Double-Talk Detection Algorithm Based on the Ι2 Norm

Echo canceller generally needs a double-talk detector which is used to keep the adaptive filter from diverging in the appearance of near-end speech. In this paper we adopt a new double-talk detection algorithm based on ι2 norm to detect the existence of near-end speech in an acoustic echo canceller. We analyze this algorithm from the point of view of functional analysis and point out that the proposed double-talk detection algorithm has the same performance as the classic one in a finite Banach space. The remarkable feature of this algorithm is its higher accuracy and better computation complexity. The fine properties of this algorithm are confirmed by computer simulation and the application in a multimedia communication system.     

自适应回声消除器的设计与实现

介绍了回声消除器的基本结构、回声路径的脉冲响应以及语音信号的特点,分析输入信号为白噪声、有色噪声和语音的情况下自适应算法的性能,在此基础上应用一种参数筛选更新归一化最小均方差（NLMS）算法以及基于互相关的双边对话侦测算法,并提供详细仿真结果。     

一种适用频谱检测技术的最小l1范数改进算法

压缩感知(compressed sensing)理论是近两年信号处理领域方兴未艾的一个热门研究方向,它的出现突破了奈奎斯特采样定理对信号频率的限制。最小l1范数法(即BP算法)是压缩感知中信号若干种重构方法中比较成熟的一种算法。文中在对已有的BP算法进行了研究后,提出了一种适用于噪声环境下的加权迭代l1算法,并将之应用于认知无线电的频谱感知中,经过MATLAB仿真的对比后,验证了改进之后的算法对提高含有高斯白噪声的信号重构的精确度有着更加精确的效果。     

基于经验模态分解的子带自适应声学回声消除算法

在语音通信中,声学回声消除技术用于消除扬声器与麦克风之间耦合产生的回声干扰.在声学回声抵消系统的实现过程中,可以通过子带技术来提高系统的性能,并减小算法本身的运算量.常见的子带算法多是基于组合滤波器、小波变换实现的.本文基于经验模态分解提出一种新的自适应回声消除算法EMD-APNLMS,它克服了基于组合滤波器算法收敛慢的缺点以及基于小波变换算法需要选择小波基的问题.计算机仿真结果表明,该算法实现了回声的消除,收敛速率较快,非常适用回声这种非平稳信号的处理.     

基于改进平滑 l 0 范数的 DOA 估计算法

为提高现有基于压缩感知的 DOA(Direction of Arrival)估计算法估计精度, 提出一种基于改进平滑 l 0 范数 的 DOA 估计算法。 该算法在构造一个恰当的平滑连续函数后根据接收数据的初始解确定一个合适的递减{δ} 序列[δ1 ,δ 2 ,…,δ J ], 并对每个δ 值, 采用最速下降法求解 l 0 范数逼近函数 Fδ (S)的最小值; 然后将该δ 值作 为下一次迭代的初始值, 并通过多次的迭代获得逼近函数的最小解, 即逼近的最小 l 0 范数。 同时通过仿真实 验对该算法进行了验证。 结果表明, 该算法在单快拍条件下即可对 DOA 进行有效估计, 与 OMP(Orthogonal Matching Pursuit)算法相比, 运算过程简单、 精度较高, 具有更好的估计性能。     

基于小波变换的两路自适应回声消除算法

免提式语音通信系统在VoIP(Voice over Internet Protocol),手持移动终端和远程会议系统应用得非常广泛.但是,由于扬声器和麦克风之间的耦合而产生的声学回声,严重影响了语音的清晰度.常用的NLMS2算法在遇到相关性很强的两路语音信号时,收敛速率变得很慢,为改进此算法,基于小波变换和语音信号能量分布的特点,提出了一种新的两路自适应回声消除算法——WL-APN-LMS2.计算机仿真结果表明,该算法比传统的NLMS2、AP2算法收敛性能更好,计算复杂度较低,综合性能更优.     

采用预测残差的回声消除单双端检测算法

在单端与双端状态下,自适应滤波器的预测残差数值迥异,对预测残差数值进行归一化处理,拉开单端、双端状态的数值差距,扩大阈值范围.提出基于预测残差的回声消除单双端判断方法,并提出在单双端交界处使用自适应滤波器权值复用与更新机制,以及算法的实现步骤.实验结果表明:该算法具有宽广的阈值选择范围,可以有效防止因单双端误判引起的滤波器发散,减小总的回声消除预测误差.     

求线性方程组极小l1范数解的一种算法

陈中文研究中关于求线性方程组极小l1范数解问题有着较为广泛的应用。本文研究了该问题的最优性条件，给出最优解的充分必要条件。进一步研究了该问题最优解的一种表现形式，提出一个单纯形方法的算法，该算法解决了退化问题，且收敛速度较快，同时给出确定初始基的方法。     

一种混合稀疏置零的自适应声回波对消算法

对稀疏路径的自适应声回波对消算法进行了讨论,提出一种稀疏置零归一化解相关LMS自适应滤波算法(简称SSKNDLMS).该算法综合了稀疏算法,置零算法及归一化解相关算法的优点,在增加少量计算量的情况下,其收敛速度和稳态失配比常用的LMS算法都有明显的改善.计算机仿真证实了这一结果.     

