基于CDAE-LMSAF的水下目标辐射信号增强

针对远距离目标(如潜艇、鱼雷等)被动定位时存在海洋环境噪声、舰艇自身噪声等影响,从而导致定位精度降低的问题,本文提出了一种基于卷积去噪自编码器和自适应最小均方误差滤波(CDAE-LMSAF)的增强方法,通过提取水下目标辐射信号和含噪信号的时频谱图特征,作为卷积去噪自编码的输入进行训练和建模,再利用自适应滤波器对神经网络增强后的音频进行优化,实现对水下目标辐射信号的增强。仿真实验结果表明,在信噪比为-5 dB时,本文方法的信噪比为17.51 dB,相比于多窗谱谱减法的1.23 dB,卷积去噪自编码器的7.21 dB,自适应最小均方误差滤波的4.12 dB,本文方法具有更高的信噪比增益。     

基于自适应EEMD和分层分形维数的风电机组行星齿轮箱故障检测

针对传统平均经验模态分解(EEMD)中添加白噪声参数需依据人工经验设定的缺陷,在研究引起模态混叠原因的基础上提出一种自适应EEMD方法。该方法可以根据信号本身特性,自适应设定白噪声标准差以达到最优分解效果。首先使用奇异值差分谱法对信号进行分解、重构,然后利用提取得到的高频冲击分量和噪声分量的复合分量对所需添加白噪声标准差大小进行自适应整定,最后通过自适应EEMD将信号分解为一系列本征模态函数(IMF)。分形维数对信号特征评价性能良好,所以用分形维数来识别不同类型振动信号是十分有效的。本文提出分层分形维数方法,可提高信号识别、分类效率和准确度。使用该复合方法处理仿真信号、风电机组传动系统实验平台信号均取得良好效果,证明了本文所提方法的有效性。     

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音信号,并用提出的算法进行滤波处理,从信噪比、均方根误差、信号波形图和语谱图等方面进行分析。结果表明,该算法能够有效去除甚高频语音信号中的噪声,可以获得更高的信噪比和更小的均方根误差,进一步提升语音质量。     

复杂声学环境下语音空调语音降噪方法研究及应用

通过研究语音空调在复杂声学环境下的回声消除和混响消除方法,以此来解决远场语音空调识别率低及鲁棒性较差的问题.采用频域分块自适应滤波方法进行回声消除,对大混响环境优化收敛速度,设计基于时频掩码多通道线性预测方法来自适应降噪.首先使用深度学习技术来构建信号时频掩码模型,然后采用多通道线性预测自适应晚期混响抑制技术,结合掩码模型获取时频掩码信息,快速有效地抑制掉信号中混响成分,最后采用基于瞬态数据与特征值分解的空域滤波技术,结合掩码信息,准确估计多维空域信号导向矢量与噪声统计量,设计空域滤波器,有效抑制掉噪声干扰,提高识别鲁棒性.     

复杂声学环境下语音空调语音降噪方法研究及应用

通过研究语音空调在复杂声学环境下的回声消除和混响消除方法,以此来解决远场语音空调识别率低及鲁棒性较差的问题.采用频域分块自适应滤波方法进行回声消除,对大混响环境优化收敛速度,设计基于时频掩码多通道线性预测方法来自适应降噪.首先使用深度学习技术来构建信号时频掩码模型,然后采用多通道线性预测自适应晚期混响抑制技术,结合掩码模型获取时频掩码信息,快速有效地抑制掉信号中混响成分,最后采用基于瞬态数据与特征值分解的空域滤波技术,结合掩码信息,准确估计多维空域信号导向矢量与噪声统计量,设计空域滤波器,有效抑制掉噪声干扰,提高识别鲁棒性.     

基于LMS算法自适应噪声抵消系统的仿真研究

介绍了自适应噪声抵消系统的原理和LMS算法,并给出了基于LMS算法自适应噪声抵消系统的仿真图。通过分析仿真结果表明基于LMS算法的自适应噪声抵消技术可以有效的抵消正弦干扰信号,这样在语音信号处理中就能消除含噪语音信号中的背景噪音,达到提高语音信号质量的目的。     

基于投影分类的语音端点检测方法

针对低信噪比条件下语音端点检测精度受噪声干扰严重的问题,提出了一种基于投影分类的语音端点检测方法。该方法首先利用长时语音信号变化率测度特征进行低信噪比环境中的语音特征计算,充分利用语音信号和非语音信号的不同来增强低信噪比条件下的区分度;接着,采用Fisher准则对语音和背景噪声进行分类识别,确保投影后的特征参数类内散度最小、类间散度最大。实验结果表明,方法具有较高的检测精度,在信噪比为-10 d B的白噪声干扰情况下仍然保持了86.7%以上的正确检测率。     

