基于信号功率谱密度分布的动态非均匀子带分解方法

针对频谱变化范围较大的宽带信号的子带分解问题,为了动态地调整子带的宽带与数量,合理地控制子带信号的自相关矩阵特征值扩散度,提高子带信号处理的性能和效率,在基于离散傅里叶变换(DFT)子带分解方法的基础上,提出了一种基于信号功率谱密度(PSD)的动态非均匀子带分解的新方法。对于给定序列,通过功率谱估计,确定子带数目和子带幅度范围,通过子带调制实现不同子带向零频处搬移,实现信号的分解。利用Matlab对子带信号特征值扩散度和信号重建性能进行了仿真。实验结果表明,与均匀子带分解相比,提出的方法直接利用PSD的分布信息实现非均匀子带分解,有效地控制了子带信号特征值扩散度在合理范围内的分布,并具有较好的重构性能。     

基于子带无迹粒子滤波的语音增强算法

结合多采样率系统理论中的子带分解技术与贝叶斯估计理论中的无迹粒子滤波技术,提出了一种基于子带无迹粒子滤波的语音增强方法。该方法首先将语音信号分解成子带信号,建立各子带信号的低阶时变自回归模型;然后利用无迹粒子滤波估计模型参数,对子带信号进行滤波处理;最后根据滤波后的子带信号重构语音信号,实现语音增强。仿真结果表明,该方法能明显改善语音信号的信噪比和质量,且易于实现。     

一种基于Mp3框架的低采样率音频压缩方案

介绍了一种针对低采样率音频信号的压缩方案。该方案通过混合滤波器组分解音频信号，并根据心理声学原理给不同的子带分配不同的比特数和量化阶距，最后还利用了哈夫曼编码技术对量化后数据进行编码。实验证明，这种基于Mp3框架的低采样率音频压缩方案能够对低至8kHz采样率的音频信号达到20kbps的压缩效果。     

一种CPM信号检测与定时同步算法

针对传统连续相位调制(CPM)接收机检测复杂度高和定时同步困难的问题,提出一种CPM信号联合检测与定时同步算法。基于低维Walsh信号空间分解CPM信号,在低通滤波器中采用子区间采样器代替大量匹配滤波器,利用面向判决的方式进行定时同步。仿真实验表明,该算法的复杂度较低,适用于多数CPM调制方案。     

基于子带分解的DFRFT自适应滤波语音增强算法

提出一种改进的语音增强方法,利用子带分解对带噪语音信号进行处理,再在离散分数傅里叶变换(DFRFT)域采用最小均方(LMs)自适应算法进行滤波,对滤波后的子带信号进行DFRFT逆变换,最后利用综合滤波器组合成增强后的语音信号。仿真结果表明,本算法明显提高了收敛速度,减少了计算时间。在主客观评价中均具有较好的语音增强效果。     

基于子带分解的语音分离算法研究

提出一种有效解决不相互独立语音源信号混合的分离算法.利用子带分解方法,将混合信号分解成多个子带信号,在各个子带上分别进行语音分离得出语音分离信号,利用提出的相关性能指数,判断出相互独立的子带信号,把该子带的分离矩阵作为混合信号的解混合矩阵对混合信号进行分离.实验证明了本算法对相关语音源信号较好的分离效果.     

一种多带多chirp基调制解调技术

多带线性调频二进制开关键控(Chirp-BOK)调制是在线性调频(Chirp)信号基础上合成的,其传统的检测方案匹配滤波法存在非相关项自干扰问题,在子带个数较多或Chirp基的时带宽积较小情况下误码性能较差。建立了一种多带Chirp信号的数学模型并提出一种简易的调制框图,基于该模型,采用最小二乘法解决了匹配滤波法自干扰问题,相比于匹配滤波法,具有较好的信干噪比增益。更进一步地,通过分析多带Chirp-BOK技术缺陷提出一种多带多Chirp基调制技术(MMCM)。MMCM技术可以灵活地调整码率与扩频增益之间的关系。仿真表明,扩频增益为0dB情况下,MMCM与OFDM技术有相同频带利用率;对于MMCM的信源组个数为J与时带宽积为P的情况,系统处理增益为P/J。     

