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。     

MCRASC-MGSC微型阵列语音增强方法

提出了一种基于多路抗串扰自适应信号抵消(MCRASC)的修正广义旁瓣抵消(MGSC)方法,通过使用MCRASC来阻塞MGSC中需要阻塞的语音信号,使微型阵列输出的增强语音效果明显提高.真实环境下的实验验证了方法的有效性.     

虹膜识别中图像采集的研究

介绍了图像采集中的自动调焦方法,并给出了一种基于图像灰度处理的自动调焦判别函数--锐度判别函数,在此算法的基础上设计开发了虹膜识别的图像采集系统.实验证明,用此方法采集的虹膜图像纹理清晰,提高了系统的有效率.     

虹膜图像质量评价的研究

详细介绍了对采集到的虹膜图像进行质量评价的方法,并通过实验证明了其有效性。     

匹配追踪时频分解算法的端点检测方法

为了能在无噪音环境下准确地检测语音信号的端点,传统的方法是使用过零方法检测清音,短时能量方法检测浊音,两者相结合便实现了端点检测。通过对语音信号在时频平面中分布的研究,提出了一种基于匹配追踪时频原子分解算法的端点检测方法。该方法利用匹配追踪算法对信号进行分解,使得信号在时频平面上具有较直观明显的魏格纳能量分布,利用这个特点设置一个门限值再进行端点检测,便能准确检测出语音信号端点。实验结果表明,和传统的方法相对比,因为涉及到了信号的分解,所以实时性较差,且门限问题还有待深入研究,但该方法能更加准确地检测出语音信号的端点,亦为端点检测问题提供了一种新的思维方法。     

基于麦克风阵和ICA的语音增强技术

介绍了极大似然估计独立分量分析的基本理论。在此基础上提出了一种将麦克风阵和独立分量分析模型的源分布自适应极大似然估计算法相结合的技术，并成功地用于实际环境中的麦克风阵带噪语音信号，实现了语音和噪声的分离，增强了语音。试验和仿真结果证明，这种算法是有效的。     

房间环境下基于四阶累积量的语音时延估计

主要研究了利用四阶累积量在房间环境下的语音信号时延估计。根据模拟实验环境和实际实验环境下的仿真结果,分别比较了在高斯白噪声情况下与有色高斯噪声情况下基于二阶统计量的广义互相关法和基于四阶累积量的时延估计法性能,验证了四阶累积量法的有效性。仿真结果表明四阶累积量法具有很好的鲁棒性。     

基于传声器阵列的语音增强技术

介绍了几种传声器阵列语音增强算法,包括固定波束形成、自适应波束形成、传声器阵后维纳滤波,并对各算法的性能和特点进行了分析。同时,对近几年基于传声器阵的语音增强技术的发展趋势进行了简单介绍。