基于后验信噪比频域迭代算法的语音增强方法

为了抑制谱减法语音增强时引入的“音乐噪声”，采用基于后验信噪比频域迭代算法的语音增强方法。首先，当后验信噪比大于20dB时，对含噪语音采用谱过减法；当后验信噪比小于20dB时，对含噪语音谱线进行衰减处理。为了进一步抑制音乐噪声，对增强语音信号进行多次频域迭代降噪处理。对实验室环境录制的不同输入信噪比条件下的含噪语音信号进行处理，与传统谱减法相比，增强语音信号的信噪比有较大的提高，并且音乐噪声得到很大程度的抑制。     

改进的最小均方误差语音增强算法的研究

针对传统最小均方误差谱幅度估计（MMSE—STSA．minimum mean-square error-short time spectral amplitude）语音增强算法无法有效的跟踪非平稳噪声变化的问题,对一种改进的MMSE-STSA语音增强算法进行了研究和仿真。该算法对背景噪声的估计利用加权噪声估计方法：采用一个非线性函数根据带噪语音信噪比（SNR．signal—to-noise ratio）的变化计算得到相应的加权因子并作用于带噪语音信号,对加权的带噪语音求平均得到估计的背景噪声。算法中的谱增益修正,还可以抑制低信噪比时的残留噪声以及避免对带噪语音的过抵消。实验结果表明,该方法能很好的跟踪非平稳噪声的变化,不仅在增强性能上有很好的效果,同时降低了语音的失真。     

一种改进的基于对数谱估计的语音增强算法

提出了一种基于对数谱估计的改进型语音增强算法。相对于传统语音增强算法,在语音信号存在不确定的条件下,利用软判决增益因子修正技术调正带噪语音信号的对数谱幅度,抑制背景噪声。引入的改进型先验信噪比估计和语音信号先验不存在概率估计方法,能够有效地估计得出语音信号的存在概率,进而求得语音信号存在时的谱增益因子函数,联合语音信号不存在时设定的增益因子函数加权求得谱增益函数。计算机仿真表明,即使在低信噪比条件下,输入背景噪声为高斯白噪声和粉红噪声等加性白噪声时,所提算法对噪声的抑制效果非常明显,且有效地克服了传统算法中引入的“音乐噪声”和语音信号畸变。     

基于MGSC与改进维纳滤波的麦克风阵列语音增强

针对传统广义旁瓣抵消中阻塞矩阵语音泄露、非相干噪声消噪能力较弱及后置维纳滤波中相位不变等问题,提出一种基于改进广义旁瓣抵消与相位补偿维纳滤波的方法。该方法将阻塞矩阵变为阻塞滤波器从而减少了阻塞矩阵语音泄露,然后将相位补偿的维纳滤波用于估计纯净语音的幅度谱和相位谱,从而抑制广义旁瓣抵消残留的噪声。仿真及实测结果表明,该方法能够更加有效地抑制噪声的影响,提高语音的可懂度。     

一种低信噪比环境下的语音端点检测算法

端点检测技术是语音信号处理的关键技术之一，为提高低信噪比环境下端点检测的准确率和稳健性，提出了一种非平稳噪声抑制和调制域谱减结合功率归一化倒谱距离的端点检测算法。该算法首先通过抑制非平稳噪声再采用调制域谱减消除残余噪声来提升信噪比，减少语音失真。然后再提取每帧信号的功率归一化倒谱系数，计算每帧信号与背景噪声的功率归一化倒谱距离。最后将该倒谱距离作为检测参数，采用双门限判决方法进行端点检测。实验结果表明，该端点检测算法对语音帧和噪声帧具有较好的区分性。此外，在低信噪比环境下，所提出的算法对于不同类型的噪声都具有较好的稳健性。     

一种基于正交非负矩阵分解的多通道线性预测语音去混响方法

在相对封闭的声学环境中,由于受到混响的影响,麦克风阵列采集到的信号清晰度降低、甚至混淆不清。为了解决这一问题,文章在多通道线性预测(Multi-Channel Linear Prediction, MCLP)语音去混响的基础上,提出了一种改进的多通道线性预测(Multi-ChannelLinearPrediction,MCLP)方法即正交非负矩阵线性预测(Orthogonal Non-negative Matrix Factorization Multi-Channel Linear Prediction, ONMFMCLP)方法。该方法利用纯净语音的短时谱域的稀疏性,构建了基于正交的非负矩阵分解(Non-negative Matrix Factorization, NMF)的Kullback-Leibler(KL)问题,通过对矩阵求迹、利用梯度下降法给出迭代规则,进而改进了MCLP中目标信号矩阵的协方差估计。实验结果表明,相对于其他方法,ONMFMCLP方法具有更好的去混响效果。     