小波包分解在虹膜识别中的应用研究

小波包分解是从小波变换延伸而来的一种更精细的信号分析算法，具有分析高频特征信息的优势。文中结合小波包分解的特点，提出了一种基于小波包分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波包分解，并对各窗口的子带图像作筛选处理；然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩，得到虹膜识别特征；最后利用加权欧氏距离分类器进行识别。实验结果表明了该算法的有效性。     

基于多子带信号采样和小波变换的宽带频谱感知*

在GHz级宽带信号频谱感知中,如果直接采样此宽带信号,其所需采样速率太高,超过现有的模数转换器指标;确切估计出主信号所占频段,可以进一步提高频谱利用率;因此本文基于调制宽带转换系统（MWC）,提出一种基于多子带信号采样和小波变换的宽带频谱感知方法。首先利用MWC实现宽带信号的低速率采样,得到子带信号;然后提出一种噪声功率及检测门限估计方法,再利用能量检测法实现对非噪声子带的频谱感知;最后利用小波变换对信号子带进行频谱边缘检测,以确定主用户信号占用频段的确切位置信息。仿真结果验证了本文所提出的宽带频谱感知方法的可行性和有效性。     

NSCT和非负矩阵分解的图像融合方法

非采样Contourlet变换（Nonsubsampled Contourlet transform,NSCT）是一种新的多尺度变换,它同时具有方向性、各向异性和平移不变性,能有效地表示图像的边沿与轮廓。非负矩阵分解（Non-negative Matrix Factorization,NMF）是在矩阵中所有元素均为非负数的条件下的一种矩阵分解方法。在非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征。提出了一种基于NSCT和NMF的图像融合方法。首先用NSCT对已配准的源图像进行分解,得到低通子带系数和各带通子带系数;其次将低通子带系数作为原始数据,选取特征空间的维数为1,利用非负矩阵分解得到包含特征基的低通子带系数;对各带通子带系数采取绝对值最大的原则进行系数选择,得到融合图像的各带通子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,融合结果优于Laplacian方法、小波方法和NMF方法。     

一种新的分数阶Fourier时频图示法

分数阶Fourier（FRFT）是传统Fourier的广义形式。分数阶Fourie域（FRFD）是一个统一的时频变换域,分数阶Fourier变换是角度为口的时频面旋转。随着角度α从0逐渐增加到π/2,分数阶Fourier变换展示出信号从时域到频域的全过程。本文依据分数阶FOUrier变换的定义,随着角度α的变化给出了一种新的更为直观的分数阶Fourier的时频图示方法,以供读者参考。     

语音信号端点检测方法综述及展望*

端点检测是语音信号处理过程中非常重要的一步,它的准确性直接影响语音信号处理的速度和结果,因此端点检测方法的研究,特别是在噪声环境下端点检测的研究,一直是语音信号处理中的热点。从基于时域参数、频域参数、时频参数、模型匹配等方法的角度,较全面地回顾了端点检测方法的发展历程,对各种方法的优缺点进行了比较分析,并给出了这些方法的改进意见,对端点检测未来的研究方向进行了展望。     

差动滤波法在弱信号检测及处理中的应用研究

弱信号检测及处理是雷达、声纳、通讯以及物理中微小量测量等工程技术领域中普遍存在的一个难点。差动滤波分析法是将其在时域、频域、时频域上进行各种变换然后再进行差分处理,把有用的信号过滤出来。将该信号在时域的波形图绘出,再对其进行傅立叶变换,之后用其结果在频域上绘制图形,这样就可以得到所需要的信号并对该信号进行分析。主要手段是运用人工神经网络的方法进行信号特征辨识以及在复杂背景下弱信号的检测,必要时也应用其他的信号处理方法作为补充,就可以达到检测与处理微弱信号的目的。     

基于广义解调时频分析的多分量复杂信号分解方法

在广义解调时频分析方法的基础上,将该方法应用于多分量时频变化信号的分解,并对该方法进行了改进,给出了由改进的广义解调时频分析方法分解多分量复杂信号的具体步骤.重点分析了自动获取相位函数的方法,以及对分离出来的各单分量再次进行广义时频解调的问题,得到了比较理想的时频分布.仿真实验结果证明:此法不仅可以得到原始信号中各分量的时域波形,同时也可以得到各分量的时频分布,从而为多分量复杂时频变化信号的准确分离提供了有效途径.     

