基于折线削波电平的自相关函数法检测基音

基音信息隐含于语音信号的局部极值点处,将语音信号分帧后,通过修正由局部极值点拟合的包络线得到折线削波电平,并将削波后的信号用自相关函数法估计基音。数值实验表明,语音信号经折线削波较中心削波后可保留更多的基音信息,并能有效地减少基音检测的错误。     

基于自适应滤波和小波变换的基音检测

针对语音信号在小信噪比条件下检测其基音周期。考虑自适应滤波和小波变换的优点对小信噪比条件下的语音信号进行基音周期检测,实验证明此方法能有效检测-20dB下的基音周期。     

一种自相关基音检测算法

自相关基音检测算法是语音信号处理的关键技术,算法的效率直接影响了语音信号实时处理的质量。目前有许多较好的检测算法提高了基音检测算法的效率。而自相关基音检测算法是一种时域算法,它能直接对时域信号采样值进行分帧、求短时自相关函数,并根据一定的判决准则进行清浊音判断。提供了一种自相关基音检测算法,经过实验,它在保持较好的性能的基础上提高了检测效率。     

自适应尺度抗模糊核相关滤波跟踪法

针对图像模糊和目标尺度变化而导致跟踪失败的问题 ,提出一种自适应尺度抗模糊核相关滤波跟踪法。首先,构建一个抗模糊特征检测与匹配模 型,该模型将待匹配图像进行掩膜处理,提取目标感兴趣区 域,并利用加速稳健特征(SURF)和二进制尺度旋转不变鲁棒特征(BRISK)描述子对目标区域 进行特征点检测 与描述,通过特征点二次匹配,获取模糊图像中目标的位置。其次,判断当前图像清晰度, 若图像清晰度 高于一定水平,则利用传统的核相关滤波(KCF)算法预测目标位置,并通过比较不同尺度下 的目标响应峰值, 得出目标的最佳尺度;否则,利用抗模糊特征检测与匹配模型获取目标位置。最后,在OTB -2015数据集 中测试算法性能,本文所提算法的精确度为85.2%,比传统的KCF算法 提高17.4%;成功率为77.8%,比 传统的KCF算法提高23%。实验结果表明,所提算法在跟踪过程中可自 适应地改变跟踪框的大小,并且可对模糊图像中的目标进行有效跟踪。     

分布式子带自适应滤波算法

为了解决分布式最小均方算法在输入信号相关性较高时收敛速度较慢、分布式仿射投影算法计算复杂度较高等问题,本文提出了两种分布式子带自适应滤波算法,即递增式和扩散式子带自适应滤波算法.分布式子带自适应滤波算法将节点信号进行子带分割来降低信号的相关性,从而加快收敛速度.由于用于子带分割的滤波器组中包含了抽取单元,所以分布式子带自适应滤波算法和对应的分布式最小均方算法的计算复杂度相近.仿真结果表明,与分布式最小均方算法相比,分布式子带自适应滤波算法具有更好的收敛性能.     

基于小波变换的自相关基音检测方法

基音周期是语音信号最重要的参数之一,其描述了语音激励源的一个重要特征。在噪声环境下,基音检测的准确率必然受到影响。文章提出基于小波变换的自相关(ACF)基音检测。通过实验仿真表明,该方法可有效地在信噪比较低的条件下提取语音的基音周期。     

一种改进的自相关基音检测算法

提出了一种改进的ACF基音检测算法。检测前在小波域上用Teager能量算子对语音信号进行清浊音判决,在基音检测过程的前端和末端加入了有效的预处理和后处理技术。实验结果表明,该算法比传统的自相关算法具有更高的准确性,在低信噪比下,基音周期提取和清浊判决具有令人满意的效果。     

基于子带分解的自适应滤波

本文对基于子带分解的自适应滤波做了研究，给出子带分解下的包含子带间滤波的最优维纳解和ＬＭＳ算法，并分析了其收敛性能和计算复杂度，与传统的ＬＭＳ算法相比，基于子带分解的自适应滤波具有更好的性能，计算机模拟结果也体现了这一点。     

一种改进的自相关函数基音检测算法

提出了一种改进的自相关函数基音检测算法:首先利用清浊音自相关函数幅度值的不同性质进行清浊音判决,然后仅对浊音段检测基音周期。在基音检测前用带通滤波、中心削波和数值滤波等方法进行预处理,去除共振峰和高频噪声的影响;在基音检测过程的后端用搜索平滑方法进行后处理,平滑掉半、倍频点和随机错误点。实验结果表明,改进算法的效果优于传统自相关算法,而且在信噪比低至5 dB时仍有良好的清浊音判决和基音检测性能。     

基于频段波形相关的自适应宽带信号基音搜索方法

 本文针对谱范围扩展后的宽带语音信号长时相关谐波结构在高频段并不显著的特点,提出一种改进的长时预测算法.本算法是基于频段波形相关的自适应带宽选择方法,利用宽带信号频段间的相关度判决对长时预测的激励信号进行选择性低通滤波,改进了传统方法的不足.与3GPP的自适应多码率宽带语音编码标准(AMR-WB)中的长时预测算法相比,新算法的运算量降至54%,且实际编码的主客观结果表明,无论是感知信噪比还是最终音质都证明了新算法的有效性.     

