空间非平稳噪声下的DOA快速估计新算法

提出了空间非平稳噪声环境下DOA快速估计的新算法.通过利用估计的噪声相关矩阵对接受数据相关矩阵进行预处理.消除了空间非平稳噪声对方位估计的影响.利用线性运算来代替特征分解以求得噪声子空间.可以获得子空间算法的快速实现.计算机仿真结果证实了该算法的正确性和有效性.     

空间非平稳噪声下圆阵的DOA估计

提出了空间非平稳噪声环境下基于圆阵的DOA估计算法.针对噪声为空间非平稳的情况,通过有效估计的加性色噪声相关矩阵对阵列数据相关矩阵进行预白化处理,克服了空间非平稳噪声对空间谱估计的影响误差,进而实现了非平稳噪声环境下圆阵DOA的精确估计,计算机仿真结果证实了该算法的正确性和有效性.     

空间非平稳噪声下的宽带DOA估计算法

投影子空间正交性测试(TOPS)法是利用子空间的正交性实现宽带信号DOA估计,而在空间非平稳噪声环境下子空间的正交性条件不再满足,尤其是在低信噪比或低快拍条件下子空间估计将出现较大误差,TOPS算法性能将急剧下降。针对该问题,提出了一种空间非平稳噪声下宽带DOA估计算法。该算法首先通过构造特殊对角矩阵将噪声从数据协方差矩阵中剔除,从而克服非平稳噪声对DOA估计的影响;然后利用平方TOPS法实现宽带信号DOA估计,消除了传统TOPS算法中的伪峰。该算法适用于空间非平稳噪声背景及低信噪比环境,提高了对角度相近目标的分辨性能;仿真实验表明了该算法的有效性。     

一种基于最小统计噪声估计的改进谱减法

针对传统最小统计噪声估计谱减法在低信噪非平稳噪声环境下存在的噪声估计误差较大及搜索延迟较大的问题,对带噪语音进行频域平滑然后进行全局平滑,并且提出使用双向搜索的方法,减小了搜索延迟.实验结果表明,文中提出的方法有效地实现了语音增强,具有一定的使用价值.     

一种基于自适应噪声估计的宽带语音增强算法

为解决传统算法对噪声适应性较差,残留音乐噪声较强的问题,本文提出了一种基于自适应噪声估计的宽带语音增强算法。该算法可应用于宽带语音编码器,以提升在噪声环境下的编码质量。本文所提算法利用谱熵对噪声类型进行有效的判别,将背景噪声分为白噪声和有色噪声两类,并根据噪声特性选择适当的噪声估计方法。在白噪声背景下,选择一种谱平滑的方法;在有色噪声背景下,则选择经典的最小值控制递归平均算法。在此基础上结合经典的统计模型方法,构建一种具有较强噪声鲁棒性的宽带语音增强算法。在ITU-T G.160标准下对算法进行性能测试,测试结果表明,在不同强度的背景噪声环境下,增强语音的信噪比提高都较为明显。同时,在低信噪比情况下,该算法有效的抑制了严重影响听觉质量的音乐噪声现象。      

强干扰及非平稳噪声复合背景下相干信源的DOA估计方法

针对传统算法在强干扰及非平稳噪声复合背景下相干信源波达方向(DOA)估计精度低、鲁棒性不强等问题,文中提出了基于修正投影阻塞算法和Toeplitz矩阵重构的相干弱目标DOA估计。首先,通过接收信号的协方差矩阵进行特征值分解,构造与干扰导向矢量正交的修正投影矩阵作为干扰阻塞矩阵;然后,对接收阵列信号做预处理重新形成协方差矩阵,并对此矩阵进行Toeplitz重构解相干;最后,使用传播算子算法对重构后的协方差矩阵进行DOA估计,降低复杂度。仿真证明:该算法在复合背景下对相干信号的DOA估计比传统算法有着更高的精度和鲁棒性。     

基于最小控制GARCH模型的噪声估计算法

MCRA（ Minima-Controlled Recursive Averaging ）方法是经典的噪声估计算法,然而在语音段MCRA方法存在不能对噪声功率谱进行有效更新的问题。针对这一问题,本文利用广义自回归条件异方差（ Generalized Autoregres-sive Conditional Heteroskedasticity ,GARCH）模型在时频域对噪声信号建模,在MCRA算法原理的基础上,提出了基于最小控制GARCH模型的噪声估计算法,实验结果表明,本文所提的噪声估计算法能够更为准确估计噪声功率谱,将该算法应用到语音增强中能够获得到较好的语音增强效果。     

空间非平稳噪声环境下阵列通道幅相误差自校正算法

本文针对空间非平稳噪声环境下的阵列通道幅相误差问题提出一种自校正算法.该算法可以有效估计噪声相关矩阵,同时对通道幅相偏差和信源DOA作初步估计;进而在此基础上进行迭代过程,进一步校正通道幅相偏差的同时得到更精确的DOA估计值.理论分析和仿真结果均表明该算法的有效性.     

一种改进的最小统计量控制递归平均噪声估计算法

本文提出了一种改进的最小统计量控制递归平均噪声估计算法.算法采用递归平均进行噪声估计,其递归平均的平滑因子受语音存在概率控制,而语音存在概率的计算采用了两次平滑和最小统计量跟踪.与I.Cohen提出的IMCRA算法相比,本文采用了一种快速有效的最小统计量跟踪算法.仿真结果表明在非平稳噪声条件下,算法具有较好的噪声跟踪能力和较小的噪声估计误差,可以有效地提高语音增强系统的性能.     

