基于高阶统计量的心电信号R波检测

心电信号的检测对于临床心脏疾病的检验和确诊有很重要的作用,所以目前有关心电信号榆测方法的研究很多.本文针对心电信号R波的检测,采用了一种基于高阶统计量的检测方法.使用MATLAB编程软件实现了心电信号R波检测,采用非参数直接法心电信号R波进行双谱估计.并将实验运行结果作以比较.实验结果表明高阶统计量是一种十分有效的信号检测和系统分析方法.     

基于高阶统计量的心电信号R波检测

心电信号的检测对于临床心脏疾病的检验和确诊有很重要的作用,所以目前有关心电信号检测方法的研究很多。本文针对心电信号R波的检测,采用了一种基于高阶统计量的检测方法。使用MATLAB编程软件实现了心电信号R波检测,采用非参数直接法心电信号R波进行双谱估计,并将实验运行结果作以比较。实验结果表明高阶统计量是一种十分有效的信号检测和系统分析方法。     

基于高阶统计量的多模噪声中的信号检测

按照概率密度函数形状,给出了一种比较通用的非高斯噪声模型——多模噪声。多模噪声总体上属于非高斯噪声,但兼容了高斯噪声。改进了高阶统计量的双谱算法,给出一种基于双谱的多模噪声中信号的检测方法,并在此基础上结合无惯性非线性变换器和双谱技术,改进了传统的自适应幅频干扰抑制器,可以精确估计或检测信号。仿真表明该方法可以抑制高斯噪声,同时在强噪声和复杂背景下可以以较高的检测概率检测出信号,优于传统的似然比检测。     

基于高阶统计量的系统的盲辨识

通过对二阶统计量和高阶统计量的系统辨识方法的比较,重点介绍基于高阶统计量的系统盲辨识,分FIR和IIR两种情况简要描述了在这两种结构中实现系统盲辨识的方法,同时作为盲辨识的一个重要方面,也对系统的时延估计进行了讨论。随着通信和现代信号处理技术的发展,将高阶统计量的观点应用于MIMO系统的辨识已成为一个研究热点。     

一种改进的基于高阶统计分析的语音激活检测算法

提出了一种基于高阶统计的改进型语音激活检测算法。相对于传统的语音激活检测算法,在语音信号存在不确定的条件下,利用LPC残差域的高阶统计属性量,作为语音/噪音信号的判决标准。综合引入的归一化偏度/峰度、偏峰比等高阶统计量和传统的噪音信号概率等一阶分析量,形成语音/噪音软判决机制,能够有效的识别带噪语音信号中的语音激活区域。计算机仿真结果表明,输入背景噪音为高斯噪音和类高斯噪音时,所提算法相对于传统算法的误判概率要低,且在低信噪比条件下,具有更好的识别性能。     

基于高阶统计量的对称分布信号检测

本文研究高斯噪声中具有对称分布的随机信号检测问题,提出了一种基于偶数阶高阶统计量的信号检测方 法。该方法利用高阶累积量估计的渐近正态性,采用随机变量Taylor展开的方法估计高阶累积量估计的方差,再对偶数阶 的高阶累积量进行归一化处理,将信号的检测转化为一般的X2检验问题,并通过仿真实验以广义高斯褶积信号为例对其 检测性能进行分析。     

高阶统计量在检测中的应用

本文提出了一种利用高阶统计量对加性噪声中的确定性信号及非高斯随机信号进行检测的方法。这种检测方法对加性噪声是否有色或是否为高斯分布并不敏感，而只要求噪声具有对称的概率密度函数，在信号波形未知而造成匹配滤波器性能恶化时，利用这种方法对确定性信号进行检测的性能与已知彼形时匹配滤波器的检测性能相近。在色噪声话密度未知且噪声港与信号谱重叠程度最大时，这种方法的性能优于匹配滤波器。利用这种方法还非常易于实现非高斯随机信号的检测。因此，这种检测方法弥补了匹配滤波器必须有先验知识才能达到良好检测效果的不足。     

一种基于归一化峰度的抗非高斯噪声语音VAD检测方法

在多媒体会议房间中,鼓掌、咳嗽等非高斯干扰噪声常会严重影响语音处理系统的性能.为了有效地抑制非高斯干扰噪声,本文提出了一种基于线性预测残差域高阶统计量的语音VAD检测方法.该方法利用语音信号线性预测残差的归一化峰度表征语音和非语音信号在谐波数量上的差异,构造判别准则进行VAD检测,并通过预估高斯背景噪声的能量,削弱了背景噪声对VAD算法性能的影响.仿真实验结果表明,该方法能够有效地区分高斯背景噪声下的语音和非高斯噪声.     

