中心消波自相关法语音基音检测

采用非线性中心消波与自相关/AMDF相结合的算法提取语音基音周期,有效去除声道共振峰的影响和噪声的干扰,实现语音的基音检测;绘制了周期轨迹平台图,使周期/频率读取更加直观.MATLAB仿真实验结果表明,该方法有效、准确地提取了基音周期,并且对噪声有一定的鲁棒性.     

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。     

一种高性能汉语语音基音周期估计方法

在分析 AMDF基音周期估计方法的基础上 ,提出一种新的汉语语音基音周期估计方法MAMDF( Modified AMDF)。实验证明 ,MAMDF方法可以获得更好的基音估计精度和时域分辨度。     

一种小波加权的基音检测方法

噪声环境下的基音检测在语音信号分析和识别中占有重要地位。自相关法是一种常用的基音检测方法，利用自相关法结合小波变换检测信号突变的灵敏性，提出了一种噪声环境下有效的基音检测方法。实验结果表明，与传统方法相比，该方法鲁棒性好，对基音检测具有更高的准确率。     

一种有效的语音基音周期提取算法

语音信号处理中精确提取特定语音的基音周期有重要的意义．采用了一种有效方法，即在浊音中用段内位移匹配的方法提取出基音周期，有效地防止由于一个周期内的2段相似波形被误判为两个周期的情况，同时也防止取到倍周期的可能．实验证实，此方法提取出的基音周期准确，能较好地合成出特定人的语音来．     

藏语语音基音周期检测

在藏语语音处理中基音周期的检测具有非常重要的意义．本文首先讨论了用自相关函数法进行基音周期检测的基本原理及其改进方法,进而研究了这种方法在藏语语音处理中的应用,并给出了相应的实例．     

基于小波变换的语音基音周期实时检测算法

针对基音周期检测实时性的要求,提出了基于小波变换的语音基音周期实时检测算法。该算法利用小波变换极值与信号突变点之间的关系,将小波域波形与时域波形相结合,采取自适应基准、多特征参数提取小波系数极大值,并在2.5 ms时间内捕捉并检测到新的基音脉冲位置。实验表明,该算法对语音和残差信号取得了较好结果。     

MIMO系统下低复杂度树形检测算法的研究

如今移动通信业务对高速度高精度的通信数据传输的要求,促进了学者们对各类通信数据信息检测算法的研究。该文从整体上介绍了各类树形搜索策略的检测思想及其代表算法,按照树形搜索策略的不同分成穷搜索、深度优先搜索、宽度优先搜索和度量值优先搜索四类,列举了各类搜索策略的典型算法,分析了它们的优势和缺点,列举出针对这些缺点拓展出的研究现状,并对现状和问题进行总结,提出了在后续针对树形检测算法进一步优化的研究方向。     

改进的频域基音检测算法

在语音信号的低码率参数编码算法中,准确地提取基音信息是一个重要环节,文中对基于正弦波语音模型的频域基音检测算法的运算量大、易受共振峰干扰等问题提出了改进,改进后算法的运算量小,算法的准确性高,有效地减小了共振峰对频域基音检测算法的影响,模拟实验表明,改进算法的运算量仅为原算法的13%。     

正交空间调制系统的低复杂度检测算法

正交空间调制(quadrature spatial modulation,QSM)作为一种扩展的空间调制(spatial modulation,SM)传输方案,近年来受到业界的广泛关注.它通过在发送端将发送的复值符号的实部和虚部分开传输来提高频谱效率.由于正交空间调制系统的最大似然(maximum likelihood,ML)检测算法在整个搜索空间进行穷搜索,导致计算复杂度极高.针对QSM系统接收端检测算法复杂度较高的问题,利用QSM系统信号固有的稀疏特性,提出了一种QSM系统的压缩感知(compressed sensing,CS)检测算法.仿真结果表明,新的检测算法在误码性能上接近ML检测算法,复杂度约为ML的4.7％.     

