改进谱减法结合神经网络的语音增强研究

背景噪声是通信系统噪声干扰的来源之一,语音增强可以降低乃至消除噪声干扰,进而提高语音的可懂度.为了减小复杂噪声环境下谱减法引发的音乐噪声,采取正交的多窗谱估计对语音功率谱平滑处理,有效的减小了信息丢失和估计波动.利用自适应谱减系数调整谱增益和谱下限来控制残留噪声,利用优化的IMCRA算法对噪声及时更新来判决语音段和静音段,同时借助特性良好的BP神经网络方法进行训练,语音和噪声谱通过谱减后,波形重构获取增强的语音信号.仿真结果表明语音降噪效果好、可懂度高.     

LCMV分频的改进维纳滤波后置波束形成算法

针对封闭环境中语音信号受到混响影响,提出了LCMV分频的改进维纳滤波后置波束形成算法。该算法通过计算麦克风阵列接收到含混响信号的短时傅里叶变换得到频域阵列信号,对频域阵列信号分频处理,将分频的信号进行线性约束最小方差波束形成滤波处理,该波束滤波根据每个频段上混响时间不同的特性对频域阵列信号进行分频处理后,将波束形成算法分别应用到高低频中,以提高混响抑制的精度;再由频域阵列信号的组合功率谱进行维纳后置滤波以抑制混响,由麦克风阵列接收到混响信号的直达波和反射波之间不相关性及麦克风阵列接收信号的空间信息解决维纳滤波器的精确估计问题;最后由逆短时傅里叶变换恢复出时域信号。仿真结果表明,该算法对混响抑制具有明显的改善;且在混响时间600 ms条件下语音增强系统的PESQ值提高了0.26。     

基于甚高频的语音增强算法研究

甚高频通信在民航中有广泛应用,但是它极易受到各种噪声的干扰,传统方法去噪效果差且没有消除固有干扰,提出了一种基于小波分析的自适应卡尔曼滤波算法.该算法在小波分析中提出了新阈值函数,在自适应卡尔曼滤波算法中增加了调节窗口长度的自适应因子,以此来调节滤波增益,可以有效地避免滤波发散.随机选择了某一时段4种不同频率的甚高频语...     

基于改进U-Net的水下图像增强算法

针对水下退化图像存在颜色失真、模糊雾化、对比度低等问题,提出了一种新的基于改进U-Net的水下图像增强算法。设计一种新的残差注意力结构和边缘检测模块并将其引入到U-Net网络中,构建改进后的水下图像增强算法。实验结果表明,本文提出的算法在校正水下色偏和增强对比度方面均得到了很好的效果,IE值较原始图像平均提高了14.2%,UCIQE值较原始图像平均提高了24%。消融实验结果表明,本文提出的残差注意力结构、边缘检测模块和损失函数均对水下图像增强起到了积极的效果。     

基于改进遗传算法的无源滤波器设计

利用遗传算法对无源滤波器电路参数进行全局优化并对算法进行改进。在标准遗传算法的基础上,引入了自适应的遗传操作和最优保存策略。相对于经典滤波器设计方法,可不依赖先验知识而获得近似最优解,自动化程度高。仿真结果表明改进后的算法性能良好。     

改进型遗传算法在滤波器优化设计中的应用

提出一种引入神经网络函数的自适应遗传算法,并将其应用到电力系统滤波器优化配置,致力于解决电网谐波污染问题.根据工程实际情况.建立滤波器的简化模型,以滤波器投资最少为目标函数,以各节点谐波电压指标作为约束条件,采用改进的遗传算法进行寻优,最终实现有源电力滤波器的最优安装地点、安装个数和参数的优化选择.通过对IEEE实例计算与仿真分析,充分论证了所提出的改进算法及模型是正确而可行的.     

