基于α稳定分布自共变的雷达回波频率谱估计

雷达工作在复杂的环境下,回波常伴有α稳定分布噪声,特别是当非高斯性较强时,传统的谱估计方法将退化,甚至不能工作.为此,提出了四种基于FLOS共变的雷达回波频率谱估计新方法:FLOS-直接法、FLOS-间接法、FLOS-welch法、FLOS-music法.通过对α稳定分布噪声中正弦信号频率估计的仿真结果表明,所提出的方法不论雷达杂波是传统分布还是非高斯的α稳定分布,均具有较好的工作韧性.     

分数低阶α稳定分布的功率谱估计新方法

传统的α稳定分布噪声下信号功率谱估计方法有两种,分别为共变谱估计与协方差谱估计。这两种谱估计方法都是以自相关这个二阶矩作为频域分析对象,而自相关是个损失了信号中相位的信息,不能用于时频域分析。针对这一问题,提出了一种新的分数低阶功率谱估计方法,计算机仿真结果表明,与现有方法相比,该新方法不仅在进行分数低阶功率谱估计时具有更优良的性能,而且可进一步应用于时频域分析,具有更广泛的应用价值。     

基于分数低阶协方差谱的频谱感知算法研究及其FPGA实现

在对非高斯噪声情况下主用户频谱感知问题的理论研究之上,采用α稳定分布模型描述认知通信系统的非高斯噪声,给出了一种基于分数低阶协方差的感知方法,并采用分数低阶协方差谱对α稳定分布噪声下的主用户信号进行了谱估计,较好地解决了在非高斯噪声情况下传统的功率谱估计性能失效的问题。在此基础上针对FPGA的特性,进一步优化了算法,在FPGA上设计并实现了基于该算法的感知系统。系统利用FPGA产生中心频率为25 MHz、带宽为12.5 MHz的QPSK信号和特征指数为1的α稳定分布噪声作为主用户信号,设计相应的数字信号处理模块,并在此系统中验证了基于分数低阶协方差的感知方法能够有效地从α稳定分布噪声中检测出主信号的存在。该系统运行稳定,可移植性强,适用于不同的主用户频谱检测方案在此系统上进行实现与验证。     

非线性系统中稳定有色噪声建模及FLOC谱特性

用多项式自回归模型对非线性系统中稳定有色噪声建模,利用扩展的迭代重加权最小[p]范数算法进行模型参数估计。系统研究了分数低阶协方差谱的性质,并对无限方差非高斯多项式自回归有色噪声进行频域特性分析。理论分析和仿真实验表明,EIRLP算法是在高斯和分数低阶稳定分布噪声条件下具有良好韧性的参数估计方法。仿真通过对稳定有色噪声条件下的正弦信号进行谱估计,结果表明,分数低阶协方差谱具有良好韧性的谱估计性能。     

1 1/2三维谱估计在直升机声信号特征提取中的应用

提出一种基于11/2维谱估计的直升机声信号低频线谱特征提取方法.11/2维谱是高阶谱的一个特例,它具有几个特殊的性质,这些性质使其能抑制高斯噪声、加强谐波信号基频分量以及剔除非二次相位耦舍的谐波分量,因此在处理线谱估计问题时11/2维谱估计要比传统的功率谱估计方法具有更好的性能;同时与双谱估计等常用的高阶谱估计方法相比,11/2维谱估计大大简化了计算.通过对实测直升机噪声数据进行仿真,结果证明,将11/2维谱估计用于直升机声信号的特征提取可行、有效.     

基于改进谱平滑策略的IMCRA算法及其语音增强

噪声谱估计算法在单通道语音增强方法中起着重要作用,为了改善噪声谱估计算法对噪声的估计和更新能力,结合最小统计（MS）算法,对改进的基于控制的递归平均（IMCRA）噪声谱估计算法的递归平均参数进行改进,并用一阶递归的方式对平滑功率谱的最小值进行改进。采用谱减法对含噪语音信号作去噪处理,从客观和主观两方面对不同算法的性能进行评价,对比分析不同噪声不同信噪比下增强前后语音的分段信噪比（segSNR）、PESQ得分、MOS得分。实验结果表明,提出的方法能够更好地跟踪噪声信号变化,改善语音质量。     

基于改进的Capon滤波器组谱估计新方法

为了解决Capon滤波器组谱估计方法在α稳定分布噪声下性能出现退化的问题,提出了一种改进的Capon滤波器组谱估计方法,利用分数低阶协方差(FLOC)对传统的Capon滤波器组进行重构.由于分数低阶协方差的作用范围是0＜α≤2整个分数低阶空间,因此在α稳定分布噪声下其谱估计性能比基于二阶统计量方法的谱估计性能更好.计算机仿真结果显示了这种方法的优越性能,并且在高斯噪声环境下,其性能与二阶统计量下的方法类似.     

