结合倒谱阈值频谱估计与瑞利分布模型的语音活动检测

针对传统的似然比语音活动检测的计算语音与噪声统计模型复杂度高,提出结合倒谱阈值估计噪声频谱与瑞利统计模型的语音活动检测方法。该方法先用倒谱阈值估计噪声的频谱,再利用UMPT获得基于瑞利模型的语音判决阈值更新准则。评估了4种不同方法组合的语音活动检测（voice activity detection,VAD）。实验表明：在非平稳噪声环境下该方法的正确检测率优于其它组合的VAD方法。     

语音噪声压缩新算法

本文提出了一种基于VAD的语音噪声抑制方法。这种新算法源于VAD技术及谱减法,它先对含噪声信号进行VAD处理,而后是基于感知掩蔽阈值的谱减法运算,降低噪声,获得清晰的增强信号。与其它算法相比,其效果更好,语音听测试证明了这一点。     

几种无语音检测噪音估计方法的比较研究

噪音谱的估计是谱相减方法中关键的一环。传统的噪声谱的估计是通过对输入语音作语音检测，区分出纯噪声段，根据噪声段的频谱估计出噪声谱。该方法的准确性局限于语音检测算法的性能，在信噪比较低时，性能下降很快。近年来人们提出了多种不用语音检测的噪声估计方法，这些方法不区分语音和非语音段，在每一帧都进行噪声谱的更新。评估了几种无语音检测的噪音估计方法，比较了它们用于谱相减时在语音识别中的性能，提出了一种新的基于能量聚类的无语音检测噪音估计方法，通过实验验证了它的优良性能。     

基于谱减法的装甲车辆语音降噪研究

为降低装甲车辆内部强噪声对话音通信的影响,结合Mel算法、频率短时能量差、听觉掩蔽效应和经过改进的谱减法,提出了一种语音激活检测和语音增强方法,对传统谱减法噪声估计不精确和语音失真等问题进行了改进.该方法采用Mel频率对带噪语音进行语音激活检测,对噪声进行保守估计,替代一般谱减法采用的噪声统计均值.结合听觉掩蔽阈值对谱减法的相关系数进行动态调整,避免传统算法系数保持不变的不合理性.实验结果表明,该方法能很好抑制音乐噪声,提高带噪语音信噪比,改善语音的清晰度和可懂度.     

基于语音存在概率和听觉掩蔽特性的语音增强算法

低信噪比下,谱减语音增强法中一直存在的去噪度、残留的音乐噪声和语音畸变度三者间均衡这一关键问题显得尤为突出。为降低噪声对语音通信的干扰,提出了一种适于低信噪比下的语音增强算法。在传统的谱减法基础上,根据噪声的听觉掩蔽阈值自适应调整减参数,利用语音存在概率,对语音、噪声信号估计,避免低信噪比下端点检测(VAD)的不准确,有更强的鲁棒性。对算法进行了客观和主观测试,结果表明：相对于传统的谱减法,在几乎不损伤语音清晰度的前提下该算法能更好地抑制残留噪声和背景噪声,特别是对低信噪比和非平稳噪声干扰的语音信号,效果更加明显。     

基于多特征融合与动态阈值的语音端点检测方法

在低信噪比及非平稳的噪声环境下,传统基于特征的语音端点检测方法检测正确率低、稳定性差。为此,提出一种新的语音端点检测方法。通过对含噪语音进行谱减法降噪,提取谱减后的语音信号与前导无话帧的M FCC倒谱距离特征,计算均匀子带频带方差特征,并对阈值进行动态更新,利用双参数双门限法对带噪语音进行端点判定。实验结果表明,与基于DWT-MFCC倒谱距离、基于谱减法和均匀子带频带方差的端点检测方法相比,该方法具有较高的检测正确率及较低的漏检率与误检率。     

一种基于循环谱特征识别的频谱感知算法

针对传统循环谱计算复杂度高的问题,提出一种基于循环谱特征识别的频谱感知算法,该算法采用自相关矩阵替代频域平滑方法计算信号的谱特征,在降低算法复杂度的同时,能够准确区分噪声与有用信号,利用软件无线电构建测试平台,用以验证算法的有效性.实验结果表明,该算法能够准确检测出频谱空穴,准确度大于90％,并能降低时间复杂度,可以满...     