非负矩阵分解在地震作用下结构随机响应分析中的应用

地震动作为一类典型的非平稳随机过程可由演变谱刻画其能量的时-频分布。然而,演变谱的时-频耦合特性却限制了经典谱表示法的模拟效率。为提高非平稳地震动模拟效率,简化非平稳地震作用下结构随机响应分析,提出了基于非负矩阵分解(nonnegative matrix factorization,NMF)的地震动演变谱解耦方案,使结构在非平稳地震作用下的响应计算简化为各项均匀调制激励下的结构随机响应叠加。分析结果表明,基于非负矩阵分解的地震动演变谱解耦具有良好的精度,快速傅里叶变换技术的引入提高了经典谱表示法的模拟效率,模拟样本自相关函数与目标值吻合良好,非平稳地震作用下结构随机响应频域分析得到简化。     

基于时延估计改进的主动隔声耳罩语音增强算法

为实现高噪声场所中的听力保护和不同角度入射声源的语音增强，文章采用基于谱减法改进的广义互相关（Generalized Cross Correlation, GCC）时延估计方法对麦克风阵列接收信号进行同步处理，将同步后的阵列信号与基于广义旁瓣抵消器（Generalized Sidelobe Canceller, GSC）的主动隔声耳罩语音增强算法结合，实现噪声抑制和语音增强。首先以GCC算法为基础，引入多窗谱估计的谱减法作为时延估计信号的预处理环节，提高传声器接收信号的信噪比对算法进行改进。随后对加入谱减法的GCC时延估计算法，比较分析了取不同加权函数的仿真结果。最后由时延估计结果对麦克风阵列信号进行时延补偿，对改进后的主动隔声耳罩语音增强算法的噪声抑制和语音增强效果进行了分析。与改进前算法相比，在不同噪声环境下输出的语音信号质量有明显提升。     

低信噪比环境下语音端点检测改进方法

针对语音端点检测在低信噪比环境下普遍存在检测性能急剧下降的问题,提出一种将调制域(时间-频率域)谱减法和自相关函数相结合的语音端点检测算法。该算法首先利用调制域谱减法较好的消噪能力来提高含噪语音的信噪比;然后根据语音和噪声的自相关函数的主峰最大值和次大值之比差异较大的特性,结合基于对数能量和自相关函数的端点检测方法对消噪后的语音进行端点检测。实验结果表明,该算法在低信噪比的环境下能取得较好的端点检测效果,并具有较好的稳健性。     

听觉掩蔽效应语音增强的改进算法

含噪信号利用掩蔽效应去噪后,噪声估计的误差导致语音失真。在利用听觉阈值计算谱减系数时提出了一种改进的计算方法,通过增加修改参数来抑制语音的过分衰减,减少了语音失真,然后基于MMSE准则对增强的语音谱再进行平滑处理,进一步抑制音乐噪声。实验表明该算法在不影响语音失真的基础上,提高了信噪比,消除了音-／乐噪声,主观测听的语音音质明显提高。     

基于图非负矩阵分解的图像配准

本文提出一种新的利用图的谱对应绝对值特征向量的非负矩阵分解图像配准方法.首先利用图像特征构造了无向权图的非负权矩阵,通过非负矩阵分解得到了包含原始图像全部特征的特征基图像;然后将非负权矩阵谱对应绝对值特征向量作为非负矩阵分解的初始值进行迭代,既能反映图的结构特征信息,又能提高图像的匹配率;最后在特征基向量空间找到了两图...     

基于联合失真控制的子空间语音增强算法

为提高低信噪比环境下的语音可懂度,提出了一种基于联合失真控制的子空间语音增强算法。由于误差信号中的语音失真和残余噪声分量不能被同时最小化,同时,由语音估计器引起的语音放大失真超过6.02 d B时会严重损害语音可懂度。为此分别对语音失真和残余噪声进行最小化处理,最小化时把语音放大失真控制在6.02 d B以下作为约束条件,通过求解两个约束最优化问题得到两个不同的估计器,再对这两个估计器进行加权求和,得到一种基于联合失真控制的语音估计器。实验结果表明,相比于传统的子空间增强方法,在低信噪比环境下所提出的算法能更有效提高增强后语音的可懂度。     