基于高阶统计量的低分辨雷达空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,首先分析了空间目标的雷达特性规律,在此基础上,提出了基于高阶统计量的空间目标识别算法。计算机仿真实验表明,即使在较低的输入信噪比下,该算法依然对自旋稳定卫星、三轴稳定卫星和空间碎片等三类目标取得了比较好的识别效果。     

基于高阶累积量的认知无线电频谱检测技术

文章将介绍一种新的认知无线电频谱检测算法:基于高阶统计量的频谱检测技术。该种算法通过使用四阶统计量模型,改进了传统的频谱检测算法,可以在更低的信噪比条件下进行频谱检测。     

一种汉语语音变换技术

汉语语音变换技术的目的是将汉语语音中源说话人的语音特征转换为目标说话人语音特征。提出的适用于汉语说话人的变换算法分为3个部分:前两部分用高斯混合模型实现了语音的谱包络(线性预测编码)及其激励(残差)的转换;第三部分采用支持向量回归算法实现语音的韵律变换规则建模,结合汉语语音特点利用基音同步叠加算法实现语音的超音段特征调整。与现有的语音变换算法进行比较,算法针对汉语语音超音段发音特点进行韵律调整,有效实现了汉语语音变换并得到高自然度合成语音,是一种有效的汉语语音变换算法。     

基于分数低阶统计量的双谱及其估计方法

稳定分布可更好地描述实际中所遇到的具有显著脉冲特性的随机噪声.为了更好地抑制信号背景中的非高斯噪声,本文提出了基于分数低阶的双谱定义,并给出在分数低阶有色噪声背景下双谱非参数和参数模型的估计方法.仿真结果表明,同传统的双谱估计相比较,非参数法分数低阶双谱估计能有效的识别信号,保留了信号的幅度和相位信息,但存在较大的估计方差.基于AR模型的分数低阶双谱估计具有最大的谱平坦度,能够有效地抑制噪声,具有良好的韧性.     

基于最小统计与MMSE-LSA的语音增强

提出了一种基于最小统计及短时对数谱幅度最小均方误差估计单通道语音增强算法,并在此基础上对其进行了修正。噪声功率谱估计不需要VAD进行有无语音的检测,并在每帧数据都进行更新,可跟踪变电平噪声。该算法在MMSE—LsA准则下得到谱增益函数,并考虑到纯净声音信号频谱特性,对增益函数进行了修正。实验结果表明,该算法可有效去除噪声,在消除音乐噪声的同时对语音信号产生很小的失真,并易于实时处理。     

一种基于最小能量统计的语音增强改进算法

针对基于最小能量统计的语音增强算法,用可靠的噪声段检测方法对噪声谱估计流程进行改进,提升噪声谱幅度估计的准确度。实验表明,此方法能有效地追踪背景噪声的变化情况,进而提升语音增强的效果。     

脉冲噪声下基于Renyi熵的分数低阶双模盲均衡算法

针对脉冲噪声下盲均衡器难以快速收敛并有效抑制噪声的问题,该文提出一种基于Renyi熵的分数低阶双模盲均衡算法。该算法将Renyi熵与分数低阶统计量相结合并用作代价函数来更新盲均衡器权向量,利用Renyi熵提高算法的收敛速度,利用分数低阶统计量增强算法对脉冲噪声的抑制能力。为了提升系统稳健性,该文进一步提出双阈值加权判决法,通过设置双阈值并引入非线性加权函数,使得两种代价函数之间的切换更为平滑。在不同脉冲性噪声、不同信道环境下进行仿真实验,结果表明,该文算法既能有效抑制脉冲噪声,又具有较快的收敛速度。     

一种新的基于高阶统计量的自适应滤波算法

本文首先提出一种基于三阶累积量的代价函数,其次提出了一种基于此代价函数的格型自适应算法,最后将此算法用于线性预测,计算机仿真实验结果证实了算法的正确性和有效性.     

基于二阶统计量的多径混合语音分离算法

介绍了一种实用的语音分离算法CoBliSS,他是一种基于二阶统计量的多通道盲反卷积算法.但是源信号自相关函数的序列长度必须足够大,而大多数语音信号不满足这一要求.但是针对非平稳的语音信号,非严格的理论分析显示二阶统计量可以用于语音分离,将CoBliSS算法与回声消除相结合,给出了ECoBliSS算法.结果表明当ECoBliSS算法用于远程会议系统时,分离出了较高质量的语音信号,而且速度也比较快.     

基于最小统计和人耳掩蔽特性的语音增强算法

提出了一种基于最小统计和人耳掩蔽特性的语音增强算法,通过最优平滑和最小约束递归平均从含噪语音中估计噪声的均值,推导出一种新的基于掩蔽特性的谱减系数计算公式。实验结果表明,该算法优于传统的掩蔽特性算法,含噪语音经过增强后,残留的音乐噪声更小。