基于RLS算法的自适应噪声抵消系统研究

介绍了一种基于RLS算法的自适应噪声对消系统,说明了噪声对消系统的原理以及RLS算法的步骤与流程。通过实例仿真,得到了基于RLS算法的自适应噪声抵消系统仿真图。分析仿真结果得出,在单频干扰与宽带噪声干扰两种情况下,RLS自适应滤波器都能很好地消除干扰得到有用信号。证实了在通信语音信号处理中,用基于RLS算法的自适应噪声对消系统可以消除语音噪声,提高语音通信的信号质量。     

基于小波分析与神经网络的语音端点检测研究

在语音识别系统中,端点检测是极其重要的一个环节。为了提高在各种实际噪声环境下语音端点检测的正确率,提出一种基于小波分析与神经网络的语音端点检测算法来提高语音端点检测率。利用小波分析提取语音信号的特征量,然后将特征向量作为BP神经网络输入进行学习,采用粒子群算法优化BP神经网络参数,建立语音端检测模型,并进行仿真实验,结果表明WA-IMPSO-BP提高了语音端点检测率,有效降低了虚检率和漏检率,是一种检测率高,抗噪性能强的语音检测算法。     

自适应噪声抵消系统的设计与性能仿真

LabVIEW作为一种图形化虚拟仪器编程语言,其在信号的生成、分析和处理上优势明显。利用其可以设计虚拟的自适应噪声抵消系统,从而可以应用于实际工程中对噪声抵消性能的测试验证。本文针对强噪声背景下有用信号的提取问题,介绍了自适应噪声抵消的原理,并对3种基本自适应滤波算法的步骤与流程进行了阐述。基于LabVIEW图形化虚拟仪器编程语言设计了虚拟自适应噪声抵消系统,系统结构简单,人机交互界面较好。在该系统下以3种自适应滤波算法为例仿真验证了的噪声抵消的性能,结果表明,3种自适应滤波算法的滤波性能与实际分析相符,验证了所设计系统的有效性和正确性。     

形态学降噪在转子分形故障状态识别中的应用

将描述混沌运动的关联维数用于转子系统振动信号分析，并针对现场实测振动信号中存在的噪声污染，引入形态滤波器对信号进行降噪处理。分析比较降噪前后转子4种状态(正常、油膜涡动、局部碰摩、全周碰摩)下信号的关联维数，结果表明利用含有噪声信号的关联维数来描述系统的特征行为是不可靠的，对现场实测信号进行降噪处理是必要的。形态滤波器具有良好的降噪效果，降噪后关联维数有效地反映和区分了转子的不同状态。将降噪后的关联维数作为转子故障诊断中识别故障、判断运行状态的特征量是可行的。     

Nonstationary speech analysis using neural prediction

Discusses extracting dynamic features of individual speakers from short speech segments for robust recognition. As a method of homomorphic signal processing, cepstrum analysis can separate the excitation and impulse response of the vocal channels when applied to speech signals. For short-time spectrum analysis, overlapping windows are used to divided speech into many frames. For each window, one cepstrum vector is obtained. It is assumed that for each frame (about 30 msec), the speech signal is stationary. However, the speech is basically nonstationary for long time intervals. Therefore, one must consider the dynamic changes between frames. Conventional methods often use only the static features of the short-time cepstrum. A neural network can be seen as a nonlinear dynamic system, which may express both the static and dynamic features of the signal at hand. For this purpose, a neural prediction network was designed to extract the inter- and intraframe correlations of cepstrum vectors, so as to obtain the robust features of individual speakers from very short speech epochs     

基于Spc-Shrink平稳小波变换的GIS局部放电降噪方法

气体绝缘金属封闭开关设备进行局部放电检测时易受到白噪声的影响。为了有效滤除局部放电信号中的白噪声干扰,提出了一种基于新型噪声阈值规则的平稳小波降噪方法。该方法利用统计过程控制理论确定了小波系数的初始上限和下限,并根据每层小波系数的统计特征迭代更新上限与下限,通过该上、下限求出信号的噪声阈值水平,从而对局部放电信号的进行自适应降噪。所使用的平稳小波变换摒弃了传统小波的下采样步骤,对局部放电信号的表征更为完整。本文对三种5 dB染噪局部放电信号进行噪声抑制,降噪后信噪比达到19.1433 dB,均方根误差维持在0.03以内。而处理实验室平台下采集的染噪局部放电信号,信号抑制比为17.1769。本文所提算法能较好抑制局部放电信号中的噪声,去噪后的波形特征明显,失真程度低。     

