基于小波包分解的舰船辐射噪声特征提取方法研究

由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理.而小波包变换对信号的非平稳特性有适应性.本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的.结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性.     

基于非线性方法的病理嗓音识别研究

提出了一种基于非线性特性来提取声带小结类病理嗓音的特征参数的识别方法.首先通过滤波分割的方法,分两个通道处理语音信号,低频部分采用符合人耳听觉特性的巴克滤波器组进行信号重构并提取语音特征,高频部分采用非线性动力学的最大李雅普诺夫指数来描述,最后整合为语音特征序列并进行语音识别.采用美国MEEI公司的病理嗓音数据库进行识别实验.实验结果表明,这种方法能够有效地提高病理嗓音的识别率,达到99.4％的识别率.     

L-CR系统中分布式压缩感知最小角回归信号重构

在低轨（LEO）微小卫星感知无线电（L-CR）系统中,多个LEO卫星节点具备一定的频谱感知功能,卫星节点通过分布式组网对地面信关站发射的信息进行感知、传输和处理,地面汇聚节点对LEO卫星节点转发信号进行重构。考虑LEO系统中授权频带的主用户（PU）对卫星认知用户（SU）的干扰,认知用户感知到的信号同时存在PU干扰和噪声,地面汇聚节点通过高效的重构算法进行含噪信号恢复是L-CR系统实现的重要问题。论文研究了L-CR系统中基于分布式压缩感知的信号重构方法。针对L-CR特点,分别分析了汇聚节点在低信噪比情况下采用凸松弛法中的基追踪去噪（BPDN）、同伦（Homotopy）法和最小角回归（Lars）的重构均方误差（MSE）与重构复杂度。研究表明,BPDN具有最小的重构MSE,但其重构复杂度最高。Lars可以有效折衷重构MSE与复杂度。在此基础上,提出了基于分布式压缩感知的最小角回归（DCS-Lars）信号重构方案。仿真结果表明,所提DCS-Lars方法可以在低信噪比情况下有效重构感知信号,并具有良好的频谱检测能力,同时重构复杂度大大降低。      

基于可重构天线的能量收集器特性研究

基于频率可重构原理设计的五频段天线,通过调节寄生单元和馈电线的长度来改变天线的局部结构,从而获得不同的工作频段。该天线可在470~770MHz,800~930MHz,934~960MHz,1 854~1892MHz,2 407~2 509MHz五种频段之间实现可重构,覆盖了无线通信系统工作频段,各个状态具有较好的特性。在此基础上,搭建的能量收集器可以对接收到的信号能量进行收集,环境能量收集器系统包括可重构天线、匹配网络和整流升压。通过仿真软件ADS和HFSS对收集器各部分优化、仿真,仿真结果显示各部分性能良好,该收集器的灵敏度较高。最后经过实测,佐证了收集器的整体效率较高,最大收集效率可达58...     

基于傅里叶分解与排列熵降噪方法的光纤入侵信号分类

为了准确识别分布式光纤预警系统中的入侵信号类型,提出了一种基于傅里叶分解方法（FDM）与排列熵降噪方法的光纤入侵信号特征提取与识别算法。首先,用FDM将光纤入侵信号分解为若干个固有频带函数（FIBF）。然后,计算各FIBF分量的排列熵,利用排列熵对噪声的敏感特性筛选出符合条件的FIBF并重构信号。最后,计算重构信号的近似熵与能量并构造二维特征向量,将其送入支持向量机进行训练后识别光纤入侵信号。实验结果表明,该算法可以有效识别敲击、小跑、过车三类光纤入侵信号,平均识别准确率为93.33%。     

基于独立分量分析的多通道脑电信号自动去噪算法研究

在脑电信号的采集和处理过程中,经常受到如眼电、心电等各样噪声和伪迹的影响。独立分量分析通过对非高斯分布数据进行有效表示,获得在统计学上独立的各个分量,通过对噪声分量的去除以及信号分量的重构,实现对噪声和伪迹的去除。针对目前信号分解后噪声分量的处理尚停留在目测去除和人工识别阶段,耗时严重以及准确度差的不足,本文提出一种基于独立分量分析的KC复杂度自动阈值算法的提出很好地解决了这个问题,在对含工频噪声的EEG信号进行处理后,取得了良好的实验效果。     

基于小波分析的汽车噪声源识别

本文提出了一种利用车辆行驶时产生的声音信号进行汽车噪声源识别的新方法。对所采集的车辆行驶时的声音信号,运用小波变换对信号进行处理,找出汽车噪声主要集中的频段,通过与汽车各噪声源位于的频段进行比较就可以较为准确地找出汽车的主要噪声源,并通过实验论证了上述方法的可行性。     

