符合人耳听觉特征的数字助听器子带响度补偿

语音信号响度补偿是数字助听器的关键功能之一. 由于患者的听力损失常随信号频率改变,故响度补偿增益应随语音信号频率变化而调整. 该文提出针对人耳听觉特征进行子带划分响度补偿的方法,设计了实现响度补偿的完美重构子带滤波器组,并针对老年性听损患者给出子带滤波器组参数. 实验与仿真结果显示, 本方法很好地补偿了听损患者在不同频段的语音能量损失,使患者对语句的辨识率得到显著提升.     

变换域结合人类视觉特性的数字水印研究

为改善作为数字媒体知识产权保护主要手段的数字水印的实用性,利用人眼的视觉掩蔽特性,通过小波分解结合希尔伯特变换,实现了数字水印在不同分解子带的自适应嵌入,并进行了不同攻击的实验.实验结果表明,算法具有很好的透明性,同时对噪声攻击、高斯低通滤波、图像锐化、中值滤波等大部分典型攻击均具有较强的鲁棒性.     

模仿人耳听觉频率特性用于改进语音识别的方法

针对现有计算机语音识别的缺陷，提出一种模仿人耳听觉特性的Ｍｅｌ频率倒频谱特征，对它与现有的线性预测倒频谱特征进行实验对比研究，表明将人耳听觉特性应用于计算机语音识别，能产生更高的识别精度。     

时频域子带线性调频干扰抑制算法

通过对线性调频（LFM）信号子带分解的分析,提出了一种基于子带信号处理的时频单元剔除（SSP TFCD）LFM干扰抑制算法.这种算法充分利用了子带分解的时频定位特性,在干扰基本消除的同时保证了信号的失真度较小,因此它可以为系统带来较大的性能增益.仿真结果进一步证实本算法的性能优于基于子带分解的子带剔除算法(SSP SD).     

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.     

基于小波神经网络的非线性函数的逼近

给出了一种基于BP神经网络的自适应小波神经网络的模型 .该模型根据逼近函数的特性 ,选择不同的小波函数作为网络隐层 ,输出层是一个线性神经元输出 ,网络参数通过自适应调整得到 .实验结果表明 ,这种网络不但可以精确的逼近一般的非线性函数 ,也能实现对混沌时间序列的精确学习 ,而且网络的收敛速率比BP网络更快 .     

基于音频的一种自适应信息隐藏算法

提出一种以wav格式音频文件作为载体,根据人耳的听觉心理模型,在整数小波包域上自适应的嵌入秘密信息.它不改变载体文件的大小,同时具有良好的透明度,又能够避开人们对声音图谱的视觉攻击,并达到了很高的嵌入容量.     

一种改进的kalman滤波器盲自适应多用户检测

基于奇异值分解提出了一种改进的 kalman 滤波盲自适应多用户检测算法．理论分析和数值仿真表明,在异步 CDMA 系统中,与现有的基于 RLS 算法盲自适应多用户检测方法相比,该方法具有收敛速度快、跟踪性能好、数值稳定性高的优点．     

带线性记忆的Kirchhoff型耦合吊桥方程的指数吸引子

考虑带线性记忆的Kirchhoff型耦合吊桥方程指数吸引子的存在性问题。首先，引入历史位移变量将问题转化为确定的自治系统；其次，讨论解半群在强弱空间中的有界吸收集存在；最后，利用算子分解方法研究带线性记忆的Kirchhoff型耦合吊桥方程指数吸引子的存在性。     

基于非下采样Contourlet变换的自适应医学图像融合算法

提出一种多模态医学图像融合算法.用非下采样contourlet变换(non-subsampled contourlet transform,NSCT)将已配准的源图像进行分解,得到低频子带和多层高频子带,然后在各子带中将NSCT系数进行融合.对于低频子带,根据其特性制定规则融合区域能量、互信息、信息熵;对于高频子带,则依据改进的拉普拉斯能量和融合规则,用遗传算法自动优化其待定参数.将融合后的高、低频子带进行NSCT逆变换即可得到融合图像.对灰度和彩色医学图像进行的实验表明,与其他方法相比,用该算法得到的融合图像包含更丰富的纹理信息,视觉效果较好.     

一种新的自适应双边滤波算法

现有的双边滤波算法需要预先设置空间方差和灰度方差参数,滤波时参数固定且不能保证是最优的参数设置. 文中提出一种新的自适应双边滤波算法(adaptive bilateral filtering, ABF),通过目标尺度信息实现空间方差局部自适应取值,保留更多的图像边缘特征;采用图像分块技术估计噪声方差,根据噪声方差自适应地设置灰度方差,以保证滤除噪声的性能;通过强制增大空间方差滤除较强噪声点. ABF不必像传统双边滤波算法那样根据经验设置参数,而是根据图像局部特征自适应地设置空间参数,不仅提高了滤除噪声的能力,而且更好地保留了图像边缘特征. 仿真实验表明,无论是主观评价还是客观评价,所提出的方法均优于传统的双边滤波算法、各向异性扩散算法和改进的双边滤波算法.     