基于改进卡尔曼滤波算法的短期负荷预测

对于电网的安全运行,短期的负荷预测是必不可少的。电力系统的负荷通常是随着时间呈现出一定范围的非线性波动,这里根据电力系统中负荷特性的变化规律,提出了一种通过引入修正因子改进卡尔曼滤波算法的方法,实现了电力短期负荷预测。通过对成都地区的负荷进行短期预测,说明这种方法较传统的卡尔曼滤波具有更高的预测精度,同时与其他的新型智能算法相比,具有收敛速度快、耗时短等优点。通过MATLAB仿真,说明这种改进后的算法对实现短期负荷预测提供了一条新的途径。     

基于改进的SVSLMS算法的语音识别系统研究

为了克服固定步长LMS算法固有的收敛速度与稳态误差之间的矛盾,在传统SVSLMS算法的基础上提出了改进的SVSLMS算法。通过理论分析和仿真研究的方法,给出了该算法中各个参数的选取方法,并确定了适用于本文所采用的语音样本库的参数最佳值。对固定步长LMS算法、传统SVSLMS算法以及提出的改进的SVSLMS算法进行了仿真对比。仿真结果表明,提出的改进的SVSLMS算法在降噪性能、收敛速度和稳态误差这3个方面都优于其余两种算法,有效的提高了语音识别系统的准确性和稳定性。     

结合数据增强和改进YOLOv4的水下目标检测算法

针对水下低质量成像、水下目标形态大小各异、以及水下目标重叠或遮挡导致水下目标检测精度低的问题,提出一种结合数据增强和改进YOLOv4(you look only once)的水下目标检测算法,在YOLOv4的主干特征提取网络CSPDarknet53中添加卷积块注意力机制(convolutional block attention module, CBAM),以提高网络模型特征提取能力;在路径聚合网络(path aggregation network, PANet)中添加同层跳接和跨层跳接结构,以增强网络模型多尺度特征融合能力;通过数据增强方法PredMix(prediction-mix)模拟水下生物重叠、遮挡等显示不完全的情形,以增强网络模型鲁棒性。实验结果表明,结合数据增强和改进YOLOv4的水下目标检测算法在URPC2018(underwater robot picking control 2018)数据集上的检测精度提升到了78.39%,比YOLOv4高出7.03%,充分证明所提算法的有效性。     

改进的可变加权卡尔曼激光雷达滤波算法

针对大气激光雷达探测信号容易受到背景光的干扰,远端探测信号信噪比下降剧烈的问题,根据激光雷达回波信号具有长序列的特点,提出了激光雷达探测信号的改进可变加权卡尔曼滤波算法。该算法在可变加权系数中增加一个常数项,使得改进后的算法可在不同时刻,对长时间序列的激光雷达探测信号提供可变的加权系数。该算法克服了传统卡尔曼算法中滤波增益恒定的问题,增强了新探测信号在最优估计的修正作用,对于长、短时间序列信号均具有很好的滤波效果。本算法经大气激光雷达在不同天气实测信号的验证,与其他3种卡尔曼滤波算法相比,在无云天大气气溶胶消光系数的反演误差,分别降低了53%、25%和3%,回波信号信噪比分别提高了5.5、4.4和3.4 dB。在有云天大气气溶胶消光系数的反演误差,分别降低了57%、26%和4%,回波信号的信噪比分别提高了4.9、3.7和2.5 dB。该算法不但提高了大气气溶胶光学特性的反演精度,而且为气溶胶微物理参数精细探测和激光雷达在气象领域的应用提供了一种有效手段。     

一种改进权重的非局部均值图像去噪算法

提出了一种改进权重的非局部均值滤波方法。在高斯加权的欧氏距离基础上,结合相关系数来衡量图像邻域间的相似性,将其应用到图像邻域灰度矩阵间的相似性度量上,更好地利用了图像邻域间的相似性质。通过对添加不同噪声水平的噪声图像进行测试,实验结果表明,与传统的非局部均值滤波算法相比,所提出的算法在去噪性能上尤其是结构信息保持上均有显著提高。