脉冲噪声下基于 NAT 函数的 LFM 信号多径时延估计

针对脉冲噪声环境下无法准确估计线性调频(LFM)信号多径时延的问题,分析非线性幅值变换法抑制脉冲噪声的原 理,设计了一种新的非线性幅值变换函数 P-NAT(piecewise-NAT)函数,证明了任意随机变量经该函数变换后存在有限二阶矩, 提出了基于 P-NAT 函数的 LFM 信号多径时延估计方法。 分别对发射信号和 P-NAT 函数变换后的含噪多径接收信号进行最佳 阶次 FRFT,根据 FRFT 域的峰值位置偏移量和时延的关系,实现 LFM 信号的多径时延估计。 仿真结果表明,该方法在广义信噪 比为 0 dB、噪声特征指数大于 0. 2 的情况下,时延估计归一化均方根误差小于 10 -4 ,适用于低信噪比和强脉冲噪声环境下的 LFM 信号多径时延估计。     

改进TF-GSC和改进后置滤波语音增强算法

由于声学环境中噪声的复杂性和不确定性，传统的多通道语音增强算法对于噪声的抑制效果不足，从而导致了较差的听觉体验。针对这一问题，提出了一种改进TF GSC和改进后置滤波语音增强算法。算法使用最大似然法得到目标语音信号和噪声信号的功率谱密度，然后使用信号功率谱密度比值得到的变步长归一化最小均方算法来改进TF GSC。还提出了联合信号功率谱密度比值和先验信噪比估计语音存在概率的改进最优修正对数幅度谱估计器。不同信噪比环境下的仿真实验表明，本文提出的算法可以有效地滤除相干噪声和非相干噪声，与其他算法相比，增强后的语音信号具有更高的信噪比和语音质量。     

基于形态-复小波暂态电能质量扰动检测及定位

针对暂态电能质量扰动的实际检测过程中,存在着较强的脉冲噪声和白噪声干扰,影响暂态信息准确提取的问题,设计了有效的滤波算法以在保留信号特征的前提下最大限度地抑制噪声干扰影响,该法是将基于数学形态学的广义形态滤波器作为复数小波变换的前置滤波单元,形成的一种新型形态-复小波变换综合检测算法。仿真结果表明,基于该算法的滤波器不仅可很好地解决电能质量扰动分析中滤除随机噪声和脉冲噪声的困难,还可较好地保持扰动信号的形状和特征。另外用Daubechies实小波构造了相应的正交紧支对称复小波,由其提供的复合信息可准确地检测出扰动并进行时间定位。分别用电压暂降、暂态振荡、短时谐波畸变及微小扰动对所提方法进行了数字仿真验证,结果证实了基于形态-复小波变换综合检测方法的正确性和有效性。     

A hybrid noise canceller with a real‐time adaptive Wiener filter and a geometric‐based voice–activity detector for an automotive application

In real‐time environments a speech recognition system in a car has to receive the driver's voice only while suppressing the background noise. This paper presents a hybrid real‐time adaptive filter that operates within a geometrical zone defined around the head of the desired speaker. Any sound outside of this zone is considered to be noise and is suppressed. As this defined geometrical zone is small, it is assumed that only driver's speech is incoming from this zone. The technique uses three microphones to define a geometric‐based voice–activity detector (VAD) to cancel the unwanted speech coming from outside of the zone. However, when unwanted speech and desired speech are incoming at the same time, the VAD fails to identify the unwanted speech or desired speech. In such a situation an adaptive Wiener filter is switched on for noise reduction. In the case of sole unwanted speech incoming from outside of a desired zone, this speech is muted at the output of the hybrid noise canceller. In the case of desired and unwanted speeches incoming together, the SNR is improved by as much as 20 dB. Copyright © 2009 John Wiley & Sons, Ltd.     

球形麦克风阵列时频故障信号定位算法研究

针对广义互相关算法在强噪声环境下,设备故障时频声音信号定位困难的问题,提出一种结合图像分析与短时傅里叶变换(STFT)的时频信号子空间延时(TFSD)估计算法。利用STFT域中的噪声与信号特征,结合STFT域中不同麦克风测量数据的相关信息,使用滤波、谱减等方法进行信号、噪声区域分离,构建信号主成分区域,通过反演构造信号子空间,从而进行端点识别,延时值估计,实现声源定位。仿真结果表明,即使在加性噪声幅度远大于故障信号的2倍,也能实现准确的延时估计,延时估计误差和5 m×5 m范围的定位误差小于10%,实测也证实了该结果的正确性。     

基于线调频小波变换的谐波快速可视化识别方法

线调频小波变换是傅里叶变换、短时傅里叶变换和小波变换的一般形式。在介绍高斯线调频小波变换算法的基础上,提出用线调频小波变换可视化地检测和识别出谐波的特性,即根据对电能质量谐波扰动信号的线调频小波变换矩阵的等高线图,可视化地区分出谐波是固定不变、线性时变或非线性时变,先识别谐波的大致类型,为选取合适的信号分析工具提供保证。仿真结果表明,线调频小波变换的等高线图可以很好地检测出电能质量信号扰动发生的时刻和持续时间。