增强技术在正弦波模型中的应用

针对可用正弦波数量较少，带宽略嫌不够的实际情况，提出合成端采用带宽增强，线谱增强和断点内插等后处理方法，采用带宽增强不需或只需很少的额外比特就可增加合成信号的有效带宽，提高正弦波的利用率，使音色变得更为亮丽，采用线谱增强可增加合成信号的厚实感，减少或消除因谱线损失引起的派生噪声，采用断点内插可弥补正弦波轨迹被强制截断的缺点，改善合成信号的质量。     

基于相位间隔DDS合成信号噪声分析

文章就直接数字频率合成器（以下简称DDS）合成技术产生正弦波信号的噪声进行分析,以合成信号可能产生的最大量化噪声功率为基础,定义最小量化信噪比;并研究最小量化信噪比和正弦波单周期样点数、数模转换器分辨率的关系,为设计DDS合成信号发生器提供了理论依据。     

一种利用线性预测残差的语音去噪方法

提出了一种利用线性预测残差去除语音中加性白噪声的方法 .含噪语音经过线性预测分析后 ,所得的线性预测残差可分为与语音相关的语音残差部分和与噪声相关的噪声残差部分 .当噪声为白噪声时 ,噪声残差能量与噪声能量的比值大于语音残差能量与语音能量的比值 ,并且随着含噪语音信噪比的增大 ,两者数值上的差距越来越大 .因此 ,从含噪语音中按一定比例 λ(0 <λ<1 )减去预测残差 ,即可抑制噪声残差能量 .这实际上抑制了含噪语音中的噪声能量 ,提高了其信噪比 ,从而达到在一定程度上去噪的目的 .同时 ,这样处理造成的语音能量损失是有限的 .特别是 ,上述方法中对语音成分的操作仅仅在预测残差内进行 ,对语音的共振峰影响很小 ,因而能够较好地保留语音信号的频谱结构 ,使语音品质不致降低 .实验结果表明 ,该方法简便而有效     

改进的压缩感知重构算法研究

为了对未知稀疏度信号、特殊信号、含噪声信号进行准确重构,提出一种改进的压缩感知重构算法——预测正交匹配追踪算法。提出的算法通过所选支撑集内原子总数、信号间能量差以及残差共同预测并选择所需原子。预测正交匹配追踪算法能够在稀疏度未知的情况下自适应地对块稀疏信号、噪声信号及图片信号进行准确重构。实验结果表明,在相同条件下,改进后的算法提高了重构质量,减少运行时间。     

对振荡电路自激振荡的讨论

对振荡电路自激振荡的讨论邓永良（贵州师大物理系贵阳５５０００１）振荡器是一种能量转换器，它不需要外加激励信号就能将直流电能转换为交流电能。振荡器输出的信号波形有正弦波和非正弦波（如脉冲波）。它们分别由正弦波振荡器和脉冲振荡器产生。振荡电路广泛地用于各...     

基于隐马尔可夫树非高斯信号的建模分析与分类识别

研究了基于小波域隐马尔可夫树模型非高斯信号的建模方法．探讨了海洋环境噪声和船舶辐射噪声在不同工况下所表现出的不同模型特征，并根据它们在HMT模型参数上的特征差异提出了一种新的检测方法，实验证明，该方法的检测性能比过零检测、能量检测以及二阶统计量检测方法要好．通过结合小波域隐马尔可夫模型和支撑向量机，提出了一种新的水声非高斯噪声信号的识别分类方法，实验证明，该方法具有较好的分类性能．     

精密单点定位的卡尔曼滤波新息与残差随机性对比

为了验证卡尔曼滤波新息和残差描述观测噪声的能力,根据精密单点定位载波相位和伪距观测值的先验方差,利用蒙特卡罗模拟等方差的随机噪声作为分析基准,研究描述信号随机性的平稳性、正态性、自相关性和功率谱指标。实验结果表明,新息只能正确描述伪距观测值噪声的随机性,残差能够同时描述载波相位和伪距观测值噪声的随机性。同时,两者描述伪距观测值噪声的能力相近。因此,不同精度观测值的精密单点定位应该以新息表示的残差为基础进行卡尔曼滤波模型的改进。     

神经网络在信号处理中的应用

运用ＢＰ网络来消除信号的随机噪声和模式识别，作为例子，考虑了正弦波、矩形波和三角波３种信号。在５０％噪声情况下，ＢＰ网络仍能有效地消除这３种信号中的随机噪声并正确地找出它的理想模式。     

超声多普勒回波信号瞬时幅度和瞬时频率估计的新方法

对脉冲超声多普勒回波信号模型进行了改进，并在改进模型的基础上，提出了一种基于非线性能量算子ψ的检测超声多普勒回波信号瞬时幅度和瞬时频率的方法．该方法具有跟踪信号瞬态变化的能力，计算量小，很容易做到实时．仿真结果和对颈动脉超声多普勒回波信号的分析，都证明了该方法的可行性．     

一种基于改进极端梯度提升决策树的轴承故障诊断方法

针对传统故障诊断模型面向海量故障数据时诊断准确度低的问题，首先，提出了一种局部均值分解与固定点算法联合降噪方法，以消除轴承振动信号中的噪声；其次，为了避免原始信号中敏感特征难以提取的问题，提出了一种基于核主成分分析的降维方法；再次，构建了一种基于改进极端梯度提升决策树的故障诊断模型，采用GS-PSO算法优化SVM性能，进而运用改进极端梯度提升决策树思想修正分类模型的残差以提升模型分类精度，应用Spark-大数据平台，通过并行处理技术进行科学计算；最后，采用CWRU提供的滚动轴承数据进行训练与仿真，证明构建的模型能实现对不同类型滚动轴承的识别诊断，并保证诊断结果的准确率。通过对4种不同故障诊断模型的对比分析，表明本文模型具有可行性和优越性。     

