VoIP回声消除中LMS改进算法的研究

为解决Vo IP中语音回声问题,给出了一种改进的变步长LMS算法.改进算法在收敛时具有较大的步长,能快速消除回声,收敛后,步长变小,以减小稳态误差,使收敛速率与稳态误差之间的矛盾得到改善.仿真结果表明,改进算法的收敛速度和回声消除效果较好.     

一种稳健的语音传输路径自适应建模系统及应用

针对语音信号的特点,提出一种稳健的语音传输路径自适应建模系统.它在引入宽带平稳训练信号克服非平稳输入自适应建模失配的基础上,用小延时预测滤波消除自适应建模的语音干扰,同时用补偿滤波来修正预测滤波导致的训练成分失真.计算机仿真表明,该建模系统在回声抵消、语音增强等领域均有很好的应用前景.     

数字助听器的并行梯度投影回声抵消

自适应回声抵消是消除助听器回声啸叫的有效方法. 针对回声路径评估偏差大的问题,文中提出线性预测-并行梯度投影算法,通过对助听器输出信号进行线性预测来生成解相关FIR 滤波器,获得解相关信号. 系统利用解相关信号构建包含回声路径的凸优化方程,并设计并行梯度投影算法求解该方程,实现回声路径的估计. 实验结果表明算法在收敛速度、稳定性和精度等方面改进显著.     

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.     

基于峭度的FastICA改进算法

独立分量分析(ICA)是信号处理技术的新发展,而FastICA 是独立分量的一种快速算法,因其收敛速度快而备受关注,但存在步长μ选取不当可能导致算法收敛速度减慢甚至不收敛的问题,本文提出了一种改进的优化学习算法,在牛顿迭代方向上增加精确线性搜索,从而使得算法的收敛性不依赖于μ的人为选择.将改进的FastICA算法应用到语音信号处理中,结果表明该方法迭代次数大大少于FastICA算法,具有收敛速度快的特点.     

基于去相关NLMS算法的自适应回波抵消

在NLMS算法的基础上,从语音信号相关性的角度出发,提出了一种去相关NLMS算法(DC-NLMS).该算法收敛速度快,稳态失调小,计算量与NLMS算法相当,克服了APA算法收敛速度快但计算量大的缺陷.计算机仿真结果表明,DC-NLMS算法在自适应回波抵消中的综合性能要优于NLMS算法、APA算法以及文献[7]中的算法.     

小波变换及其在语音信号处理中的应用

人们为了了解自然界的规律,或是为了解决工程中的一些问题,需要对各种各样的信号进行分析,在小波变换出现以前,应用最广泛的是傅立叶变换.但是在利用傅立叶变换分析信号时,存在着某些缺陷.小波变换基于海森堡测不准原理解决了局部时间信号分析的难题,发展了信号分析的方法,成为了当代信号分析的主要工具之一.由于语音信号的复杂性,以及在某些方面与小波变换的相似性,使小波变换在语音信号处理有着很广泛的应用.本文对小波变换及其在语音信号处理中的应用进行了简要的综述.     

基于高斯相似度分析的最大后验非线性变换HMM自适应算法

由于训练环境和识别环境的失配,识别系统的性能会严重下降,为此提出了基于高斯相似度分析的最大后验概率非线性变换的环境自适应算法,它可以减小由于环境的失配所引起的系统性能的下降.在该算法中,首先将HMM模型中的高斯分量进行相似度分析并建立二叉树,然后根据数据自适应调整变换类数,在每一类内利用分段线性回归近似非线性变换将训练环境下的HMM变换到识别环境,减小环境的失配,变换参数的估计采用了最大后验概率估计(MAP).数字语音识别实验证明:该环境自适应算法的识别性能优于带有高斯相似度分析的MLST、MAPLR和MLLR等算法.     

一种基于DCT与DWT的自适应图像水印算法

提出了一种基于DWT和DCT的自适应图像水印算法．该算法以DWT和DCT变换为基础,自适应选择水印嵌入位置,并且根据HVS亮度掩蔽模型对水印嵌入强度自适应调节．实验证明,本文算法对JPEG压缩、噪声等常规信号处理操作都具有相当好的鲁棒性．     

基于MAP算法的无教师讲者自适应的研究

提出了一种基于MAP算法的连续语音识别无教师讲者自适应方法,给出了简单有效的渐进自适应公式.通过识别实验结果表明,提出的方法能利用少量的自适应数据达到满意的学习效果,是一种实用和有效的讲者自适应方法.