基于时频分析方法LPFT的语音处理GUI系统

由于语音的非平稳性及时变性,时频分析方法是处理语音信号的重要工具.然而线性短时傅里叶变换的时频聚集性较差,而双线性维格纳变换在处理多分量信号时会受到交叉项的干扰.为了克服以上两种时频分析方法的缺点,利用短时傅里叶变换的扩展形式即局部多项式傅里叶变换LPFT来处理语音信号,建立了基于LPFT的语音处理GUI系统,实现了在时域、频域和时频域对语音的分析和对比.并给出语音处理的例子,验证了LPFT方法与其它方法相比所具有的优势.该系统简明直观,是语音处理的较好的平台.     

自适应小波域数字音频水印嵌入算法研究

以整型提升小波变换、人类听觉掩蔽特性、数字音频局部邻域特性为基础，提出了一种自适应小波域数字音频水印嵌入算法，该算法具有以下特点：（1）结合人类听觉系统的掩蔽特性，实现了水印嵌入位置的自适应确定；（2）引入了高效的整型提升小波变换；（3）利用数字音频的局部邻域特性，实现了数字水印嵌入深度的智能调节；（4）数字水印信息的提取不需要原始音频信号．对比实验表明：该自适应数字音频水印算法不仅具有较好的透明性，而且对诸如叠加噪声、有损压缩、低通滤波、重新采样、重新量化等攻击均具有较好的鲁棒性（特别是叠加噪声与低通滤波）。     

Research progress of the fractional Fourier transform in signal processing

While solving a heat conduction problem in 1807, a French scientist Jean Baptiste Jo-seph Fourier, suggested the usage of the Fourier theorem. Thereafter, the Fourier trans-form (FT) has been applied widely in many scientific disciplines, and has played i…     

基于自注意力机制时频谱同源特征融合的鸟鸣声分类

目前深度学习模型大都难以应对复杂背景噪声下的鸟鸣声分类问题。考虑到鸟鸣声具有时域连续性、频域高低性特点,提出了一种利用同源谱图特征进行融合的模型用于复杂背景噪声下的鸟鸣声分类。首先,使用卷积神经网络（CNN）提取鸟鸣声梅尔时频谱特征;然后,使用特定的卷积以及下采样操作,将同一梅尔时频谱特征的时域和频域维度分别压缩至1,得到仅包含鸟鸣声高低特性的频域特征以及连续特性的时域特征。基于上述提取频域以及时域特征的操作,在时域和频域维度上同时对梅尔时频谱特征进行提取,得到具有连续性以及高低特性的时频域特征。然后,将自注意力机制分别用于得到的时域、频域、时频域特征以加强其各自拥有的特性。最后,将这三类同源谱图特征决策融合后的结果用于鸟鸣声分类。所提模型用于Xeno-canto网站的8种鸟类音频分类,并在分类对比实验中取得了平均精确率（MAP）为0.939的较好结果。实验结果表明该模型能应对复杂背景噪声下的鸟鸣声分类效果较差的问题。     

基于非均匀离散傅立叶变换的数字音频水印算法

为了提高数字音频水印算法的安全性和鲁棒性,提出一种基于非均匀离散傅立叶变换(Nonurifarm Disxrete Fourier Transfarm,,NDFT)的幅度比较的音频水印算法.NDFT表示单位圆上的非均匀采样,嵌入水印时可以任意选取合适的频率点,由此提高了系统的安全性能.实验结果表明:提出的算法能有效抵抗...     

基于小波和倒谱域的数字音频水印算法

给出一种基于小波和倒谱域的强鲁棒数字音频水印算法。该算法利用人耳听觉模型和频率掩蔽效应,选择出音频小波变换后对人耳听觉不敏感的低频系数,对其进行分帧并作倒谱变换。再利用倒谱域能量集中在零点附近的特性,将一段伪随机序列嵌入在每帧相对稳定的倒谱系数中,从而实现水印的嵌入。采用相关检测的方法,根据相关值的极性来提取水印信息。实验表明,嵌入水印后的音频信号不仅具有良好的不可感知性,而且对诸如加噪、低通滤波、重采样、重量化、回声、MP3压缩和去同步等攻击具有很强的鲁棒性。