基于隐马尔可夫模型的非监督噪声功率谱估计

噪声功率谱估计是语音增强算法的基本组成部分,传统算法大多采用启发式的估计方法,因而不能保证噪声估计值的统计最优。提出了一种基于极大似然的非监督噪声功率谱估计方法,采用隐马尔可夫模型(Hidden Markov model, HMM）在每个子带建立语音和非语音对数功率谱的统计模型,模型包含语音和非语音两个高斯分量,其中非语音高斯分量的均值表示噪声功率谱估计值,根据最大期望（Expectation maximization, EM)算法得到包括噪声均值在内的HMM参数集。针对语音信号可能出现的长时缺失,对HMM引入了一些约束条件,保证了模型的稳定性。实验表明,该方法获得的极大似然噪声估计优于基于启发式的经典方法获得的噪声估计。     

最小方差谱估计算法的改进及应用

最小方差谱估计方法（MVM）是声纳信号波达方向估计中一种十分重要的方法,然而工程实际应用中在小快拍数和低信噪比的场合最小方差谱估计方法的估计性能会受到很大影响。提出的基于时空相关信号协方差矩阵的最小方差谱估计算法（MVM Based on Time-Space Correlation Matrix）利用噪声在空间和时间上的相关性比较弱的特点大大改善了MVM在小快拍数和低信噪比场合的估计性能。基于时空相关信号协方差矩阵的最小方差谱估计算法应用到浅水高分辨率测深侧扫声纳的波达方向估计中,取得了比原始信号协方差矩阵的最小方差谱估计算法更好的效果。算法中的时空相关信号协方差矩阵构成方法在波达方向估计中有广泛的应用价值。     

Alpha稳定分布噪声下改进的频域预滤波方法

针对α琢稳定分布噪声和谐波信号在频域均表现为异常值这一特性,提出了一种新的频域预滤波估计方法。通过分数低阶共变将信号转换到频域,在频域利用自适应加权Myriad滤波器滤除尖锐脉冲,提取稳定分布噪声的共变谱,将稳定分布有色噪声转化为稳定白噪声,然后利用基于分数阶共变的Music方法估计信号的共变谱。仿真结果表明,在不需要知道稳定噪声任何统计特性的情况下,该方法在1<α<2的非线性度量空间,该算法取得了理想的效果。     

多通道助听器语音降噪算法研究

维纳滤波算法是改善噪声环境下听障患者语音理解度的常用算法之一。针对传统维纳滤波算法噪声谱估计偏差大的问题,提出一种基于改进的多通道维纳滤波算法的助听器语音降噪算法。算法首先结合人耳听觉特性和助听器响度补偿的特点,将语音信号进行Gammatone分解为多路子带信号。然后在每个子带内用基于先验信噪比估计的维纳滤波器进行语音增强处理。最后通过综合子带信号,得到增强的语音。此外,为了改善维纳滤波算法噪声谱估计的问题,提出一种基于包络估计的语音活动检测算法,并用于改善维纳滤波性能。实验结果表明,与传统维纳滤波法相比,该方法能更有效地抑制残留噪声,提高语音可懂度,具有较高的实用价值。     

基于多窗谱相关加权语音增强

与传统的周期谱图相比,多窗谱分析方法是一种低方差、高分辨率的谱分析方法,尤其适合非线性系统中强噪声背景下弱信号、时频演变信号的分析.基于多窗谱估计这种优点,提出多窗谱相关加权语音增强方法,先对噪声与含噪信号比(NNSR)进行估计,用基于 NNSR 的幅度谱减实现预语音增强,再用相关加权规则获得最终的增强语音.通过客观和...     