小波变换域多路回波消除自适应滤波算法

提出了一种小波变换域Newton／LMS多路回波消除自适应算法．新算法使用输入信号经离散小波变换后的细节分量调节自适应滤波器系数．当新算法应用于多路回波消除时具有很高的收敛速度和收敛精度,取得了较好的回波消除效果．仿真表明了新算法的有效性。     

一种变步长解相关的自适应声回波对消算法

作者提出了一种变步长归一化解相关的LMS自适应海波算法(简称μ（k）-NDLMS算法)．该算法综合了变步长自适应方法和归一化解相关方法的优点，将其用于声回波对消(AEC)中，在计算量增加很小的情况下，其收敛速度和稳态失配都较之自适应信号处理中常用的NLMS算法有所改善．作者通过计算机仿真，证实了这一结果．     

基于M估计的自仿射投影滤波算法

研究了自仿射投影算法的收敛性能,并针对其抗突出值干扰能力不强的缺点,将稳健估计中的M估计应用于该算法,提出了一种基于M估计的改进自仿射投影算法（M-APA）,计算机模拟结果表明,该算法在基本保持原有算法收敛速度的同时,其抗突出值干扰能力远远优于原算法。提高了自适应辨识系统的稳定性和可靠性。     

基于神经网络的多传感器自适应滤波及其应用

讨论了同一噪声源多传感信号神经网络自适应噪声抵消器的设计方法·利用神经网络自适应获取信息融合器LC的权系数,克服了采用基于平均法时可能失去部分信息造成信号估计误差太大的缺陷,较好地解决了多传感器信息融合的问题·该方法不仅能获得信号的最优估计而且能克服信号处理中存在模型扰动和噪声的不确定性等问题·为了检验该滤波方法的有效性,在输油管道的泄漏定位检测与诊断中,利用该滤波方法提高压力信号、流量信号等信噪比·结果表明,神经网络自适应噪声抵消器不仅实现简单,而且能快速、有效地消除流量、压力信号中的各种噪声·     

基于背景Codebook模型的前景检测算法

很多背景场景都包括复杂的运动目标,解决这种问题的较好方法是获取每个像素或者一组像素的时间序列模型,这类模型可以很好的处理时间起伏。但是,计算复杂度高而且耗时。为了获得与自适应滤波相当接近的性能。采用Codebook来建模场景中感兴趣的状态,选择RGB颜色空间模型,学习一个覆盖组成图像像素三个通道上的Codebook,可以有效的解决像素剧烈变化的问题,从而鲁棒探测出场景的前景目标。通过实验结果表明,提出的基于Codebook背景模型的目标检测方法比传统的目标检测算法具有更高的精确度和鲁棒性。     

基于图像增强的边缘检测方法

在对传统边缘检测算法分析的基础上,文章提出了基于图像的自适应增强的边缘检测算法,首先分别对图像的目标和背景物体进行灰度增强,然后对增强后的图像进行边缘提取,并对提取后的边缘图像进行融合。试验结果表明,该方法能有效的提取图像边缘细节,取得良好的边缘检测效果。     

基于区域信息的自适应码本目标检测算法

运动物体检测是视频监控系统的一个重要组成部分。针对经典码本目标检测算法存在的自适应动态背景能力不足,以及在复杂环境下检测精确度差的问题,提出一种基于区域信息的自适应码本目标检测算法。首先,利用添加学习率的方法对背景模型进行自适应更新以使其适应不同的光照环境。其次,结合区域信息,将待检测像素的码本和周围像素的码本融合,得到更为精确的背景模型。最后,对前景像背景一样进行建模和更新,使得前景和背景模型可以在预设参数的控制下相互转化,消除由于背景变化造成的误检。实验结果表明:所提算法在有随机噪声及光照变化的复杂环境下,依然具有较好的检测率和较好的鲁棒性。基本满足动态场景中运动目标检测的精度高、速度快、抗噪强以及光照适应性好等要求。     

基于l_1与l_0正则化的压缩感知数值算法

针对压缩感知模型,讨论了基于l0正则化的正交匹配追踪算法(OMP)与基于l1正则化的同伦算法(HM)和迭代加权最小二乘法(IRLS).通过数值实验结果分析,验证了3种算法的有效性,且相对于2种基于l1正则化的算法,OMP算法的迭代次数与耗时更少,均方误差更小.     

基于L~1范数变分模型的高密度椒盐噪声滤波

针对现有图像滤波算法在去除高密度椒盐噪声方面的不足,提出了一种基于L1范数变分模型的去噪算法.该算法首先根据椒盐噪声的特点和像素的局部灰度特征分离出噪声点和信号点,在滤波过程中,对信号点不予处理,而对噪声点采用基于L1范数的变分模型进行恢复.由于椒盐噪声的灰度值与原始像素无关,因此,去噪时只利用噪声点邻域内信号点本身的灰度信息,并将已处理过的噪声点当作新的信号点,以避免对下一像素滤波时的影响.最后通过仿真实验,结果表明,在高密度噪声条件下(50%),该算法的噪声去除能力和细节保护能力均可获得令人满意的结果.     

基于无穷范数的视觉伺服自适应控制方法

针对基于视觉的机器人伺服过程中, 控制系统的精度和稳定性容易受到环境噪声、 设备性能等因素影响, 导致收敛指标不理想的问题, 提出一种基于无穷范数优化任务序列( INOTS: Infinite Norm Optimization Task Sequence)的自适应增益算法, 通过将实时全局任务细化为不同子任务, 根据不同时刻子任务的特点自动配置增益。 仿真结果表明, 相比于固定增益及传统自适应增益调节算法, 该增益算法可有效提高系统响应速度,增强控制系统的抗干扰能力, 提高系统稳定性。     

基于加权L1范数的CS-DOA算法

针对基于L1范数约束的压缩感知理论的恢复算法出现虚假目标,恶化DOA估计性能的问题,提出了一种基于加权L1范数的CS-DOA估计算法.该算法利用噪声子空间与信号子空间的正交性,构造了一个加权矩阵,然后对L1范数约束模型进行加权.通过此加权处理,该算法能够使恢复的系数向量具有更好的稀疏性,并能有效地抑制伪峰,从而获得更精确的DOA估计.仿真结果验证了算法的有效性.