仿真结果,讨论其特点,并与基于FFT的谱估计方法进行了比较。     

雷达辐射源个体特征的提取与识别

针对雷达辐射源个体特征,应用波形熵和能量熵对经过围线积分后的双谱估计结果进行特征提取,并根据此特征构成的二维特征向量实行后续的个体识别码. 针对二维特征向量识别,应用质心距离法分析提取出二维特征向量,对此二维特征向量所对应的雷达辐射源个体进行识别,并与模糊C-均值聚类法进行对比分析. 通过仿真实验和实测分析,验证了所提方法能在一定信噪比下对雷达辐射源个体进行正确的识别.     

基于稀疏约束非负矩阵分解的水下线谱增强方法

水下目标线谱增强是被动声纳目标探测的关键问题之一。传统的线谱信号处理方法集中于时域和频域处理,本文提出了利用非负矩阵分解,在时频联合域内进行线谱信号增强的处理方法,以目标线谱信号的时频矩阵作为非负矩阵分解的输入,通过基矩阵提取线谱信号的频谱模式。根据线谱信号在频域的稀疏性质,对基矩阵进行稀疏性约束,利用权重稀疏扫描的方式讨论基矩阵的稀疏度和频率估计精度随权重系数的变化关系,确定稀疏约束项的有效权重系数区间。仿真结果显示,稀疏约束项在低信噪比条件下表现出优越的线谱增强能力,最低信噪比可达-30 dB。海试数据结果表明,此方法可以有效地提高对线谱信号的提取能力。     

基于空间谱估计的多局部放电源分辨和定位

提出基于空间谱估计的变压器局部放电源定位方法．利用电磁矢量传感器检测局部放电特高频（UHF）信号，该传感器是一个六元天线阵，能同时检测入射UHF信号的6个电磁场分量．对传感器输出数据进行窄带滤波，应用信息论的最小描述长度准则或平滑秩序列法估计局部放电源数，并应用空间谱估计理论中的多重信号分类算法实现多局部放电源的分辨和定位。通过仿真和实验研究，证明了单个电磁矢量传感器可以分辨并定向追踪3个局部放电源．     

基于经验模态分解结合傅氏变换与Wigner分布的Mel频率倒谱系数提取

根据语音信号的非平稳特点,用经验模态分解方法把语音信号分解成一系列固有模态函数(Intrinsic Mode Function,IMF),一个IMF只含有语音信号的一部分信息,不同IMF分量携带的特征信息不同,对这些IMFs进行加权处理,得到新的语音,再对其进行后续处理.Wigner-Ville分布能精确地定位信号的时频结构,而传统傅氏变换不能反映信号的瞬时变化情况,但多分量信号的Wigner-Ville分布受困于交叉项的干扰,因此利用Wigner-Ville分布的优点,采用Wigner-Ville谱与傅氏谱结合来代替单独的傅氏谱作为每帧的特征,进行Mel频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)提取.实验表明,经改进后的MFCC参数较传统的MFCC参数应用于说话人识别系统,识别率有较大提升,且鲁棒性较好.     

应用ICA的混沌直扩信号盲分离及检测

摘要： 混沌直扩信号是由普通混沌信号直接调制信息信号得到的一类扩频通信信号,它兼有混沌信号和直扩信号容量大、低截获等特点. 该文针对复杂环境下非合作混沌直扩信号检测的问题,考虑到多径传输及噪声条件下混沌直扩信号混沌特性被明显削弱,在考察直接检测方法的基础上提出一种基于ICA的信号盲分离和混沌特性检测相结合的检测方法. 首先将接收到的混合信号分离成各单路信号,再检测各路信号的混沌特性. 理论分析和仿真实验表明,分离后混沌直扩信号的纯净度明显提高,基本上不再受噪声等的影响,在输入信噪比?40 dB 条件下仍可有效检测出混沌直扩信号.     

子带频谱分析的语音增强

提出一种有效的语音增强算法,该算法使用重叠相加FFT滤波器进行谱幅度估计,给出噪声估计的两个均值参数,此参数适用于任何噪声.而且进行噪声估计无需检测语音间隙,无需VAD的运算过程,克服了单信道噪声压缩算法的缺点.     

基于ENF邻域相关系数的音频篡改盲检测

为了提高现有的基于电网频率(electric network frequency,ENF)信号的盲篡改检测方法在低信噪比时的检测准确率,提出一种利用ENF信号邻域相关系数的音频篡改盲检测方法.首先将待测音频中提取的ENF信号划分子块,并计算相邻区域子块的相关系数;然后对相关系数序列进行自适应快速横向滤波(fast transversal filter,FTF),根据误差能量的变化检测音频篡改.为了减小干扰的影响以提高篡改检测准确率和篡改定位精度,从正、反两个方向对音频进行上述处理,再结合两个方向的误差能量进行篡改检测.与现有的两种代表性方法相比,所提出的方法不但能精确定位篡改,而且能有效提高音频篡改的检测准确率,尤其是在ENF波动较大和信噪比较低的情况下更有优势.     

小波变换在语音增强中的应用

通过分析语音信号的特性,采用了先对信号进行清浊音的判断,其次运用小波变换来处理带噪语音信号在不同尺度上的带噪小波系数,从而实现在重构中增强语音信号的目的,并通过计算机仿真结果验证了该方法的有效性.     

一种低复杂度2.4 kb/s正弦激励线性预测声码器方案

提出了一种改进的低复杂度2.4 kb/s语音编码方案,采用基于正弦激励的线性预测模型.LSF参数采用全局最优标量量化,明显降低了运算复杂度,加入了G.729LSF量化的帧间预测技术,保证了语音质量.能量参数直接提取增强了算法抗误码能力.分子带清浊音模式归并节省了比特分配.测试结果表明,合成语音质量明显高于2.4 kb/s混合激励线性预测算法,且运算复杂度更低.