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。     

Reducing over- and under-estimation of the a priori SNR in speech enhancement techniques

Most speech enhancement methods based on short-time spectral modification are generally expressed as a spectral gain depending on the estimate of the local signal-to-noise ratio (SNR) on each frequency bin. Several studies have analyzed the performance of a priori SNR estimation algorithms to improve speech quality and to reduce speech distortions. In this paper, we concentrate on the analysis of over- and under estimation of the a priori SNR in speech enhancement and noise reduction systems. We first show that conventional approaches such as the decision-directed approach proposed by Ephraïm and Malah lead to a biased estimator for the a priori SNR. To reduce this bias, our strategy relies on the introduction of a correction term in the a priori SNR estimate depending on the current state of both the available a posteriori SNR and the estimated a priori one. The proposed solution leads to a bias-compensated a priori SNR estimate, and allows to finely estimating the output speech signal to be very close to the original one on each frequency bin. Such refinement procedure in the a priori SNR estimate can be inserted in any type of spectral gain function to improve the output speech quality. Objective tests under various environments in terms of the Normalized Covariance Metric (NCM) criterion, the Coherence Speech Intelligibility Index (CSII) criterion, the segmental SNR criterion and the Perceptual Evaluation of Speech Quality (PESQ) measure are presented showing the superiority of the proposed method compared to competitive algorithms.     

基于雷达信噪比模型的目标跟踪算法研究

为了解决目前雷达目标跟踪算法中存在的准确性低、稳定性差的问题,提出了一种基于雷达信噪比模型的雷达目标跟踪算法,该算法对雷达信噪比进行建模,评估测试过程中固定不变的参数数值,并对每一时刻的变量进行预估计算处理,从而获取目标运动轨迹和雷达跟踪强度。仿真结果表明,基于雷达信噪比模型的目标跟踪算法,确实可以及时有效的获取目标的运动轨迹和雷达跟踪强度,提高雷达目标跟踪系统的准确性和稳定性。     

基于时频峰值滤波的电力线通信噪声消除方法

为了克服电力线通信系统(PLC)中存在的大量噪声,改善低信噪比情况下电力线通信系统通信质量,提高电力线通信系统可靠性,引入时频峰值滤波(TFPF)算法作为电力线通信系统的噪声消除技术。时频峰值滤波算法通过频率调制将电力线含噪信号调制成解析信号的瞬时频率,利用解析信号的Wigner-Ville分布的峰值进行瞬时频率估计,从而恢复有效信号。针对电力线通信系统信号的非线性特性,利用加窗的Wigner-Ville分布实现TFPF。实验证明,在低信噪比情况下,该方法可以有效地消除电力线通信系统噪声,降低误码率(BE     

一种新型的用于红外灵敏探测的低背景光谱仪

提出了一种新型的基于反射光栅干涉仪的低背景光谱仪,当使用工作在背景限制条件下的探测器时,降低背景噪声,有利于提高光谱仪系统的探测率,进而可提高光谱仪的信噪比.由于理想反射镜发射率为零,故其干涉仪组件无黑体辐射.因此,基于低温光源、低温探测器和光栅干涉仪的光谱仪,其探测到的背景辐射大幅降低.进而得到低背景下的探测率实现灵敏探测.理论分析表明随背景辐射的降低,背景限制条件下探测器的探测率可大幅提高.理想情况下,对工作在背景限制下的碲镉汞探测器,当由300 K的背景辐射降至77 K时,其探测率和相应光谱仪的信噪比可提高三个数量级.另外,与之前报导的低温迈克尔逊光谱仪相比,它结构紧凑且无需对干涉仪降温,易于搭建.该设计对红外灵敏探测有重要意义.     

空间目标天基成像探测信噪比分析

基于光散射理论和轨道动力学,引入区域分解、网格划分和矢量坐标变换的思想,利用双向反射分布函数建立了空间目标等效星等的数学模型。结合空间目标天基成像探测的噪声来源建立了空间目标探测信噪比的数学模型。以空间目标天基红外系统为例,根据目标的结构特性、材料特性、背景特性、轨道特性及探测器的轨道特性、性能参数等,计算了目标等效星等和目标探测信噪比随时间的变化关系。结果表明,目标等效星等在观测时间内存在约3个星等的差别,导致目标探测信噪比在观测过程中也随之变化。仿真结果验证了建模方法的正确性,实现了空间目标天基成像探测信噪比的动态分析。     

8位高速低功耗流水线型ADC的设计技术研究

采用7级子ADC流水线结构设计了一个8位80MS/s的低功耗模数转换电路。为减小整个ADC的芯片面积和功耗,改善其谐波失真和噪声特性,重点考虑了第一级子ADC中MDAC的设计,将整个ADC的采样保持电路集成在第一级子ADC的MDAC中,并且采用逐级缩放技术设计7级子ADC的电路结构,在版图设计中考虑每一级子ADC中的电容及放大器的对称性。采用0.18μm CMOS工艺,该ADC的信噪比（SNR）为53dB,有效位数（ENOB）为7.98位,该ADC的芯片面积只有0.56mm2,典型的功耗电流仅为22mA。整个ADC性能达到设计要求。     

基于改进型双门限语音端点检测算法的研究

语音端点检测是语音信号处理过程中的一个重要步骤,其检测准确性直接影响语音信号处理的速度和效果.传统的基于双门限法语言检测技术,在语音处于纯语音情况下判断语音端点较准确,但在语音处于噪声情况下,尤其是低信噪比的情况下,端点识别率很低,出错率很高.基于提高此方法识别率的目的,采用调整阈值个数,平滑滤波,引入语音结束最小长度的方法对其进行改进,通过了Matlab仿真实验,得出了较好的语音端点检测准确率.     

修正阈值的经验模态分解去噪算法研究

针对传统的经验模态分解(EMD)降噪方法容易丢失高频部分有用信号的不足,提出了一种修正阈值的EMD去噪方法。通过考察每个IMF的平滑度来判断其中噪声强度并以此修正用传统方法求得的阈值,再用修正的阈值对IMF进行阈值处理,实现对每个IMF的降噪,进而实现信号去噪的目的。在Matlab构造的超声信号的模型中分别添加3种不同强度的噪声模拟实际的噪声干扰,并进行去噪实验,结果表明修正阈值的EMD去噪方法对不同噪声环境下超声信号均有理想的去噪效果。     

一种应用于图像去噪的广义回归神经网络模型设计研究

为了更好地去除图像中的椒盐噪声、保留图像细节信息,提出了一种广义回归神经网络模型,适用于图像去噪。首先,对传统广义回归神经网络的原理进行了分析,并对采用的广义回归神经网络进行具体设计。然后对广义回归神经网络中的唯一可调参数（平滑因子）进行了优化。采用归一化均方误差和峰值信噪比指标进行具体算法性能分析。仿真试验结果显示：相比径向基神经网络和传统广义回归神经网络,提出算法的去噪能力更强,具有较高的峰值信噪比和较低的归一化均方误差,验证了提出算法的有效性和先进性。