基于深度卷积神经网络的语音信号去噪关键技术研究

随着人工智能技术的不断创新发展,语音识别技术一直在迭代升级,而语音去噪是语音识别领域中关键研究点之一。由于这些外界干扰声的存在,就使得原本的语音信号变得不再纯净,或多或少会对所需传输的语音信号有所影响。传统的信号分析以傅立叶变换为基础,但傅立叶分析属于全局变换,变换只能全部在时域变换或在频域变换。因此,傅里叶变换不能获取语音信号的时频局部性质,该变换不利于分析非平稳信号。为了更好地分析语音信号,该实验通过卷积神经网络对语音信号进行去噪处理,将处理完的信号逆向使用短时傅里叶变换,并分析结果。     

时频聚集性能优化的广义S变换

S变换是一种具有短时傅里叶变换和小波变换优点的时频分析方法,已有的一些基于能量聚集度量的优化方法集中度不高,影响了信号检测等应用中时频域局部定位的精度.为了提高S变换的时频聚集性能,提出了一种新的时频能量聚集度量方法优化广义S变换,提高了算法的时频集中度和短时傅里叶变换、S变换、广义S变换等方法实验比较,表明提出的方法能有效地提高广义S变换的能量集中度,并具有较强的抗噪声性能.     

快速傅里叶变换的两个新应用

在时频分析领域,离散傅里叶变换是一种非常重要的工具,尤其快速傅里叶算法FFT出现以后,其在信号分析和处理中得到了广泛的应用。本文从频域分析的角度,给出了两个FFT新的应用实例,包括小信号频域检测和双音多频信号检测,以使人们加深对FFT原理的理解。     

基于LabWindows/CVI的联合时频分析

在LabWindows/CVI平台的基础上,研究了利用联合时频分析(JTFA)方法来分析信号的能量分布情况。此方法利用了短时傅里叶变换(STFT)的基本原理,对一些非平稳信号进行分析,能很好地描述信号的频率如何随时间而变化。这种方法比单独利用时域或频域来分析信号具有一定的优越性。     

基于EMD的谱峭度方法在滚动轴承障检测中的应用

针对传统谱峭度方法中短时傅里叶变换不能保证对瞬态脉冲这种高度非平稳信号最优分解效果的问题,提出一种基于经验模式分解的谱峭度方法;该方法首先利用经验模式分解和Hilbert变换得到信号的时频分布,然后将信号的时频分布按照不同层数分成若干频段,通过计算各频段的峭度值得到相应的峭度图,再根据峭度最大原则选择滤波频段进行带通滤波,最后对滤波信号采用包络分析确定故障信息;实验结果表明:相比基于短时傅里叶变换的谱峭度方法,文章方法更能准确的获得轴承加速度信号的故障特征频率信息.     

相位调整法实现语音变速的实时处理

语音的变速(变快或变慢)处理是目前十分流行的一项语音处理技术.语音信号是时变的,但这种时变特征相对于语音信号的频率而言其变化是非常缓慢的.短时傅里叶分析是分析缓慢时变频谱的一种简便方法.介绍了利用短时傅里叶分析,从频域的角度,采用相位调整法来对语音信号进行变速的实时处理,并用DSP芯片ADSP2188M进行了仿真,其结果较令人满意,基本达到了变速不变调、音质高保真的效果.     

基于复Morlet小波的地层钻探识别

在低信噪比时,短时傅里叶变换和实小波变换无法准确提取钻头进入不同地层的时延信息。为此,提出一种复小波变换分析法。利用幅值和相位信息对信号突变点进行提取和定位,从而实时判断钻头钻进目的层的时刻。实验结果表明,该方法能准确表征振动信号的时频特征,与短时傅里叶变换和实小波变换相比,具有更好的时间定位和抑噪能力。     

基于修正离散傅里叶变换的频域卷积混合盲分离

针对频域卷积混合盲分离,依据所导出的卷积混合信号每帧的频域表示模型,提出了一种最小均方误差意义下的最优变换--修正离散傅里叶变换,用于代替频域卷积混合盲分离中常用的离散傅里叶变换.在每个频率片上,卷积混合信号的修正离散傅里叶变换系数在最小均方误差意义下最接近于源信号频谱的瞬时混合.相对于离散傅里叶变换系数,现有瞬时混合盲分离算法能从修正离散傅里叶变抉系数中更精确地估计各频率片上分离矩阵,从而提高现有频域卷积混合盲分离算法的分离性能.仿真结果证明了修正离散傅里叶变换对现有频域卷积混合盲分离算法的有效性.     