基于深度压缩感知的语音增强模型

随着压缩感知的深入研究,压缩感知在语音增强方面的应用也备受关注。针对传统压缩感知语音增强算法中存在的不足,将压缩感知与深度学习结合构建名为基于深度压缩感知的语音增强模型（Speech Enhancement based on Deep Compressed Sensing,SEDCS）。基于压缩感知原理使用编解码模型代替压缩感知中语音信号稀疏过程,使用卷积神经网络代替测量矩阵实现语音信号观测降维过程,通过联合训练的方式实现语音增强。实验结果表明：该模型能够完成语音增强任务,并且与现有的压缩感知语音增强算法相比,该模型能取得较好的语音增强效果;相比利用深度学习的语音增强算法,该模型虽性能一般,但在模型泛化性能和测试阶段的增强时间效率上有一定提升。     

Phase Error Compensation of Three-Dimensional Reconstruction Combined with Hilbert Transform

Nonlinear response is an important factor affecting the accuracy of three-dimensional image measurement based on the fringe structured light method. A phase compensation algorithm combined with a Hilbert transform is proposed to reduce the phase error caused by the nonlinear response of a digital projector in the three-dimensional measurement system of fringe structured light. According to the analysis of the influence of Gamma distortion on the phase calculation, the algorithm establishes the relationship model between phase error and harmonic coefficient, introduces phase shift to the signal, and keeps the signal amplitude constant while filtering out the DC component. The phase error is converted to the transform domain, and compared with the numeric value in the space domain. The algorithm is combined with a spiral phase function to optimize the Hilbert transform, so as to eliminate external noise, enhance the image quality, and get an accurate phase value. Experimental results show that the proposed method can effectively improve the accuracy and speed of phase measurement. By performing phase error compensation for free-form surface objects, the phase error is reduced by about 26%, and about 27% of the image reconstruction time is saved, which further demonstrates the feasibility and effectiveness of the method.     

基于模糊控制的小波包多阈值语音减噪新算法

在分析小波包传统阈值去噪算法的基础上,提出了一种基于模糊控制的小波包多阈值语音减噪新算法。该算法采用改进的多阈值选取方式来代替传统的阈值选择;应用一种新阈值函数对经小波包变换后的最底层频率系数进行量化处理以确保噪声尽可能地被滤除;模糊控制器可用于对信号中的幅值跳变以及边缘粗糙等问题进行优化与修正。综合以上3种方法即可自适应地进行语音增强处理。经实验结果验证,与传统阈值算法相比,该算法能够最大程度地还原纯语音信息,有效提高了语音去噪的准确度与信噪比。     

离散余弦小波包变换及语音信号压缩感知

针对语音信号压缩感知问题,在研究语音离散余弦变换(Discrete Cosine Transform,DCT)系数和小波包变换(Wavelet Packet Transform,WPT)特性的基础上构造了离散余弦小波包变换(Discrete Cosine Wavelet Packet Transform,DCWPT)。DCWPT首先获取语音信号的DCT域系数,结合语音频谱特性选取部分DCT系数进行WPT变换,从而得到比DCT系数更加稀疏的DCWPT系数。为将此变换直接用于压缩感知,构造了DCWPT的正交稀疏分解矩阵并分析了其稀疏表示性能。结合稀疏表示基优化了正交匹配追踪重构算法,提出了基于DCWPT的语音信号压缩感知框架。通过压缩重构对照实验,采用主客观评价指标,得出该方法优于传统基于DCT的语音压缩感知方法的结论。     

基于NSST多尺度自适应的Retinex低照度图像增强算法

目的在对低照度图像进行增强时,针对传统频率域方法由于尺度不够丰富而不能很好保留图像高频细节的问题,提出一种基于NSST多尺度自适应的Retinex低照度图像增强算法。方法首先将低照度图像转化至HSI颜色空间后,单独对I通道进行处理,实现对图像色彩信息的保真效果;然后对I通道进行Retinex算法得到反射分量,从而去除照度信息对图像亮度的影响;对反射分量进行伽马调整后,进行基于La(平均亮度)、Pa(平均对比度)、Ia(信息熵)等3个特征值的自适应NSST分解,从而得到最佳参数的高频分量。结果在主观观察和客观无参考图像质量评价中,文中算法的增强效果和评价得分都要优于其他算法。结论经过自适应参数优化之后,低照度图像的对比度得到了提高,可视性和图像质量都得到了显著提升。