基于小字典训练的语音增强算法

文章提出一种基于小字典训练和过完备稀疏表示的语音增强算法。该算法通过构造过完备的小字典并使用带噪语音的幅度谱对其进行训练来实现。训练过程中通过不断地使用K-SVD算法更新字典矩阵和相应的稀疏系数矩阵来实现对纯净语音的提取,达到语音增强的效果。该方法不同于传统增强算法需要对噪声进行估计与抑制,而是通过稀疏表示将纯净语音从带噪语音中分离出来。主客观测试结果表明,本文方法较好地消除了随机噪声,低信噪比情况下增强效果明显优于传统算法,且能够避免产生音乐噪声。     

一种强噪声背景下语音增强方法的研究与实现

提出了一种基于传统谱相减语音增强算法的改进方法,加强了其滤除噪声的功效,提高了强噪声背景下语音信号的信噪比和可懂度。实验表明,该算法能够很好地滤除强噪声,增强语音,甚至对于滤除与语音频段几乎重叠的噪声信号,效果也十分显著。最后与传统减谱法相比较,分析了该算法的优缺点。     

基于谱减与自适应子带对数能熵积的端点检测

针对低信噪比环境下语音端点检测准确率低、鲁棒性差,提出了一种将谱减降噪和自适应子带对数能熵积相结合的语音端点检测算法.首先利用改进的多窗谱估计谱减法提升语音信号质量,再以自适应子带对数能熵积这一新的语音特征参数为阈值,使用动态阈值双门限检测法进行语音端点检测.实验结果表明,该算法针对低信噪比语音信号具有更好的准确性和鲁...     

自适应抵消与谱相减结合的单通道语音消噪算法

飞机、坦克和船舶等封闭座舱内部产生的强机械噪声严重地影响了语音通信系统,为此,提出了自适应噪声抵消与谱相减结合的单通道语音消噪算法,其基本原理是:先进行基于相关检测的自适应消噪处理,其后采用谱相减算法消除残留噪声。仿真结果表明:该算法对引擎噪声的消噪效果明显,并能有效地保持语音清晰度,可应用于机械噪声很强的语音通信系统。     

基于谐波加噪声模型的语音转换算法

文章分析了语音的谐波加噪声模型,给出了基于谐波加噪声模型的男/女声转换算法流程,利用高斯混合模型(GMM)分别实现了谐波分量和噪声分量特征参数的转换。文中利用Matlab进行了仿真实验,验证了算法的有效性,对转换后的语音质量进行了ABX测试,并计算其谱失真进行客观评价,测试结果表明文中所述算法,较好的实现了语音转换。     

一种基于非负矩阵分解的语音增强算法

文章提出了一种基于非负矩阵分解的语音增强算法。该算法包括两个阶段,训练阶段和增强阶段。训练阶段通过非负矩阵分解算法对纯净的噪声频谱进行训练,得到噪声字典矩阵,保存其作为增强阶段的先验信息。增强阶段首先通过非负矩阵分解算法对带噪语音的频谱进行分解,然后联合噪声字典矩阵和推导得到的相应迭代公式对语音字典矩阵和语音编码矩阵进行估计,重构增强语音。仿真结果表明,文中增强方案在抑制背景噪声,提高信噪比和减少语音失真方面要优于传统的语音增强算法。     

基于奇异谱分析的盲源分离单通道语音增强算法研究

针对盲源分离算法无法直接对单路含噪语音信号进行分离的问题,提出一种基于奇异谱分析的盲源分离单通道语音增强算法.通过对单路含噪语音信号进行奇异谱分析,将其低频分量作为第二路观测信号,利用改进的最大信噪比盲源分离算法进行处理,从而实现语音信号和噪声的分离.实验结果表明,该算法能够有效抑制噪声,提高信噪比,起到良好的语音增强效果.     

初相未知信号联合检测与估计的序贯实现

在未知参数的充分统计量和再生概率密度函数的基础上,引入了联合检测与估计的序贯算法,给出了算法的实现框图,并将该算法应用于高斯噪声中初相位未知信号的联合检测与估计当中.仿真实验表明,新算法较传统算法有一定的性能改善.     

基于TS201S的分段谱相关算法SSCA的实现

分段谱相关函数算法SSCA(Strip Spectral Correlation Algorithm)是一种实用的高效循环谱估计算法,对循环平稳信号的检测和参数估计的硬件实现具有重要意义。利用信号的循环平稳特性能很好的抑制平稳噪声和干扰,实现低信噪比条件下信号检测与参数估计。文章以SSCA的ADSP TS201S的实现为研究重点,分析了实时运算时各参数的选取依据,讨论了工程实现的难点和解决方案,并给出了程序的优化方案,为循环谱的工程应用打下坚实的基础。     

基于FPGA的图像中值滤波处理技术研究

为改进图像中值滤波传统算法占用资源量大,计算耗时多的不足,在分析了基于现场可编程门阵列(FPGA)的传统图像处理技术基础上,提出改进算法,通过直接找出像素值中的最大值、中间值和最小值的方法,快速找出中值,达到减少逻辑资源的占用和计算量,缩短图像处理时间的效果。实验结果表明,该方法能有效抑制图像噪声,改善图像质量,提高图像处理速度。     

基于恒虚警的多卫星信号快速盲检测算法?

