基于DCT增强和改进谱熵的语音端点检测方法

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到后面的学习及识别效果．提出了基于DCT（离散余弦变换）增强和改进谱熵的语音端点检测方法．首先，通过DCT（离散余弦变换）进行语音增强，然后再通过改进谱熵法判决去噪后语音的端点位置．仿真结果表明：此方法快速有效，具有较强的抗噪能力，特别适合低信噪比下的端点检测．     

雷达多普勒信号数据压缩研究

在分析了多普勒信号的特性及语音信号的区别后，采用自适应离散余弦变换算法对多普勒信号进行了压缩编码，在中等编码速率下得到了较好的压缩编码效果。文中提出了相关－自适应离散余弦变换（C－ADCT）压缩编码算法，改进算法提高了自适应离散余弦变换算法的抗噪性能。     

基于压缩感知观测序列倒谱距离的语音端点检测算法

本文基于语音信号在离散余弦基上的近似稀疏性,采用稀疏随机观测矩阵和线性规划重构算法对语音信号进行压缩感知与重构。研究了语音信号的压缩感知观测序列特性,根据语音帧和非语音帧压缩感知观测序列频谱幅度分布分散且差异较大的特性,提出基于压缩感知观测序列倒谱距离的语音端点检测算法,并对4dB-20dB下的带噪语音进行端点检测仿真实验。仿真结果显示,基于压缩感知观测序列倒谱距离的语音端点检测算法与奈奎斯特采样下语音的倒谱距离端点检测算法一样具有良好的抗噪性能,但由于采用压缩采样,减少了端点检测算法的运算数据量。      

一种改进的基于DCT的语音增强算法

提出一种改进的基于离散余弦变换的语音增强算法。在信噪比较低时,传统的基于离散余弦变换的语音增强算法效果较好,能较大幅度地提高信号的信噪比;而当信噪比高时,利用这种方法会滤掉一些有用的信号成份。新算法首先计算出所有高阶离散余弦变换系数对应的时域信号中语音信号出现的可能性大小,然后根据某个阈值计算是否在估计噪声信号绝对值的均方差时保留该系数。实验结果表明在含噪语音信号的信噪比高于10dB时,新算法较传统的基于离散余弦变换的算法具有较好的性能。     

基于态函数的离散分数余弦倒谱变换在取证话音信息隐藏中的应用

 随着军事、安全等方面要求的日益增长,语音取证技术成为了语音信号处理和信息安全领域的热点和难点.本文提出了一种基于态函数的分数余弦倒谱变换,并将其应用到取证语音信息隐藏中,通过分析得到分数余弦倒谱变换的第3参数呈现一种独特的高频特性,从而提出了一种基于分数余弦倒谱变换的嵌入方法和过零率检测方法.实验仿真结果表明该方法具有一定的抗干扰能力,为分数余弦倒谱变换应用于取证语音信息隐藏提供了一种新的思路.     

基于EMD与功率谱熵的语音端点检测

为了提高低信噪比下语音端点检测的准确性,提出一种基于经验模态分解与功率谱熵的语音端点检测方法。对带噪语音信号进行经验模态分解获得一系列语音本征模函数,选取功率谱熵作为语音端点检测的特征,并计算特定阶本征模函数的功率谱熵实现语音的端点检测。通过EMD分解可以有效地消除白噪声的影响,仿真结果表明,在低噪比情况下结合经验模态分解和功率谱熵的方法能够有效实现语音端点检测。     

基于ICA增强和谱熵的语音端点检测方法

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到语音信号处理的速度和结果。提出了基于ICA(独立分量分析)增强和谱熵的语音端点检测方法。仿真实验表明此方法快速有效,具有较强的抗噪能力,特别适合低信噪比下的端点检测。     

基于DCT与维纳滤波的单通道语音增强算法

针对复杂噪声背景下的语音增强问题,基于离散余弦变换(DCT)和维纳滤波提出了一种新的单通道语音增强算法。该算法不依赖任何语音信号模型且无需对噪声的统计特性进行先验假定,它利用DCT域中连续时刻语音信号分量间的相关特性结合最小均方误差算法实现纯净语音分量的最优估计,弥补了一般算法仅依赖单帧带噪语音对语音分量估计得不足。多种噪声背景下的仿真结果表明,该算法在主观和客观测试中都具有良好的语音增强效果。     

语音激活检测算法的设计与实现

深入研究了基于时域、频域、倒谱域和小波域特征参数的语音端点检测算法。根据语音的频域特性,提出了一种基于概率密度平方的改进谱熵法,增强了语音的谱线动态变化范围,改进了端点检测性能。为了满足抗多种噪声干扰的要求。提出了基于声道模型的算法和基于小波变换的算法。基于声道模型的算法利用了语音与噪声的声道差别,而基于小波变换的算法利用了语音的小波分解系数在不同频段具有的谐波特性。仿真结果表明这两种算法都具有良好的检测性能。     

