基于帧间相关性的最大后验估计语音增强算法

通过讨论纯净语音分量的概率分布特征以及相邻分量间的统计相关特性,在自适应K-L变换(KLT,Karhunen-Loève Transform)域给出了一种新的语音信号统计模型,然后基于该信号模型,利用最大后验(MAP,Maximum a Posterior)估计理论提出了一种新型的单通道语音增强算法.该算法充分考虑到在KLT域相邻时刻语音分量间存在的相关信息,利用信号的高斯模型假设条件,以联合概率密度函数的形式将这种相关信息融合到MAP中,获得纯净语音分量的估计.算法不仅结构简单利于实现,且有效地避免了传统算法对语音分量估计的不足.仿真结果表明本文算法在客观和主观测试中都具有较好的语音增强效果.     

改进的基于信号子空间的多通道语音增强算法

通过同时对角化麦克风阵列接收信号中语音信号和噪声信号的全局协方差矩阵,本文改进了一种基于信号子空间分解的多通道语音增强算法.该算法不依赖任何信号模型且无需对噪声信号的统计特性进行任何先验假定,它弥补了原始算法只限于白噪声背景下语音增强的不足,实现了色噪声背景下语音信号的最优估计.仿真结果表明本文算法在主观和客观测试中都具有良好的语音增强效果.     

基于上下文模糊C均值聚类的图像分割算法

像素间的上下文相关信息对图像分割算法的抗噪性和准确性具有重要意义,现有的模糊C均值(FCM)聚类算法对此缺乏充分考虑.该文基于对空间上下文的可靠性度量,提出一种模糊C均值聚类算法(RSFCM)应用于图像分割:通过对空间上下文有效建模来提高聚类算法的抗噪声干扰性能,并研究了一种新的可靠性模糊度量指标,使聚类算法能更好地平衡细节保留和去噪,从而获得更加准确的分割结果.实验选取人工合成图像、交通标志图像和遥感图像3类数据测试聚类算法性能,结果表明,RSFCM在图像分割过程中能有效地抑制椒盐噪声和高斯噪声引起的类内异构及类间同构问题,能提高图像的像素可分性,并有效地保留了图像的边缘细节.     

双系统自适应耦合盲源分离算法

结合两个固定步长的盲源分离系统,提出了一种双系统自适应耦合盲分离算法。该算法利用滑动因子来调整两个分离系统在算法所处不同分离阶段的比重,并基于随机梯度方法获得了滑动因子的自适应更新规则。仿真实验表明,本文算法在平稳和非平稳环境下都具有较好的收敛和分离性能。     

动量项盲源分离算法及其性能优化策略

动量项技术是用来改善自适应盲源分离算法分离性能的有效手段,但算法在融入动量项后,其收敛特性对于动量因子的选取数值较为敏感,且算法的稳态性能仍要受到步长参数的限定.本文首先给出了动量项盲源分离算法的设计原理,分析了现有算法存在的两个缺陷性问题;然后利用梯度下降法构造了具有在线调整特性的动量因子自适应迭代规则,通过对动量因子的实时更新以消除固定动量因子算法的性能缺陷;在此基础上,基于凸组合理论设计了不同步长参数下两个变动量因子算法的自适应优化组合方案,从而在一定程度上缓解了步长参数对于算法性能的限定.在不同环境下进行的仿真实验表明,本文针对动量项盲源分离算法所设计的优化策略能够有效消除其所存在的缺陷问题,在确保快速收敛的同时,又能获取较小的稳态误差.     

改进型先验信噪比估计语音增强算法

在DCT域提出了一种改进STNR(M-STNR)算法,其在原算法的第二步中利用信号的高斯模型假设条件,采用MMSE估计来获取当前帧先验信噪比的估计,算法无需语音增强系统增益因子的任何先验条件,在保持简单结构的同时避免了原算法的不足。仿真结果表明,基于该改进方案的语音增强算法在多种噪声背景下具有更出色的语音增强效果。     

基于间接拉普拉斯模型因子估计的语音增强算法

对DCT城基于拉普拉斯统计模型的语音增强,分析了模型因子的估计误差及其对于算法整体增强性能的影响,并根据广义高斯分布模型度其形态参数的概念与性质,提出了一种新的拉普拉斯模型因子估计方法,该方法结构简单,它利用拉普拉斯模型条件下语音分量方差与模型因子的对应关系,间接地获取模型因子的估计,算法不仅有效地消除了噪声分量对于估计精度的影响,而且可以快速地跟踪语音分量的变化。仿真结果表明,基于该模型因子估计方法的语音增强算法在多种噪声背景下具有更出色的语音增强效果。     

自适应变步长正交约束盲源分离算法

将盲源分离算法通常应用到的白化预处理方法转化为权值正交约束条件下的分离算法,使得分离算法由无约束算法转变为有约束算法,消除了在估计白化矩阵时引入的误差和分离输出存在的尺度不确定性。因为算法的收敛速度和稳态误差是一对矛盾,所以结合变步长思想,提出了一种新的自适应变步长的权值正交约束盲源分离算法。该算法步长是基于分离状态的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。仿真实验表明,该算法比非约束算法,固定步长的权值正交约束的盲源分离算法具有更好的分离性能。     

基于随机梯度的变动量因子自适应白化算法

针对自适应白化技术中算法的收敛速度问题, 通过融入具有变动量因子特性的动量项,提出了一种快速的自适应白化算法. 该算法利用动量项来加速系统的收敛速度,并基于随机梯度方法对动量因子进行自适应更新,有效提升了白化系统的整体性能. 仿真实验表明本文算法在平稳和非平稳环境下具有良好的性能.     

自适应组合型盲源分离算法及其优化方案

该文通过引入滑动参数来自适应地组合两个不同步长的盲源分离系统,提出了一种自适应组合型盲源分离算法,其可在两个系统并向运行的同时,自适应地选取最优的分离系统进行在线分离。文中推导了滑动参数的自适应更新规则,并针对算法存有的问题,提出了具体优化方案。平稳和非平稳环境下的仿真实验表明了算法的优良性能。