基于纹理特征与随机森林的生态声音识别

针对真实环境中普遍存在的非平稳噪声,提出一种基于纹理特征与随机森林的生态声音识别方法。该方法首先使用一种基于噪声估计的音频增强算法,即短时谱估计对输入端声音信号进行前端处理,得到增强信号功率谱;然后根据得到的增强信号功率谱图的纹理信息,采用和差统计法对其进行纹理特征提取;最后,利用基于决策树的组合分类器,即随机森林进行识别和分类。设计了两组对比实验,结果表明该方法不仅有良好的识别性能,而且具有噪声鲁棒性。     

脉冲噪声环境下基于相关熵的AR模型α谱估计方法

在高脉冲水平条件下,基于分数低阶统计量的α谱估计方法对脉冲噪声变得敏感,并且分数阶参数值的选取影响估计精度,其性能会出现不同程度的下降。根据信号的相关熵函数对非高斯噪声不敏感的特点,提出了一种基于相关熵的模型α谱估计方法。仿真结果显示,在相同混合信噪比条件下,所提方法具有无需预设分数阶参数值和顽健性强的特点,特别在高脉冲水平噪声下相比其他方法频率分辨能力更具优势。     

相干信号的空间谱估计算法研究

研究相干信号谱估计精度问题,由于空间信号噪声影响,识别精度低。为此提出了一种改进的解相干谱估计算法——全局滑动修正算法。可通过对平滑子阵划分的修正,突破了阵列布局限制,有效地使可利用的子阵数目大于双向空间平滑中的子阵个数,采用全部的阵元当做一个滑动的子阵,得到一个新的包含空间谱信息的协方差矩阵,再对其进行特征值分解,然后按照MUSIC算法进行谱估计。仿真结果证明,全局滑动修正算法能很好地对相干信号进行解相干DOA估计,并且在信噪比较低时,比前后向空间平滑算法具有更高的估计精度。     

基于稳定分布噪声的分数低阶自适应时频分布

信号中的α稳定分布噪声会使自适应时频分布方法失效.针对该问题,利用分数低阶统计量理论,提出一种改进的分数低阶自适应时频分布.为了实现带噪信号的实时在线处理及长时间信号的时频分布分析,给出一种分数低阶短时自适应时频分布.仿真结果表明,2种方法都能在含有α稳定分布噪声和高斯噪声的环境下进行有效的时频分布分析.     

基于MDL准则的MUSIC信号频率估计算法

在正弦信号频率估计方法中,高分辨率谱估计的MUSIC算法利用信号子空间和噪声子空间的正交性进行信号频率的估计,可以得到很高的测频精度.但是信号源数的选择将会影响此方法的有效性.本文研究了基于最小描述长度(MDL)准则的MUSIC算法,信号子空间和噪声子空间的估计以及信号源数的确定同时进行,解决了MUSIC算法中信号源数对估计结果的影响.仿真结果表明利用该方法可准确地估计多个正弦信号的频率值.     

最小p范数准则α谱估计及载波频率检测

针对共变系数矩阵和分数低阶协方差矩阵估计ARSαS信号α谱精度不高的情况,提出了一种最小p范数准则的α谱估计方法。该方法对传统的奇异值分解（SVD）方法估计ARSαS信号模型最小阶数进行改进,得到一种分数低阶的奇异值分解方法（FLO-SVD）,然后利用最小p范数准则和IRLS算法求出信号模型参数,用于作α谱估计。应用于脉冲噪声环境下的QPSK信号的仿真表明,改进后的方法对α谱有更好的估计,对载波频率有更准确的检测性能。     

一种基于χ2分布的子带噪声估计方法

提出了一种基于χ2分布的子带噪声估计方法.带噪语音信号在临界带进行分解,并且假设子带信号服从χ2分布,然后在各个子带,采用基于χ2分布的改进最小统计量控制递归平均方法进行噪声估计.与传统的改进最小统计量控制递归平均噪声估计相比,该子带噪声估计方法可以利用人耳感知特性,并大大减少计算量.实验结果表明,提出的方法具有较好的噪声跟踪能力和较小的计算需求.采用该噪声估计的语音增强系统具有更强的噪声抑制性能和较好的增强语音信号质量.     

一种基于X^2分布的子带噪声估计方法

提出了一种基于X^2分布的子带噪声估计方法。带噪语音信号在临界带进行分解,并且假设子带信号服从X^2分布,然后在各个子带,采用基于X^2分布的改进最小统计量控制递归平均方法进行噪声估计。与传统的改进最小统计量控制递归平均噪声估计相比,该子带噪声估计方法可以利用人耳感知特性,并大大减少计算量。实验结果表明,提出的方法具有较好的噪声跟踪能力和较小的计算需求。采用该噪声估计的语音增强系统具有更强的噪声抑制性能和较好的增强语音信号质量。