基于SVD-HHT的低信噪环境语音信号端点检测

为了提高嘈杂、低信噪比环境中对语音信号的识别准确度,更加完善的语音信号端点检测尤为重要。本文提出了一种基于SVD-HHT的低信噪比环境语音信号端点检测算法,即将奇异值分解(SVD)算法与希尔伯特黄变化(HHT)算法相结合,用于语音信号端点检测。为验证该方法的准确性,本文在不同信噪比环境下,对相同的几组语音信号进行端点检测,并以基于小波变换降噪法语音信号端点检测作为比较对象,得出两种算法相应的检测准确率。通过实验比较与分析,本文提出的SVD-HHT端点检测算法其准确率高于小波法语音信号端点检测率,具有一定的实用意义。     

基于混沌振子的低信噪比语音端点检测新方法

Duffing振子相变对与参考信号频差较小的周期小信号具有敏感性,对白噪声和与参考信号频差较大的周期干扰信号具有免疫力.利用语音的准周期性提出了一种基于混沌理论的语音端点检测新算法,讨论了如何利用Dufilng振子的间歇混沌特性来检测语音端点.将含噪语音作为Duffing振子的外部参考信号的摄动,根据系统相图是否改变来检测语音段和噪声段.通过尺度变换并设计了振子阵列以榆测频率范围较大的语音信号.实验结果表明,基于混沌的语音端点检测算法在低信噪比下明显优于传统的能量语音端点检测法.     

基于经验模态分解和Teager峭度的语音端点检测

采用经验模态分解和Teager峭度的统计特性对噪声环境下的语音信号端点进行检测。利用经验模态分解获得语音信号的本征模态函数,用Teager能量算子计算每个本征模态函数的瞬时能量,并对本征模态函数进行系数—峭度计算,提取信号期望的统计特征信息实现语音端点的检测。通过自适应EMD分解和Teager能量算子的处理,这种方法可以有效地消除白噪声或有色高斯噪声的影响。通过仿真例子说明这种方法可以取得良好的端点检测效果,仿真研究结果表明用经验模态分解和Teager峭度对噪声环境下的语音端点检测是可行的和有效的,提高了检测的可靠性。     

远距离语音的激光相干获取及增强

基于激光相干探测理论建立了全光纤激光相干测振系统,并结合维纳语音增强技术实现了远距离、高质量语音信号的获取。首先,介绍了该系统的检测原理及光纤器件特性,搭建了全光纤激光相干测振实验系统检测发音者咽喉振动,从而实现远距离语音信号的获取。由于直接获取的语音信号受到严重的噪声干扰,采用基于最小控制递归平均算法估计噪声的维纳滤波来抑制噪声,提高语音质量。实验结果显示:激光相干测振系统可有效获取70m内的语音信号(检测喉咙振动还原语音);语音增强技术可有效抑制噪声,将信噪比提高5dB,并增强语音的清晰度。由此表明,该系统具备获取远距离、高质量语音信号的能力。     

一种激光主动探测的回波信号检测方法

微弱激光回波信号探测是远距离激光主动探测的难点问题.本文提出了一种应用四象限探测器进行激光回波信号相关检测的新方法.经仿真计算表明,将四象限探测器接收到的4路回波信号送入相关处理器进行相关处理,可以检测出信噪比为-21.07dB的信号,其信号检测能力比二元相关检测要高出5.68dB.在4个象限中信号分布越均匀,信号检测能力越强.     

基于与图像相结合的语音端点检测方法研究

语音端点的检测是语音识别的一个重要组成部分.传统的基于能量或过零率等特征的语音端点检测,在强噪声环境下,往往不能达到理想效果.实践表明直接通过人眼对语音波形图或频谱图进行端点检测往往比使用传统的自动检测方法更好,所以用图像处理替代人眼识别可得到一种新的端点检测方法,在此实现了这种方法,实验表明效果良好.     

基于谱减法和短时能量的声音端点检测方法

基于声音信号特征判定复合材料是否脱层的研究中,为避免噪声对判定的干扰,需要对声音信号进行端点检测。提出一种将改进的谱减法和短时能量相结合的方法,利用谱减法对带噪语音信号进行增强处理,再基于短时平均能量进行单参数双门限的检测方法,实现了声音信号端点的检测。实验结果表明,此方法能快速有效的检测到声音信号的起止点。     

基于过完备线性预测字典的压缩感知语音重构

基于语音信号帧内样值间的相关性和冗余域的稀疏性,针对采用离散余弦转换矩阵及基追踪方法对压缩感知采样语音进行重构时,语音稀疏性不够好导致大压缩比采样后重构效果差的缺点,提出采用过完备线性预测字典做转换矩阵,用基追踪重构算法对压缩感知采样语音进行高质量重构。该方法预先由训练语音的预测系数聚类构造过完备字典,不需要测试语音的预测系数;基于过完备线性预测字典重构信号性能良好。对利用基追踪重构的语音进行了主客观评价,得出结论:同样的观测数目下,基于过完备线性预测字典比基于离散余弦变换矩阵压缩感知采样语音重构信噪比高出3～8 dB。     

基于STM32单片机的嵌入式语音识别系统设计

设计了一款以STM32F103为核心的自然语言识别系统,为满足实时语音识别系统对内存资源和运算速度的要求,基于硬件资源合理设计语音处理算法,在嵌入式平台上实现了对孤立词语的语音识别。首先根据背景噪声和语音信号的时域特征差异设定相应门限值,从而实现了对语音信号的端点检测。然后针对语音识别中传统梅尔倒谱系数对语音的高频信息敏感度较低,对语音信号分别提取梅尔倒谱系数(MFCC)与翻转梅尔倒谱系数(IMFCC),结合Fisher准则构造混合特征参数。最后采用动态时间规整算法实现语音识别。因系统体积小、便携性好等特点,易于实现对不同设备的语音控制,有一定的市场前景。     

基于编码压缩的纤维缠绕气瓶贴附式电磁超声检测方法研究

针对电磁超声换能器(EMAT)在纤维缠绕储氢气瓶在线监测中回波信噪比低、洛伦兹力机制失效等问题,提出了基于编码压缩的贴附式电磁超声水平剪切(SH)导波检测方法,通过有限元建模分析了Barker编码序列位数和码元载波周期、chirp信号脉宽和带宽、组合Barker码的组合方式对脉冲压缩信号的信噪比和分辨率的影响,并进行了实验验证,最后开展了纤维缠绕储氢气瓶中长20 mm、宽0.5 mm、深2 mm裂纹检测实验。结果表明,采用金属贴膜方式能有效解决EMAT在非金属材料中难以检测的难题;增加Barker码的序列位数和载波周期、增大chirp脉宽以及减小chirp带宽、增加组合Barker码的序列长度均可以提高脉压信号信噪比;经优化设计后,相较于传统Tone-burst激励方式,脉冲压缩技术可以将缺陷波信噪比至少提高20.4 dB,在不同编码算法中,chirp信号激励下的信噪比最高,达到了23.9 dB,采用3×13位组合Barker码时,脉压信号的主瓣宽度为28.8μs,分辨率最高,但信噪比较低。