一种抑制语音噪声的最佳约束线性估计器

本文提出一种最佳约束线性估计器，用于抑制语音信号不 相关加性噪声。该估计器是在给定信号失真度下，使噪声能量最小为准则来设计对真实语音信号的约束线性估计。文中证明这种最佳的约束线性估计器是一种输入噪声电平地的Ｗｉｅｎｅｒ滤波器。     

强噪声海量物联网数据处理中节点选择算法研究

当前节点选择算法在强噪声干扰下,通过优先级理论实现节点选择,存在安全性差、能耗高、整体性能低下的弊端,为此,提出一种新的强噪声海量物联网数据处理中节点选择算法。将数字序列中某点的值用与该点相邻的各点值的中值替换,通过中值滤波法对物联网中的强噪声进行去除,完成强噪声干扰去除后。通过基于后悔函数的平衡剩余能量节点选择算法对海量物联网数据处理中节点进行选择。依据误码率选择满足要求的节点作为候选节点,通过减少无效处理增强能量性能。利用后悔函数对节点相对物联网的剩余能量进行估算,依据节点相对于其他节点的剩余能量确定延迟时间,从而实现节点选择。实验结果表明,采用所提算法对海量物联网数据处理中节点进行选择,不仅安全性高,而且节能性好、整体性能高。     

一种语音增强算法的研究

采用基于子空间的方法，对语音信号进行增强处理，该算法提供了在语音信号失真和残留噪声之间进行控制的机制。克服了以往语音增强算法中对语音信号的噪声特点的限制，可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理。     

局部自交干扰的全变分图像自适应滤噪算法

针对当前图像滤噪算法虽然能够在一定程度上抑制噪声;但无法保证图像质量,导致图像细节丢失、图像变模糊的弊端,提出一种新的局部自交干扰的全变分图像自适应滤噪算法。定义一个图像局部功率,求解自适应全变分算法的能量函数最小化问题。通过拉格朗日算子获取图像局部功率的非约束最小化全变分形式,计算规整化可信度参数和噪声分布。通过全变分模型将轮廓尺度图像从含有噪声图像中分离出来,对含有噪声图像和轮廓尺度图像进行差运算,获取含有噪声的残差纹理细节图像。将获取的规整化可信度参数代入全变分模型,对含有噪声图像进行处理获取最终的滤噪图像。实验结果表明,经所提算法滤噪处理后,图像质量高,滤噪效果好。     

小波变换在波阻抗反演中的应用

介绍了利用小波变换进行多道波阻抗反演的原理．鉴于地震剖面上不同的频带有不同的信噪比,以及相邻地震道的反射波有效成分在波形和能量上有较强的相关性,笔者结合小波变换的特点,运用多道记录同时进行波阻抗反演,即在迭代过程中将实际记录与模型合成记录的残差道进行小波分解,形成残差道分频小波剖面,然后利用Ｋ－Ｌ变换提取分频剖面中的相干部分用于波阻抗变化量的计算,从而避免了噪音参与波阻抗变化量的计算．展示了理论模型与实际应用的例子,说明该反演方法稳定性强,具有广泛的应用前景     

一种基于子空间分解的语音增强算法

提出了一种基于卡亨南-络维变换方法的语音信号增强处理算法,该算法提供了在语音信号失真和残留噪声之间进行控制的机制,无需对噪声进行任何假定,克服了以往语音增强算法中对语音信号的噪声特点的限制,可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理.     

用卷积滤波法设计高速凸轮曲线

本文着重研究了应用卷积滤波法进行高速凸轮曲线动态设计的方法。文中引入了巴什瓦能量定理,用以在控制余振响应谱的同时,对凸轮曲线的速度和加速度最大值进行控制;文中还提出了有效控制余振响应谱的几种窗函数,以适应不同的工作要求,并以窗函数对常用凸轮曲线进行响应谱控制为例,说明了这一方法的实际使用。利用本文提出的方法,可以设计出具有良好动力响应的高速凸轮曲线,以降低凸轮机构的振动、噪声和磨损。     

矫直残留应力对矫直机能耗的影响

本文提出用弹性变形能与弹复变形能的差值来确定残留变形能的方法。分析结果表明:矫直过程中残留变形能可以定量计算,计算中残留变形耗能可以忽略不计,从而在理论上解决了残留变形能的计算问题,为矫直机的设计提供了科学依据。     

平头弹贯穿陶瓷/金属复合装甲的分析模型

利用能量法建立平头弹贯穿陶瓷/金属复合装甲的分析模型.假定在贯穿过程中弹丸的动能被弹体、陶瓷板和金属背板3部分吸收.该模型考虑了弹体的销蚀与墩粗变形,陶瓷板的压碎与剪切破坏以及金属背板在不同厚度下的破坏模式.在给定的弹靶条件下,可以预测靶板的弹道极限及弹体的残余速度.模型计算结果与相关实验数据吻合较好.     

分布式视频编码中相关噪声模型优化算法

在分布式视频编码中,准确的相关噪声模型(correlaiton noise model,CNM)是影响系统的关键因素。通过研究变换域中WZ帧与相应边信息的残差系数的分布关系,发现实际的残差分布与拉普拉斯分布模型存在一定的偏差。通过分析相关噪声模型的特性,提出相关改进算法。即根据残差系数的大小与实际概率置信度的关系,采用不同的分布参数,使得改进后的拉普拉分布模型更接近实际的残差分布。实验结果表明,该优化算法有效提高了系统的率失真性能,不仅降低了系统解码的码率,同时提升了最小均方误差(minimun mean square error,MMSE)重建的质量。