脉冲噪声环境下改进的顽健循环时延估计算法

研究了脉冲噪声环境下循环平稳信号的时延估计问题,针对脉冲噪声环境中基于传统二阶谱相关函数的时延估计方法性能退化问题,提出了基于分数低阶循环谱的改进顽健算法。相对于传统算法,新算法对脉冲噪声、高斯噪声、干扰信号都具有较好的抑制作用。仿真结果证明了算法的有效性和顽健性。     

非平稳环境下基于人耳听觉掩蔽特性的语音增强

传统的语音增强算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的音乐噪声较大。对此,本文研究了一种非平稳环境下基于听觉掩蔽效应的语音增强算法。该算法对传统谱减法的功率谱估计算法进行改进,根据最小均方误差原则和语音信号的听觉掩蔽阈值调整功率谱估计的参数,并引入了基于最小值统计特性的噪声估计算法,使估计的噪声更好地跟踪噪声的变化。实验结果表明:该算法对平稳和非平稳的噪声都得到较好的增强效果,且较好地抑制了音乐噪声。     

坦克舱强噪声背景下利用掩蔽效应的语音增强

采用了一种基于人耳听觉掩蔽效应的语音增强算法。该算法通过计算每一帧语音信号各个关键频率段的听觉掩蔽阈值,动态地调整谱减系数,有选择性地进行谱减。通过对采集的坦克舱内含强噪声的语音信号的计算机仿真表明,该算法优于基本谱减法,不仅信噪比有较大的提高而且有效地减少了主观听觉的失真和残留音乐噪声。     

非平稳环境下基于小波变换的信号去噪

传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的信号噪声较大。对此,本文研究了一种非平稳环境下基于小波变换的信号去噪算法。该算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换模极大值随尺度的变化快慢不同。得到噪声在小波域中的位置以及小波系数大小。实验结果表明:该算法对平稳和非平稳的噪声都能进行较好的去噪。     

改进的谱减法在语音增强中的应用

提出了一种谱减法的改进形式,算法打破了噪声和语音是相互独立且噪声是零均值的高斯分布假设.实验表明这种改进型谱减算法有效提高了增强效果,更好地抑制了音乐噪声.     

基于自适应噪声估计的小波阈值语音增强

文中提出了一种基于小波阈值和自适应噪声估计方法的语音增强算法。该算法直接利用含噪语音信号估计出信噪比SNR,并通过该值调整小波阈值,从而实现了小波阈值的自适应变化。针对噪声的小波变换模值随尺度增大而减小的特性,采用了随尺度变化的小波阈值。并且改进了小波阈值函数。实验数据表明,本文算法在多种噪声环境下,均有较好的语音增强效果。并且在抑制噪声的同时,减少了语音失真。     

改进的基于语音存在概率的噪声功率谱估计算法

噪声功率谱估计是语音增强算法中的关键技术之一.针对在非平稳噪声环境下噪声功率谱估计不够准确的问题,采用了基于后验语音存在概率的噪声功率谱估计算法,并对其中的语音存在概率估计算法进行了改进.利用语音信号的短时平稳性,在时域和频域上利用相邻帧和相邻频点的相关性估计当前帧的语音存在概率.仿真结果表明,该算法与原始算法及改进的最小值控制递归平均噪声估计(IMCRA)算法相比,能够有效提升非稳态噪声环境下噪声功率谱估计准确度和语音增强效果.     

基于多窗谱估计的改进谱减法

在各种语音增强法中,谱减法以其简单、有效而被广泛应用。在谱减法中,一般使用周期图法对语音信号进行功率谱估计,但是它的估计偏差以及方差较大,直接结果是引起了较大的音乐噪声。而多窗谱(multitaper)估计具有较小的估计偏差和方差。因此,使用基于多窗谱估计的改进谱减法可以有效降低音乐噪声。实验结果证明,在相同实验条件下,该方法得到的增强语音中的音乐噪声要明显小于使用周期图法的结果,且信噪比可提高1~2 dB。     

基于改进噪声方差估计的小波阈值语音增强

提出了一种估计语音噪声方差的改进方法,利用语音信号小波系数尺度间的相关性,去除了语音信号细节小波系数对噪声方差估计的干扰。仿真结果表明,方法能准确估计语音信号的噪声方差,尤其当语音噪声较小时,方法比传统的Donoho法更准确。     

基于多正弦窗谱估计的改进谱减法语音增强

采用运算简单、实时性好、改进的功率谱减法对带噪语音进行增强。鉴于谱减法的特点,文中采用了多正弦窗谱估计对功率谱进行估计。多正弦窗谱估计是一种非参数的现代谱估计方法,与周期图法相比,谱估计偏差和方差更小,可以得到效果更好的增强语音。分别对周期图法、多窗谱法及多正弦窗谱法的增强效果进行了比较。实验结果表明,语音在多正弦窗谱法增强后,分段信噪比最高,且没有因为谱减产生的音乐噪声,主观听觉效果最好。多正弦窗谱估计对输入信噪比较低的含噪语音增强效果非常好。     

一种基于语谱图分析的语音增强算法

针对传统谱减法会产生“音乐噪声”及在低噪比环境下降噪效果不理想的问题,提出一种基于语谱图分析的语音增强算法.所提方法先对带噪语音进行谱减处理,再通过语谱图分析对处理后的语音信号进行去小亮块处理,即对“音乐噪声”进行有效的削弱,最后通过设置阈值,滤除低灰度值的成份,即消除残留近似高斯噪声.实验结果表明,提出的算法可以有效地解决谱减法后残留的“音乐噪声”及低信噪比下谱减法残留噪声较大的问题.