基于SeeSV噪声定位技术的电机噪声测试

针对驱动电机某一运转工况的噪声声压级与电机噪声频率的测试问题,提出了一种运用声学照相机SeeSV与传声器相结合,并同时检测电机振动信号的测试方法。通过选取SeeSV的不同频段对噪声源进行定位识别,分离出驱动电机的噪声频段,运用传声器测定电机的噪声强度,并用振动信号对声压信号进行验证。测试结果表明,用SeeSV和传声器相结合的方法,可在复杂噪声中识别出驱动电机的噪声频率为2 66625 Hz,声压级为607 dB,对工程噪声的评价具有实践意义。     

DCT变换域滤波码捕获方法

 针对较小时频不确定度的卫星信号捕获,提出了一种结合离散余弦变换(DCT)的码捕获算法.首先对信号进行部分匹配滤波(PMF),然后对各个码相位对应的PMF输出矢量进行DCT变换域滤波及信号重构,最后对信号进行基于能量的检测.由于PMF输出信号和噪声时变特性不同,滤波重构后信号能量几乎无损,而噪声能量得到了明显降低,从而提高了相同虚警概率下的捕获概率.理论分析和仿真结果表明本文检测算法可以有效提升检测概率,并且具有较低的复杂度.     

基于小波包变换的雷达抗噪声调频干扰研究

本文基于小波包分解提出了一种新的雷达信号抗调频噪声干扰的方法,该方法利用小波包的多尺度时频分析及重构,在雷达信号处理中进行抗噪声调频干扰,将含有噪声调频干扰信号的雷达信号在不同的频段上进行小波包分解,然后重构出原始信号,从而达到抗干扰的目的,最后通过仿真分析证明了该方法的有效性。     

Performance Evaluation of Silence-Feature Normalization Model using Cepstrum Features of Noise Signals

Speech enhancement algorithms play an important role in speech signal processing. Over the past several decades, many algorithms have been studied for speech enhancement. A speech enhancement algorithm uses a noise removal method and a statistical model filter to analyze the speech signal in the frequency domain. Spectral subtraction and Wiener filters have been used as representative algorithms. These algorithms have excellent speech enhancement performance, but suffer from deterioration in performance due to specific noise or low signal-to-noise ratio (SNR) environments. In addition, according to estimations of erroneous noise, a noise existing in a voice signal is maintained so that a spectrum corresponding to a voice signal is distorted, or a frame corresponding to a voice signal cannot be retrieved, and voice recognition performance deteriorates. The problem of deterioration in speech recognition performance arises from the difference between speech recognition and training model. We use silence-feature normalization model as a methodology to improve the recognition rate resulting from the difference in the noisy environments. Conventional silence-feature normalization has a problem in that the silent part of the energy increases, which affects recognition performance due to unclear boundaries categorizing the voice. In this study, we use the cepstrum feature of the noise signals in the silence-feature normalization model to improve the performance of silence-feature normalization in a signal with a low SNR by setting a reference value for voiced and unvoiced classification. As a result of recognition rate confirmation, the recognition rates improve in performance, compared with other methods.     

改进语音增强多频带谱减算法研究

针对传统谱减语音增强算法增强后的语音信号会残留明显的"音乐噪声"的问题,采用多频带谱减算法对其进行改进。改进算法的原理是将带噪的语音信号按照频率划分成不同的频带,并使这些频带之间互不交叠,根据频带内带有噪声的语音信号和噪声信号信噪比,利用自适应算法求得该频带的过减因子。仿真结果表明:改进多频带谱减算法的语音增强效果优于传统谱减法。     

采用子带长时信号变化特征的稳健语音活动检测

为提高语音活动检测(VAD)在低信噪比下的准确率,提出了一种基于子带长时信号变化特征的VAD算法.将语音信号转换到频域,并分解为几个不重复的子频带,对这些子带信号分别提取长时信号变化特征,然后采用GMM在线建立语音和非语音模型,以模型的似然比进行VAD判决.实验结果表明,算法在较低的信噪比下能够显著地提高语音活动检测的准确率,且在多种噪声环境和信噪比条件下具有较好的稳健性.应用于语音识别系统的实验表明,该算法能有效提高噪声环境下的语音识别率.     