基于短时分数阶傅里叶变换的语音增强算法

提出了一种基于短时分数阶傅里叶变换(STFRFT)的语音增强新方法.该方法首先将带噪语音信号进行短时分数阶傅里叶变换,然后在分数阶傅里叶域(FRFD)对信号进行滤波,最后对滤波后的信号进行短时分数阶傅里叶逆变换,得到增强后的语音信号.实验表明在选定最佳的分数阶阶数时,可使噪声得到最大限度的滤除,大大提高了语音增强效果.     

分数低阶alpha稳定分布的STFT时频分析方法

对于α稳定分布噪声的非平稳信号,仅用频域的一维分析方法是不够的,需要考虑进行二维的时—频域分析方法。在基于传统的短时傅里叶变换(STFT)基础上,针对分数低阶α稳定分布的特性,提出了分数低阶STFT新方法。计算机仿真结果表明,该分数低阶STFT方法能克服传统的STFT方法在对α稳定分布进行时频分析时的性能退化问题,为α稳定分布在时频域的研究开拓了全新的途径。     

DOA estimation of closely-spaced and spectrally-overlapped sources using a STFT-based MUSIC algorithm

The multiple signal classification (MUSIC) algorithm based on spatial time-frequency distribution (STFD) has been investigated for direction of arrival (DOA) estimation of closely-spaced sources. However, the limitations of the bilinear time-frequency based MUSIC (TF-MUSIC) algorithm lie in that it suffers from heavy implementation complexity, and its performance strongly depends on appropriate selection of auto-term location of the sources in time-frequency (TF) domain for the formulation of a group of STFD matrices, which is practically difficult especially when the sources are spectrally-overlapped. In order to relax these limitations, this paper aims to develop a novel DOA estimation algorithm. Specifically, we build a MUSIC algorithm based on spatial short-time Fourier transform (STFT), which effectively reduces implementation cost. More importantly, we propose an efficient method to precisely select single-source auto-term location for constructing the STFD matrices of each source. In addition to low complexity, the main advantage of the proposed STFT-MUSIC algorithm compared to some existing ones is that it can better deal with closely-spaced sources whose spectral contents are highly overlapped in TF domain.     

便携式四通道肺音采集系统设计

首先完成对肺音信号的放大、滤波等预处理;然后对预处理的肺音信号进行外部A/D采样,并将采集肺音信号保存为。 WAV音频文件存储于SD卡中;利用短时傅立叶变换完成了对肺音信号的时频域分析。通过该系统可以准确地检测到病人的肺音信号,并且利用立体声耳机可以实现对病人的同步听诊。     

应用于时频分析的低功耗短时傅里叶变换处理器

提出了一个应用于时频分析的短时傅里叶变换处理器.为了克服已有的离散短时傅里叶变换算法和结构的缺点,给出了一种基于快速傅里叶变换阵列的新结构.根据实际需要提出了一种新的高频域分辨率的SDF(Single-path Delay Feedback)结构FFT单元,和传统的SDF结构FFT单元相比,反馈FIFO的深度和蝶形单元的数量都有所降低.再加上开发窗函数的对称性和适当合并硬件资源,与原始设计相比处理器的功耗降低了20%.使用中芯国际0.18微米工艺实现之后,系统工作时钟可以达到200MHz,即该处理器可以满足同样频率的采样信号的实时时频分析需求.     