一种基于Chirplet分解的时频分析快速算法

针对信号自适应chirplet分解未知参数多、实现起来比较困难的特点,提出了一种新的chirplet分解快速算法．该算法利用计算信号的二次相位函数,得到其能量分布集中于信号的调频率曲线上的结论,此时通过谱峰检测可同时获得chirplet调频率、时间中心和幅度的估计;然后通过解线性调频技术获得其初始频率和宽度的估计．仿真结果验证了本文算法的有效性．     

基于图像置乱变换的数字水印算法研究

结合Arnold变换,提出了一种基于图像置乱变换和小波变换的数字水印算法.首先对被隐藏图像进行Arnold置乱,把主图像划分为n×n区域,对每个区域进行3次离散小波变换,再利用算法把待隐藏信息嵌入各个区域的中频子带和高频子带,实施多处信息隐藏以提高其鲁棒性.对提出的算法进行了仿真实验,并对嵌入信息的图像进行各种攻击测试.实验表明,该算法对嵌入信息具有不可见性和良好的鲁棒性.     

基于自适应阈值的小波消噪算法研究及应用

基于小波多尺度分解的阈值方法是一种有效的信号去噪方法．应用最为广泛的是Donoho阈值法,但由于其阈值为全局阈值,不能在每级尺度上将信号与噪声做最大分离,去噪效果并不理想．在分析Donoho硬阈值和软阈值方法特点的基础上,提出了一种新的自适应阈值消噪方法,结合了硬阈值和软阈值方法的优点,仿真试验和工程实例均证明了该方法优于传统的阈值消噪方法．     

一种分析宽带天线特性的快速有效方法

提出一种快速分析天线宽带特性的有效算法.该方法利用特征模对天线给定频带内少数频率点进行分析,选取这些频率点主要特征模函数组构成降维子空间;利用奇异值分解技术,构造该频带内一组与频率无关的特征模正交基.运用特征模正交基可以快速获得天线频带内所有频率点的特性.文中分析了蝶形天线与宽带缝隙天线给定频带内特性,并将计算结果与一般矩量法计算结果作比较,两者之间具有良好的一致性.     

面向对象的机载LiDAR数据建筑物提取

基于LiDAR数据,提出一种由粗到细的面向对象的建筑物自动提取方法.首先通过机载LiDAR数据构建出归一化数字表面模型(normalized digital surface model, nDSM),利用首尾两次回波高程计算出归一化差值(normalized difference, ND),并采用形态学运算消除边缘特殊回波点.基于nDSM和ND数据,依据建筑物的高程及穿透性信息,用阈值分割法进行建筑物粗提取.结合nDSM和ND数据以及强度信息,对粗提取得到的备选建筑物采取多尺度分割,合并亮度值相差较小的邻近分割结果对象,达到对分割结果的优化处理.最后利用目标对象的亮度、形状、面积和空间关系等特征,完成建筑物的精提取.实验结果表明,该方法可得到较高精度的建筑物信息,是基于机载LiDAR数据提取建筑物的新思路.     

蚁群聚类神经网络的耳语音声调识别

提出了一种基于蚁群聚类神经网络的汉语耳语音声调识别方法.根据耳语音发音特点,以听神经平均发放率、幅值包络、共振峰、声道长度等构成的多维矢量描述声调特征,采用蚁群聚类算法将多维特征矢量聚类后,送入局部有监督特征映射神经网络进行声调识别.这一方法通过对特征参数的聚类压缩了神经网络的输入神经元数目,因而可以有效避免在大数据条件下神经网络不易收敛及速度慢的问题.对多人耳语音声调的识别实验显示,采用蚁群聚类神经网络的耳语音声调识别方法与传统方法相比,性能明显提高,平均正识率达到87.5%.     

听觉系统的定性分析及应用

认为听觉是人脑对作用于听觉器官的客观事物属性的反映,是听觉器官、脑和神经统一活动的结果.同时,介绍了听觉器官———耳的基本组成结构及其主要作用,将声学系统和电学系统进行类比,建立耳蜗对声音信号频率滤波、毛细胞的换能以及侧抑制神经网络对声信号缩减的数学模型,用模型分析听觉系统对不同频率的声音信号的处理方式.最后,运用上述理论,解释蝙蝠能感应超声波的原因.