认知无线电中非高斯噪声下数字调制信号识别方法简

针对认知无线电系统中传统数字调制识别方法在非高斯Alpha稳定分布噪声下识别性能差、计算复杂度高的问题,提出了一种基于分数低阶循环谱相关系数的数字调制识别新方法。该方法提取分数低阶循环谱截面和频率谱截面以及其投影面的5个相关系数作为识别特征参数,并采用判决树分类器,实现了非高斯噪声下数字调制信号识别。仿真结果表明,在非高斯Alpha稳定分布噪声下,该识别方法不仅具有较高的识别率和良好的稳健性并且计算复杂度更低,更适合于认知无线电系统。     

利用DSP实现有源降噪功能的传声器设计

有源降噪传声器是一款利用高度集成的DSP/SOC(片上集成系统)语音处理器设计的语音降噪电声器件.该器件采用了语音环境噪声抑制技术,主要应用于移动电话、电话及电台手柄、头戴耳麦及免提耳麦等装置.利用双传声器信号接收方式,通过DSP语音处理器先进的语音清晰算法,可以有效识别动态环境噪音,从而在输出的正常语音中滤除上述的环境噪音,这样便可以保证通话的对方收听到清晰话音.     

基于HHT的声频传感器车辆分类识别

针对传统语音信号识别过程中出现的识别率较低或者是计算时间复杂度高的问题,提出了基于希尔伯特黄变换(HHT)的快速声频传感器车辆识别方法.该方法将HHT算法和语音信号特征提取中常用的梅尔倒谱系数(MFCC)相结合,形成一种新的特征提取方法.实验中,将这种方法分别与K-近邻算法(K-NN)、支持向量机算法(SVM)和稀疏表示分类算法(SRC)配合进行语音信号识别,结果表明,该特征提取方法与K-NN分类算法配合,在识别率和算法运行效率方面具有明显的优势.     

Statistical Model‐Based Noise Reduction Approach for Car Interior Applications to Speech Recognition

This paper presents a statistical model‐based noise suppression approach for voice recognition in a car environment. In order to alleviate the spectral whitening and signal distortion problem in the traditional decision‐directed Wiener filter, we combine a decision‐directed method with an original spectrum reconstruction method and develop a new two‐stage noise reduction filter estimation scheme. When a tradeoff between the performance and computational efficiency under resource‐constrained automotive devices is considered, ETSI standard advance distributed speech recognition font‐end (ETSI‐AFE) can be an effective solution, and ETSI‐AFE is also based on the decision‐directed Wiener filter. Thus, a series of voice recognition and computational complexity tests are conducted by comparing the proposed approach with ETSI‐AFE. The experimental results show that the proposed approach is superior to the conventional method in terms of speech recognition accuracy, while the computational cost and frame latency are significantly reduced.     

基于高速DSP的实时语音增强系统设计

随着移动通信技术的快速发展,语音增强的研究及其实际应用成为数字化通信的一个重要的研究方向。在数字信号处理技术的支撑下,许多优秀的语音增强算法的实时实现成为了可能。谱减法是一种运算量相对较小,增强效果明显,并且容易实时实现的语音增强算法,但是其缺点就是残留有音乐噪声。针对传统谱减法,本语音增强系统采用了一种改进算法,就是...     

Enhancement of the noise immunity of a voice-activated robotics control system based on phonetic word decoding method

The problem of protection of a voice-activated robotics control system against the acoustic noise similar to the speaker voice is investigated. A new algorithm for voice signal processing using the phonetic word decoding method and the (R+1) information element is proposed. The results of the experimental study of this algorithm are reported. It is shown that the developed algorithm reduces the false alarm ratio by and an order of magnitude or even more and retains high probability of correct voice recognition.     

数字助听器中多通道响度补偿方法的研究

目前数字助听器中的多通道响度补偿方法,通常是对严重衰减的部分进行高增益,这不但对听损患者的言语辨识没有作用,反而会产生负面影响。为了减轻响度补偿时产生的负面影响,提高高频严重损失的听损患者的听辨率,本文将压缩移频技术用于多通道响度补偿。首先对语音信号高频部分按比例压缩并搬移到目标频段,然后进行非等宽划分,再在各频段进行响度补偿和增益控制,最后对响度补偿后的信号进行重构。该方法使得补偿后语音的响度完全映射到听者的听觉范围内,高频严重损失的听损患者对清辅音的听辨率比传统方法提高了近30%。实验结果表明,该方法有效提高听力患者的听力水平及言语辨识率,特别对高频分量明显的清辅音的辨识率有较大的提高,具有较高的实际应用价值。