基于形态滤波的基音检测新方法

提出了一种数字形态滤波与数字低通滤波器相结合作为基音检测预处理的基音检测新方法，本方法是线性滤波与非线性滤波相结合的一种新的尝试。实验结果表明，该方法可以得到比传统自相关法和倒谱法更好的结果，尤其是清浊音特征不明显的音段，基音检测的性能更好。     

共轭梯度法自适应空间滤波

直接矩阵求逆(DMI)方法的空间滤波器具有很快的收敛跟踪速度,因而受到广泛重视,但在寂静噪声很小且阵元数多于干扰数时,求解最佳权矢量的DKI算法是数值不稳定的,收敛性能显著恶化。本文首先分析了DMI算法数值不稳定的机理,然后结合副瓣对消及波束形成这两个空间滤波问题,针对其DMI方法的数值不稳定性,从多元函数的概念入手,引入了共轭梯度方法。由干该方法是一种运算量少的算法,同时由于它具有很好的数值稳定性,有效地解决了在求解最佳权矢量时的DMI算法数值不稳定的问题,本文最后给出了计算机模拟结果和比较。     

一种带滤波功能的圆极化可控阵列天线

提出了一种带滤波功能的2′2圆极化可控阵列天线,采用探针对每个辐射贴片进行馈电,通过控制辐射贴片的激励相位和极化,实现整个阵列天线的圆极化特性。嵌入在阵列天线馈电网络中的耦合谐振器对保证了馈电网络在幅度响应上呈现滤波特性的同时,在相位上控制每个辐射贴片激励端口处的信号相位在-90°和90°之间变化,同时结合90°移相网络,可实现对整个阵列天线左旋圆极化(LHCP)和右旋圆极化(RHCP)的控制。实测结果表明:该阵列天线能控制辐射的圆极化特性,并获得优异的LHCP和RHCP特性;在两种极化状态下,阵列天线工作频带内均具有较为平坦的增益特性,平均增益为10.4 dBic,带外增益特性呈现较好的滤波特性,在远离通带上、下边带100 MHz 处增益抑制均达到8.6 dB以上。     

自适应上下文感知相关滤波目标跟踪

针对传统相关滤波目标跟踪算法在目标快速运动、遮挡、复杂背景等情况下跟踪精度低的问题,提出了一种自适应上下文感知的相关滤波目标跟踪算法。在相关滤波算法框架的基础上,重点针对循环移位带来的边界效应与固定学习率进行改进:首先,在分类器训练阶段提出一种基于响应图极值的自适应采样策略加入上下文信息;然后,采用了一种分段学习率调整策略使算法更好地适应目标变化;最后,在标准数据集上验证了算法的性能。实验结果表明,提出的算法提高了DCF与SAMF算法的跟踪精度,不仅在目标快速运动、遮挡、复杂背景等情况下鲁棒性较好,而且还能作为一种框架集成到大部分相关滤波类算法中。     

自适应位置切换相关滤波目标跟踪

为解决卷积特征目标跟踪算法精确度和速度相互制约的问题,文中提出了一种基于峰值旁瓣比的自适应位置切换的相关滤波目标跟踪算法。将Pool4和Conv5-3层作为特征提取层,通过特征能量均值比获取有效的卷积特征,提高算法的速度;然后利用不同样本分布训练多个相关滤波器,并根据峰值旁瓣比筛选出最适分类器进行位置预测,提高了跟踪器的泛化能力;最后利用稀疏模型更新策略更新滤波器模板,减小过拟合现象的同时进一步提高算法的速度。在OTB100标准数据集上测试该算法,实验结果表明,文中所提算法的精确度为88.8%,较原分层卷积跟踪算法提高了6.1%;跟踪速度为47.5帧/s,是原算法的5倍,显示了良好的实时性能。     

基于自适应滤波的噪声抵消法

语音降噪就是从带噪语音信号中提取尽可能纯净的原始语音。文中介绍了一种基于自适应滤波的噪声抵消法，采用归一化最小均方误差算法，采集实际噪声环境下各种不同信噪比的带噪语音样本进行降噪处理，实验结果表明，处理后信号的信噪比得到了较大程度的提高，大大改善了听音效果，具有很高的可懂度，且语音自然度好，没有失真；并与谱减法进行了比较，自适应噪声抵消法的降噪幅度比谱减法有一定提高，在听音效果上，用自适应噪声抵消法处理后的语音在清晰度、自然度方面优于谱减法。     

自振荡三电平D类放大器

传统的D类放大器是两电平调制方式,信号只有0、1两个状态。三电平D类放大器是由两个并列的两电平放大器以差分宽度形式并行处理信号的,在负载上两路两电平信号相减形成＋1、0、-1三电平脉冲。三电平调制方式具有一系列优点：EMI比两电平调制方式低,可以省去低通滤波器;中高音频段失真很低,基本与低频端相同;电源抑制比很高,     

一种小波变换与自相关结合的基音周期检测法

提出了一种小波变换和自相关结合的基音周期检测方法,它克服了纯小波变换法在对某些信号检测时阈值难以确定的缺陷,在真实语音的基音周期检测计算机仿真中取得了较好满意的结果。该方法对于噪声具有较好稳健性。     

一种基于线性预测与自相关函数法的语音基音周期检测新算法

阐述了一种新的基于语音线性预测模型和经典自相关函数法的基音周期检测算法。该算法的特点在于着重对被处理语音进行滤波预处理和平滑后处理。它克服了自相关法在对低信噪比的语音信号检测时常出现半倍频误差的缺点，同时又克服了对某些变化曲线较大的语音信号检测时随机错误较多的问题。实验表明，在噪声环境下．这种处理方法能够提高传统自相关基音检测法的可靠性和准确性。