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。     

基于时频结合的带噪语音端点检测算法

为了改善在低信噪比条件下,传统语音端点检测算法准确率较低的情况,提出了一种结合多窗谱估计的谱减法和能熵比的语音端点检测算法。该算法在低信噪比下,对带噪语音进行多窗谱估计的谱减语音增强后,结合语音信号的短时能量和子带谱熵,对增强后的语音信号进行能熵比的计算,并用于端点检测。实验结果表明,在不同的背景噪声且信噪比为-5 d B环境下,相对其他端点检测算法更有效地检测出语音端点,可达到70%以上的正确率,此算法更适合于低信噪比环境下的语音端点检测。     

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...     

认知网络中无线电信号智能感知方法研究

无线电信号在噪声波动情形下的检测性能有待提高.该文提出了认知用户根据无线电环境变化自动调整检测阈值的感知方法.融合中心应用坐标搜索算法为认知用户提供最优控制参数,认知用户依据最优参数设定检测阈值,并自主学习特定无线电环境下的最佳阈值.此外,该算法充分考虑了各认知用户的个体特征及其感知贡献,并提出了一种基于能量值的加权算法体现用户特征.实验结果说明该算法对噪声波动具有卓越的鲁棒性,在信噪比低于-15 dB时的检测概率远高于传统方法.     

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.     

采用分数低阶循环谱相干系数的调制识别

摘要： Alpha稳定分布噪声导致二阶循环谱相干系数失效,使相应的通信信号调制识别算法退化. 针对这个问题,提出了基于分数低阶循环谱相干系数的识别算法. 文中给出了分数低阶循环谱相干系数的相关理论,分析了通信信号的分数低阶循环谱相干系数,在此基础上提取谱相干系数循环频率域特征作为识别特征参数. 用BP神经网络为分类器,实现了通信信号调制方法识别. 仿真结果表明,在Alpha稳定分布噪声下,该识别算法性能优于基于二阶循环谱相干系数的方法. 在高斯噪声条件下,两种识别算法性能相当.     

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.     

Alpha稳定分布噪声下卫星双信号调制识别

针对现有基于循环谱的单信号调制识别方法在Alpha稳定分布噪声下失效的问题,提出一种基于广义二阶循环谱的双信号识别方法.首先分析广义二阶循环谱对Alpha稳定分布噪声的不敏感性,在此基础上再分析待识别混合双信号的谱特性,提取其循环频率域脉冲谱线特征构成特征参量,最后通过检测脉冲谱线数量实现双信号的调制识别.仿真结果表明,该方法在Alpha稳定分布噪声和高斯噪声下都有良好的识别性能.     

Alpha稳定分布噪声下的通信信号识别

Alpha稳定分布是一种能够保持自然噪声过程产生机制和传播条件的极限分布. 本文以特征指数介于1和2之间的Alpha稳定分布模型为背景噪声,研究Alpha稳定分布的分形盒维数特性,从理论上说明分形盒维数对特征指数介于1 和2 之间的Alpha稳定分布噪声不敏感. 提取所选信号族中信号相位的分形盒维数作为特征参量对信号进行识别,理论和仿真实验说明本方法在非高斯Alpha稳定分布噪声背景下有很好的韧性.     

单通道双MFSK信号调制识别方法

针对单通道双MFSK信号的调制识别问题,提出了一种基于经验模态分解(EMD)和分形盒维数的调制识别算法。该算法利用EMD将混有高斯噪声的双MFSK混合信号分解成多个分量,提取每个分量的分形盒维数作为特征参数,使用BP神经网络作为分类器对其进行识别。仿真结果表明,该算法对频谱不混叠的双MFSK信号有较好的识别效果。     

认知无线电中基于Shapley值的自适应加权协作感知算法

认知无线电作为一种先进的技术,它可以通过有效利用未被主用户使用的频谱来提高频谱的利用效率.现有的线性加权协作频谱检测算法在一定程度上提高了频谱检测的性能,然而当单节点频谱检测性能急剧下降时会引起全局检测性能的恶化.基于此,我们提出了一种基于Shapley值的自适应加权的合作频谱检测算法来提高全局检测性能,并在加性高斯信道(AWGN)和瑞利衰落(Rayleigh)信道下对该算法进行了仿真验证.结果表明,该算法比传统检测算法性能提高20%以上,具有很好的应用前景.     

一种边缘增强的光谱响应曲线分形维计算方法

提出了一种用于高光谱影像边缘增强的光谱响应曲线差分步长分形维特征值计算方法. 该方法首先对高光谱响应曲线进行差分处理,并利用步长分形维算法计算差分光谱曲线分形维值,最后根据差分分形维值计算高光谱特征影像. 实验结果表明,本文提出的差分步长分形维算法较原始步长法更能保持光谱影像细节并增强边缘,同时减弱噪声影响,可用于高光谱影像特征提取、分析和解译.     

分形在钻头磨损切削力特征提取中的应用

针对钻削过程切削力的变化特点,提出一种用分维数描述信号复杂性的新方法.从工程应用角度介绍了离散时间序列盒维数和信息维数的计算方法,通过对三种仿真信号分维数的计算,揭示出分维数与信号复杂程度之间的内在联系,并通过实验研究了刀具在整个磨损历程中切削力信号分维数的变化规律.结果表明:随着钻头磨损的增加,切削力信号分维数呈下降趋势,运用切削力信号的分维数特征可有效实现钻头磨损状态的监测.     

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.     

基于邻域互信息最大相关性最小冗余度的特征选择

特征选择是一种重要的数据预处理步骤,其中互信息是一类重要的信息度量方法。本文针对互信息不能很好地处理数值型的特征,介绍了邻域信息熵与邻域互信息。其次,设计了基于邻域互信息的最大相关性最小冗余度的特征排序算法。最后,用此算法选择前若干特征进行分类并与其它算法比较分类精度。实验结果表明本文提出算法在分类精度方面且优于或相当于其它流行特征选择算法。     

空间色噪声CDMA系统的一种基于累积量DOA估计算法

传统的DOA估计一般是假设噪声为白高斯的二阶谱估计算法．针对更接近于实际情况的空间色噪声，提出了一种基于累积量MUSIC算法的同步CDMA系统解相干DOA估计算法．该算法不仅能消除多径干扰并且与二阶MUSIC算法相比能更有效抑制空间色噪声，提高估计的准确性．