基于Hilbert-Huang变换的语音信号分离

针对短时傅里叶变换不能正确得到非平稳信号的能量频率分布问题,提出了一种基于Hilbert-Huang变换的单信道语音信号分离的算法。该算法首先对分解得到的各内蕴模式函数分量(IMF)进行Hilbert变换,得到混合信号时频面上的Hilbert谱,然后对混合信号的Hilbert谱运用独立子空间分析的方法得出代表各个独立源信号的子空间,并对其求逆变换,从而恢复出各个源信号。通过仿真实验验证了此算法的正确性和有效性,且与短时傅里叶变换时频分析法相比较,其分离性能明显得到改善,显示了Hilbert-Huang变换在处理非平稳信号的优越性。     

分数阶小波变换

小波变换是对信号时域-频域(Fourier域)的多分辨率分析,也可看作是一种Fourier域伸缩带通滤波.分数阶Fourier变换是对传统Fourier变换的推广,对信号分析处理有更大的灵活性,为了将多分辨率分析理论推广到时域-广义频域(分数阶Fourier域),提出了一种分数阶小波变换,分析了分数阶小波变换在广义频域伸缩带通滤波特性,分析信号时的时域-广义频域平面的多分辨率分析网格划分.分数阶小波变换是传统小波变换的推广,在对原小波变换核作一定改动后增加了小波变换对信号处理的灵活性.可以看到,将分数阶小波变换的变换角度取为π/2,便得到与传统小波变换多分辨率分析理论完全一致的结果.理论分析和计算机仿真表明了所提理论的正确性和有效性.     

STFT在航空发动机振动信号处理中的应用

当航空发动机工作于非平稳状态时,常规频谱分析和功率谱分析方法不能反映振动数据频谱随时间的变化情况。短时傅里叶变换(STFT)技术作为最为常用的时频分析技术之一,在工程应用领域具有算法简单、物理概念明确等优点,被广泛采用。鉴于STFT技术的上述优点,从航空发动机非平稳状态整机振动数据处理应用需求出发,对如何将短时傅里叶变换技术应用于航空发动机非平稳状态整机振动信号进行了分析研究,并给出了针对性的实现算法。     

Fourier变换和小波变换一般形式 —线调频小波变换和多普勒小波变换

Fourier变换、窗口Fourier变换与小波变换在许多领域得到广泛的应用。该文回顾了Fourier变换和小波变换的发展;介绍了两种新的处理非平稳信号的方法,即线调频小波变换和多普勒小波变换;分析了线调频小波变换是短时Fourier变换和小波变换的时频分析的统一时频表示形式,Fourier变换、小波变换以及线调频小波变换都是多普勒小波变换的特殊情况。线调频小波变换和多普勒小波变换比Fourier变换和小波变换更具灵活性,为图像、信号处理提供了新的方法和工具。     

Controlled-coverage discrete S-transform (CC-DST): Theory and applications

The S-transform (ST) is a popular linear time-frequency (TF) transform with hybrid characteristics from the short-time Fourier transform (STFT) and the wavelet transform. It enables a multi-resolution TF analysis and returns globally referenced local phase information, but its expensive computational requirements often overshadow its other desirable features. In this paper, we develop a fully discrete ST (DST) with a controllable TF sampling scheme based on a filter-bank interpretation. The presented DST splits the analyzed signal into subband channels whose bandwidths increase progressively in a fully controllable manner, providing a frequency resolution that can be varied and made as high as required, which is a desirable property for processing oscillatory signals lacked by previously presented DSTs. Thanks to its flexible sampling scheme, the behavior of the developed transform in the TF domain can be adjusted easily; with specific parameter settings, for example, it samples the TF domain dyadically, while by choosing different settings, it may act as a STFT. The spectral partitioning is performed through asymmetric raised-cosine windows whose collective amplitude is unitary over the signal spectrum to ensure that the transform is easily and exactly invertible. The proposed DST retains all the appealing properties of the original ST, representing a local image of the Fourier transform; it requires low computational complexity and returns a modest number of TF coefficients. To confirm its effectiveness, the developed transform is utilized for different applications using real-world and synthetic signals.     

基于多频段排序的语音卷积混合盲源分离

针对语音卷积盲源分离频域法排列顺序不确定性问题,提出一种多频段能量排序算法。首先,通过对混合信号的短时傅立叶变换(STFT),在频域上各个频点建立一个瞬时混合模型进行独立分量分析,之后结合能量相关排序法和波达方向(DOA)排序法解决排序不确定性问题,再利用分裂语谱方法解决幅度不确定性问题,进而得到每个频点正确的分离子信号,最后利用逆短时傅立叶(ISTFT)变换得到分离的源信号。仿真结果表明,与Murata的排序算法对比,改进的算法在信号偏差比、信道干扰比、系统误差比上都所提高。