基于幅度谱高阶统计量的鲁棒语音端点检测算法

在频域应用高阶统计量(High order staristics,HOS),提出一种基于幅度谱HOS新特征的语音端点检测(Voice activity detection,VAD)算法.算法利用相邻帧获取当前帧的统计信息,并用幅度谱构造独立零均值高斯随机序列,通过计算此序列的归一化偏度来得到HOS特征.新特征利用了噪声的长时平稳特性和无序性的先验信息,借用语音生成模型来分析噪声模型,并通过合理的假定,提取潜藏在幅度谱中的高斯信息.因此相比传统HOS特征只能用于高斯或准高斯白噪声检测,幅度谱HOS适用范围扩展到包括有色噪声在内的所有平稳随机噪声.同时新特征表现出许多优异的特性,如:平稳噪声的特征值趋近于零;语音间隙噪声段和语音结束时呈现出负峰特性等.利用这些特性可以建立适用于不同类型、不同信噪比、且具有随机切入点的强鲁棒性能的VAD算法.文章详细阐述了新特征的原理以及特性,并结合判决准则构造了一个简单的VAD算法.实验结果表明.对于平稳噪声基于幅度谱HOS的VAD算法,在检测的准确性和算法鲁棒性的综合性能上优于基于传统特征的算法.     

CRN中基于自适应阈值和OR-决策规则的频谱感知策略

针对传统认知无线电网络(CRN)的频谱感知策略没有考虑噪声不确定性问题,提出一种基于噪声功率估计自适应阈值和OR-决策规则的频谱感知策略。首先,将各接收器数据构建成一个数据矩阵,并计算矩阵的协方差矩阵。然后,计算协方差矩阵的特征值,并根据特征值的均值来获得噪声的最大似然估计。接着,根据估计的噪声和能量信号的检验统计量来确定决策阈值。最后,各节点根据决策阈值作出局部决策并上传融合中心(FC),FC利用OR-决策规则作出最终决策。实验结果表明,该方案的决策阈值能够随噪声自适应调整,有效提高了检测率,对噪声不确定性具有很好的鲁棒性。     

复杂噪声中基于MFCC距离的语音端点检测算法

为提高复杂噪声环境下语音信号端点检测的准确率,提出一种基于梅尔频谱倒谱系数(MFCC)距离的多维特征语音信号端点检测算法。通过计算语音信号的MFCC距离,结合短时能量和短时过零率对特征距离进行修正,并更新其阈值,建立自适应噪声模型,实现复杂噪声中语音信号端点的准确检测。实验结果表明,与基于双门限能量和基于倒谱距离的2种经典检测算法相比,在计算效率相同的条件下,该算法的检测准确率更高。     

基于对数能量倒谱特征的端点检测算法

端点检测技术是语音识别的关键技术之一,为了克服传统倒谱距离语音端点检测算法在低信噪比下检测效果的不理想,将对数能量（LE）特征和倒谱（C）特征相结合,提出了一种新的对数能量倒谱特征（LEC）,采用模糊C均值聚类和贝叶斯信息准则（BIC）方法估计特征门限,得出了正确的语音端点判断,在三种典型噪声下,对信噪比从－5 dB到15 dB的带噪声语音进行仿真,结果表明LEC法的检测错误率仅为20.25%,明显低于倒谱法和对数能量法,能有效地确定语音的端点并改善语音识别效果。     

基于小波变换C0复杂度的语音端点检测方法

对传统的C₀复杂度语音端点检测方法改进,提出一种基于小波变换的C₀复杂度（WC₀）方法,其特征门限估计采用模糊C均值聚类算法和贝叶斯信息准则算法,并采用双门限法进行语音端点检测。在TIMIT连续语音库上的实验表明,在低信噪比环境下,WC₀法的检测性能明显优于基于传统的C₀复杂度法,特别是在车辆噪声和车内噪声环境下,WC₀法表现出更好的检测性能。     