在分析实际盲卫星通信信号的基础上，提出了一种对不重叠多卫星信号数量、中心频率进行实时估计的快速盲检测算法。算法基于恒虚警率准确地估计了噪声的统计特性进而设置了信噪分离的门限，并根据卫星通信信号的实际带宽特性实现了盲信号的检测。仿真结果表明，算法能够在较低的信噪比下实现对多卫星信号的快速准确盲检测，且与其他算法相比，该算法准确率高、通用性强，更能满足实际工程的需要。     

基于双谱鉴相的数字干涉仪测向技术

数字干涉仪测向体制中相位差信息的提取因受到噪声的影响,降低了其鉴相精度.根据高斯噪声双谱为0的特点,提出了一种基于双谱鉴相的数字干涉仪测向算法,对单频信号进行测向.分别从不加噪声的理想情况和存在高斯噪声的情况进行理论推导,论证了两者的一致性,并给出了信号频率和相位差信息的提取方法.与传统的频域鉴相算法相比较,仿真结果表明该算法可以有效地抑制高斯噪声,提高鉴相精度,验证了该算法的有效性.     

混响和噪声环境下基于角度谱的多声源定位与计数算法

针对混响及噪声环境下的多声源定位与计数问题,引入局部信噪比追踪及相关性检测模块,提取出传统广义互相关角度谱中受噪声及声源互扰影响较小的时频支撑域;同时引入双宽度匹配追踪方法替代传统的峰值搜索,改进后续定位与计数的精确度。仿真研究验证了综合应用滤波后的角度谱及双宽度匹配追踪的多声源定位与计数算法相比传统算法在较低信噪比、较强混响以及较多声源数的环境中更加精确及稳健。     

基于EMD与Hilbert变换的舰艇空化调制信号检测方法

针对舰艇推进器空化噪声检测中调制特征弱、背景干扰强等问题,提出了一种基于时延相关降噪、经验模态分解(EMD)和希尔波特(Hilbert)变换相结合的解调算法。该算法通过引入时延相关算法有效抑制了背景噪声,并利用EMD技术的自适应频带划分功能完成调制特征频带定位,实现了低信噪比条件下调制信号的有效检测。仿真试验证明:该方法在信噪比为-12dB、-15dB、-18dB条件下的检测效果明显优于传统的Hilbert变换等5种方法,且背景噪声干扰成分得到了有效抑制,调制信号检测效果显著提升。最后,通过推进器空化信号检测台架试验验证表明:该方法能够有效捕捉舰艇空化噪声信号中与转速、叶片数密切相关的调制特征。     

基于随机共振的多频率微弱信号并行检测

强噪声背景下的微弱信号检测是当前信号处理领域的研究热点。基于非线性理论的随机共振能够利用噪声,将噪声的一部分能量转移给信号,从而获得更高的输出信噪比。针对传统随机共振检测算法应用环境受限且无法实现多频率并行检测的现状,文章面向实际超短波环境,在参数补偿法的基础上,重新设计采样频率和补偿系数,提出了新的检测算法,实现了多频率微弱信号的并行检测。     

红外图像强固定模式显著性噪声抑制

针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据,提出基于显著性的红外图像强固定模式噪声抑制算法。对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。通过大量小目标、强固定模式噪声红外图像对算法性能进行测试。结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

基于显著性的红外图像强固定模式噪声抑制*

本文针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据提出基于显著性的红外图像强固定模式噪声抑制算法。文中首先对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。最后,通过大量小目标、强固定模式噪声红外图像对算法性能进行测试,结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

改进自适应中值滤波算法在图像去噪中的应用

传统自适应中值滤波算法不能根据图像噪声浓度自适应改变最大最小窗口尺寸,并且噪声浓度较高时,算法的执行效率会显著降低。针对上述问题,提出了一种改进自适应中值滤波算法。该算法的主要思想是通过估计图像的噪声污染浓度,建立噪声浓度与窗口尺寸的函数映射关系,确定最大最小窗口尺寸。针对传统自适应中值滤波算法运行时间较长的问题,提出了基于分治法的思想快速确定滤波窗口中图像灰度的最大最小值和中值。从实验结果来看,该算法提供了最大最小窗口尺寸设置的依据,在获得相同滤波效果的同时比传统自适应中值滤波算法执行效率更高。     

分数低阶统计量的水下目标信号调制谱分析方法

传统水下目标噪声信号调制谱分析方法是建立在具有二阶统计量的高斯噪声环境下实现的,而多数情况下舰船辐射噪声和海洋环境噪声等水声信号通常具有脉冲特性,服从α稳定分布,二阶统计量的调制谱分析算法性能可能会下降,甚至不再稳定收敛.针对此问题提出了分数低阶统计量的目标信号调制谱分析方法,并进行仿真和实验数据验证,其结果表明所提方法具有稳健性.     

亚音速飞行目标气动噪声方位角估计技术

亚音速飞行弹道气动声源是宽带非平稳噪声。提出基于小波函数的波达方向估计算法,并采用时频分析方法进行特征分析,获取气动噪声显著目标特性。通过优化时间-空间谱特征,对在时频域空间谱的目标信号进行优化,从而增强目标信号在空间谱上的显著性,最终有效实现亚音速飞行弹道气动声源的角度估计。实验数据验证表明,基于时频分析阵列信号处理模型,可以更好地实现亚音速飞行目标气动噪声方位角估计。