用于周期分解语音活动检测的基频提取方法研究

介绍了基于语音信号周期分解的语音活动检测算法.传统语音活动检测算法在动态低信噪比背景噪声环境下的效果很不理想,这主要是因为传统方法中提取的能量与过零率等检测特征针对的是平稳噪声,对信噪比的变化很敏感.而本文介绍的周期分解语音活动检测方法能较好地解决这个问题,因为语音信号中浊音段的周期性是区别一般噪声信号的重要特征,并且该特征受背景噪声类型和信噪比变化的影响小.在周期分解语音活动检测方法中,基频提取的准确性对最终检测性能有很大影响.针对此情况,提出了自相关、循环均值幅度差分和YIN三种基频提取算法相融合的方法.实验结果表明,在背景噪声为白噪声、汽车噪声、嘈杂人声以及信噪比0dB,5dB,10dB的情况下,该方法相对单一基频提取算法,可以有效提升基频提取与周期分解语音活动检测的准确性.     

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。     

汉语连续语音三字词声调提取方法研究

连续的汉语三字词声调,由于受声道响应、音联、协同发音和变调规律等的影响,情况很复杂,故其基音提取远远较孤立字困难.文章简述了简化的自相关算法,分析了削波电平值对三字词基频检测的影响,得出了削波电平的取值范围,提出了对三字词基频检测应采取改变削波电平的观点,进而给出了三字词的基音提取方法.实验表明该方法简便、有效,提取成功率高.文章最后根据实验简述了三字词的变调规律和声调模式.     

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.     

基于Homotopy算法的低复杂度多用户大规模MIMO信号检测方法

在上行多用户大规模多输入多输出(multiple input multiple output,MIMO)系统中,为了降低信号检测的计算复杂度,在传统的最小均方误差(minimum mean square error,MMSE)算法的基础上,提出一种基于Homotopy算法的低复杂度信号检测方法。在该方法中,通过对Homotopy方程的解向量采用逐级展开来逼近真实解向量,从而避免MMSE检测算法中的高阶矩阵的求逆运算,降低了信号检测的计算复杂度。仿真结果表明,最多需要对Homotopy方程的解向量进行4阶展开,就可获得与MMSE检测算法几乎同样的误比特率(bit error rate,BER)性能,同时,其计算复杂度仅为O(K2),其中,K为小区用户数。     

基于低复杂度卷积神经网络的星载SAR舰船检测

星载SAR(合成孔径雷达)舰船检测广泛应用于海上救援和国土安全防护等领域.鉴于传统的检测方法仍存在虚警率高等缺点,本文将具有强大表征能力的卷积神经网络(CNN)引入到星载SAR舰船检测中,面向SAR舰船检测的精准快速的需求,提出了基于低复杂度CNN的星载SAR舰船检测算法.算法结合星载SAR图像的特点,利用ROI提取方法实现目标粗提取,得到可疑目标切片及其对应的位置信息;通过构建的低复杂度CNN对所有的可疑目标切片进行精确分类,确定舰船目标,从而实现舰船目标检测.实验测试结果表明:本文提出的算法可以实现精准的星载SAR舰船检测;与传统双参数CFAR目标检测和基于现有深度网络框架(LeNet、GoogLeNet)的检测算法相比,该算法检测性能更好、检测时间更短,可有效降低检测漏检率和虚警率.     

基于幅度差平方和函数的基音周期提取算法

为了在任意采样率下都可以高效、准确地进行基音周期提取,提出基于归一化幅度差平方和函数的基音周期提取算法。导出高效计算幅度差平方和函数的方法,时间复杂度是O(N lbN),给出该函数的归一化定义。归一化幅度差平方和函数的取值反映语音信号的非周期性程度,由此定义了基音周期的状态损失函数和转移损失函数,从而能在后处理过程中利用V iterb i算法,确定最优的基音周期序列。实验结果表明:与通用基音提取算法相比,在保证实时性的基础上错误率降低了9.31%,证明使用该算法提高了基音周期提取的准确率。