基于压缩感知的语音盲稀疏重构算法及其去噪应用

根据传统的正交匹配追踪(OMP)算法和稀疏度自适应匹配追踪(SAMP)算法各自的缺陷,提出可以在盲稀疏状态下重构带噪语音的多匹配正交追踪(MMOP)算法。该算法采用同时匹配多个原子以及同步增大和缩小原子集的办法来解决SAMP算法中原子的过匹配和欠匹配现象,此外,还提出一种新的去噪思想和设置初始步长方法,并且采用分阶段步长来重构原始语音信号。研究结果表明:本文算法不仅修正SAMP算法的过匹配和欠匹配的现象,而且还具有匹配速度快、迭代次数少的优点,同时又提高语音信号在盲稀疏状态下的重构精度,此外,该算法还可以应用在噪声语音中,有较明显的去噪效果,且其重构后的语音主客观质量评价都要好于传统的OMP算法和SAMP算法。     

小波及奇异值分解在混沌特征计算中的综合去噪研究

观测时间序列的非线性动力学混沌特征研究在电力、气象、地震、边坡等工程领域的应用日益广泛，但观测序列的噪声对研究结果具有重要的影响，人们通常采用傅立叶或者小波变换方法去噪。但对于混沌序列来说，这种去噪方法具有一定的局限性，会造成观测数据一定程度的破坏，对混沌分析结果会产生一定的影响。本文探讨运用小波变换结合奇异值分解（SVD）方法来解决观测时间序列在混沌特征分析时的去噪问题，该方法针对混沌分析过程中的源观测数据特点，首先用小波方法对一维观测序列去噪，并对去噪后的序列计算混沌特征分析中的重要参数一相空间重构参数m，τ，根据m，τ对源一维观测序列进行重构，得到重构的相空间矩阵A，然后对矩阵A采用SVD方法进行处理，通过这两种方法相结合的方式来达到更好的去噪目的。结果表明其去噪效果是明显的，数据经过小波变换和SVD联合处理后其观测序列的混沌特征更明显和易于提取，提高了观测时间序列混沌分析的可靠性。     

基于相空间重构和独立分量分析的超声信号噪声消除

提出了一种新的基于相空间重构和独立分量分析的超声信号去噪方法.应用该方法处理了实际的试块超声检测信号,并与小波去噪的效果进行了比较.实验结果表明,该去噪方法的效果与小波去噪方法接近,其特色是通过超声信号和噪声信号的盲源分离实现噪声消除.该去噪方法与小波去噪方法相比具有使用简单容易、去噪效果好和自适应强等优点.     

基于局部投影方法的混沌信号去噪

提出一种以Takens嵌入定理和影子定理为理论依据的对混沌信号较有效的去噪方法，该方法先根据Takens嵌入定理将待处理的含噪时间序列嵌入到合适的相空间M'中，由于混有噪声，相空间中的点将偏离真实动力学系统嵌入的流形M，去噪的目的就是估计M的位置，并将偏离M的点移近它。从而更新原时间序列。实验比较了局部投影去噪方法和小波函数方法的去噪效果，结果表明本文的方法对混沌信号的去噪很有效，且比单纯利用小波函数去噪的效果更好。     

提取强混沌干扰中谐波信号的方法

提出一种新的从强混沌干扰中提取谐波信号的方法. 根据混沌的几何性质, 应用相空间重构技术和离散小波变换, 建立一种新的相空间投影方法, 将谐波信号分离出来, 并对含噪谐波信号进行功率谱密度估计, 提取谐波信号的频率, 利用小波滤波和最小二乘估计, 提高谐波信号的提取精度. 通过计算机仿真实验, 表明该方法非常有效.      

基于自适应基追踪去噪的含噪语音压缩感知

针对含白噪语音信号压缩采样后采用基追踪方法重构性能差的问题,提出了自适应基追踪去噪方法,该方法根据原含噪信号的信噪比自适应选择重构最佳参数,从而在重构语音的同时提高原信号信噪比。把该方法运用到含噪语音压缩感知中,对重构语音进行了主客观评价,并分析了不同压缩比下的重构性能。仿真结果显示:本文方法既实现了压缩采样,又在重构信号时实现了语音增强,优于基追踪重构方法     

空中目标信号相空间重构方法研究

为提取空中目标辐射噪声非线性和混沌特征,需要对目标信号作非线性时间序列分析,其第一步则是相空间的重构,基于Takens定理进行相空间重构前必须先确定重构相空间的时滞和嵌入维数两个重要参数。分别采用互信息方法确定重构最佳时延和关联积分法确定重构嵌入维数。分别以经典混沌信号和实测目标噪声数据为研究对象进行计算仿真,结果证明了该方法选择地参数进行相空间重构的有效性与准确性,重构的相空间能很好反应原混沌系统的特性,为下一步分析提取目标非线性特征奠定了良好的基础。     

管道缺陷超声导波监测信号匹配追踪去噪

采用超声导波进行管道缺陷监测过程中混入干扰噪声严重影响缺陷反射回波的提取和识别,提出了一种新的管道缺陷超声导波监测信号匹配追踪去噪方法。将Hanning窗调制的正弦波激励信号经过时间平移和幅值调制作为基本原子形成自定义过完备波形字典,对管道缺陷超声导波监测信号进行匹配追踪稀疏分解,提取其中有效成分进行信号重构,经多次迭代实现信号去噪。对有限元数值模拟和实际管道缺陷监测信号分别采用传统小波阈值和提出的匹配追踪法进行去噪处理,结果表明,当信噪比较低时匹配追踪法明显优于小波阈值法,即使在干扰噪声完全淹没缺陷反射回波的场合,仍然可以提取出清晰干净的缺陷反射回波信号,为正确分析和评估现役管道安全运行状况提供了一条新的途径。     

一种混合优化的匹配追踪生态声音识别方法

针对生态自然环境中噪声对声音识别产生干扰的问题,提出利用混合优化的匹配追踪(MP)进行生态声音识别的方法.首先,使用萤火虫算法(GSO)和粒子群算法(PSO)对匹配追踪算法进行混合优化,加快匹配追踪有限次稀疏分解的速度并重构声音信号,保留高相关成分,滤除低相关噪声;其次,根据所选最优原子的时频信息结合MFCCs提取复合抗噪特征;最后,结合支持向量机(SVM)对40种生态声音在不同背景噪声与信噪比的情境下进行分类与识别.实验表明,优化后的匹配追踪算法去噪性能优于谱减法和小波去噪法.与常用的MFCCs方法相比,本方法对生态声音在不同信噪比下的识别性能有不同程度的改善,并且具有较好抗噪性.     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.