基于HMM与SVM的语音活动检测

工程机械强噪音环境下的噪声源较多,导致电话语音通话无法进行,且强噪声造成无效数据占用带宽。为此,提出基于隐马尔科夫模型(HMM)和支持向量机(SVM)的语音活动检测算法。该算法将提取的美尔频率倒谱系数特征向量输入到HMM识别器中,并通过Viterbi算法得到N维最佳识别结果,将其转换为SVM特征向量输入到SVM分类器中进行分类判别,得到判决结果。实验结果表明,该算法在机械工作噪音的情况下,语音检测率较静态统计类算法平均提高9%,比小波支持向量机方法提高11%,在驾驶室噪音的情况下比小波SVM方法有较小幅度的提高,但其增长速度较快,且比传统的统计类算法提高9%。     

基于多假设运动补偿预测的边信息改进方法

根据分布式系统中边信息和原信息之间的噪声模型,提出一种基于多假设运动补偿的边信息改进方法.使用传统方法生成原始的边信息,对其进行双向运动估计产生补偿块,将补偿块线性组合成新的边信息.实验结果表明,该算法具有复杂度较低的优点,能提高边信息的质量,从而有效地改善分布式视频压缩的率失真性能.     

利用外辐射源的TDOA和FDOA目标定位算法

针对单站外辐射源条件下的目标定位问题,提出了一种基于最大似然的时差-频差联合定位算法。首先根据时差和频差的观测方程,构建目标位置和速度的最大似然估计模型。然后采用牛顿迭代算法对最大似然估计模型求解,得到目标位置和速度估计。最后,推导了算法的克拉美罗界和理论误差,并证明了二者相等。仿真结果表明,算法定位精度高于两步加权最小二乘算法和约束总体最小二乘算法,在测量误差较高时仍能达到克拉美罗界。通过对系统几何精度因子图的分析,确定目标及外辐射源数量和位置也是影响定位精度的重要因素。     

改进的窄带循环平稳信号DOA估计方法

将循环平稳理论引入传播算子算法中,提出了循环传播算子的DOA估计算法。利用有用信号与干扰信号循环频率的不同和噪声在感兴趣的循环频率上不呈现谱相关的性质,有效滤除了干扰信号和噪声的影响,实现了高分辨的DOA估计,并且突破了传统传播算子算法信号源数一定要小于阵列个数的限制;同时它不需要对高维空时协方差矩阵进行特征值分解,与基于特征子空间分解的算法相比运算量低,利于实时处理。仿真结果证明了该算法的有效性。     

基于改进谱平滑策略的IMCRA算法及其语音增强

噪声谱估计算法在单通道语音增强方法中起着重要作用,为了改善噪声谱估计算法对噪声的估计和更新能力,结合最小统计（MS）算法,对改进的基于控制的递归平均（IMCRA）噪声谱估计算法的递归平均参数进行改进,并用一阶递归的方式对平滑功率谱的最小值进行改进。采用谱减法对含噪语音信号作去噪处理,从客观和主观两方面对不同算法的性能进行评价,对比分析不同噪声不同信噪比下增强前后语音的分段信噪比（segSNR）、PESQ得分、MOS得分。实验结果表明,提出的方法能够更好地跟踪噪声信号变化,改善语音质量。     

一种基于RSSI的AOA估计算法

在无线传感器网络（WSNs）中,使用阵列天线进行到达角（AOA）估计存在成本昂贵和算法复杂度高的缺点,提出了一种基于接收信号强度指示（RSSI）的AOA估计算法。利用2个旋转的方向图部分重叠的定向天线接收RSSI值,通过双方向图求差法估计目标节点的AOA。实验结果表明：室内实验的AOA估计平均误差为6．7°,室外的平均误差为0．6°。该算法复杂度小,硬件成本低,适用于WSNs的节点定位。     

一种改进的位平面匹配运动估计算法

为进一步提高视频的编码效率,提出一种改进的位平面匹配(BPM)算法,通过调整阈值的选取方式,减少搜索次数,利用改进的运动矢量计算方法提高搜索准确性,提升图像质量。实验结果表明,与传统BPM算法相比,该算法能提高位平面的区分能力,增强运动估计效果。