基于子带二次谱熵的语音端点检测

为了提高在强噪声环境下语音端点检测的准确度,提出基于子带二次谱熵的端点检测算法.该算法把子带二次谱熵作为端点检测新的特征参数,首先计算每帧语音信号的二次谱,再多子带分析,计算二次谱熵;引入顺序统计滤波对二次谱熵平滑处理;将有限状态机判别方法与子带二次谱熵相合,形成新的语音/噪声判别算法,有效地解决单门限法易出现的两类误判.实验表明:与传统的两种方法相比,提出的端点检测算法具有准确性高、抗噪性强等优点.     

噪声估计和谱熵结合的语音激活检测算法

本文提出一种语音激活检测的改进算法。首先在传统噪声估计的基础上,用Bark子带代替了DFr频域变换,目的在于降低计算复杂度;其次将估计的噪声谱进行白化滤波,并运用于子带谱熵算法中的谱熵计算中。把谱熵值作为VAD算法提取的特征参数,通过门限设定与比较,得出最初的VAD判决结果。增加拖尾延迟保护机制得出最终的VAD判决结果。     

Spectral Caracterization via Fusing Modified Prony Method with High Resolution Nonparametric Spectral Estimators

In this paper, we present a new approach to high-resolution spectral characterization of the unknown number of spectral line components embedded in colored noise. The addressed method resolves the spectral analysis problem via intelligent fusing the two spectrum estimation paradigms: (i) the parametric line spectral estimation that employs the modified regularized Prony (MORP) method for multi-harmonic signal characterization and (ii) nonparametric spectral estimation. Two nonparametric high-resolution spectral estimation methods are proposed to be fused with the MORP: the minimum variance (MV) and maximum entropy (ME) techniques. Via aggregation of the developed model-based MORP and model-free MV/ME techniques into the fused MORP-MV/MORP-ME resulting method a substantial improvement of the spectral characterization performances is gained when those are applied to characterization/analysis of the composed distributed scenes that contain noised closely spaced spectral lines to be localized with high resolution and accuracy. The simulation results are presented to illustrate the performance enhancement gained with the proposed fused MORP-MV/MORP-ME method.     

一种基于噪声估计的语音激活检测算法

针对当前语音激活检测算法在低信噪比和复杂噪声模型的环境下性能损失的问题,提出了一种基于噪声估计的语音激活检测算法,通过对背景噪声进行自适应估计,得到准确的信噪比门限,同时利用估计背景噪声对短时谱进行白化处理,从而使得谱熵判决准则得以适用于复杂噪声模型的环境。实验证明,算法在低信噪比和复杂噪声模型下性能优于G.729B和AMR中的语音激活检测算法。     

高脉冲噪声坏境中双门限法语音端点检测研究

语音端点检测是对有效语音段的识别关键技术,准确的端点检测使语音信号的后续处理计算量减少,有效地节约资源。现在多数语音端点检测技术例如能频值、谱熵、小波能量熵变换等都能准确检测出有效的语音段。文中介绍了一种双门限端点检测法,即利用短时平均过零率和短时平均能量法进行双门限检测,再设置一个最短时间门限,有效地在高脉冲噪声环境中准确识别汉语发音。通过与其他方法对比实验,文中双门限技术在短时高脉冲噪声环境下能有效提高语音识别率。仿真结果表明,端点检测正确率达93%。     

基于谱熵法的火箭弹开舱点测量研究

提出了一种基于谱熵的火箭弹开舱点测量方法,当火箭弹开舱时,雷达反射截面积(RCS)、多普勒频率突变引起谱熵突变,从而检测开舱点.该方法充分利用了RCS、多普勒突变信息,避免了单独利用RCS、多普勒突变信息带来的局限,解决了相参积累时间短,频域分不开时的开舱点检测问题.实验结果表明,该方法能较精确地测量开舱点.     

Use of sample entropy approach to study heart rate variability in obstructive sleep apnea syndrome

Sample entropy, a nonlinear signal processing approach, was used as a measure of signal complexity to evaluate the cyclic behavior of heart rate variability (HRV) in obstructive sleep apnea syndrome (OSAS). In a group of 10 normal and 25 OSA subjects, the sample entropy measure showed that normal subjects have significantly more complex HRV pattern than the OSA subjects (p < 0.005). When compared with spectral analysis in a minute-by-minute classification, sample entropy had an accuracy of 70.3% (69.5% sensitivity, 70.8% specificity) while the spectral analysis had an accuracy of 70.4% (71.3% sensitivity, 69.9% specificity). The combination of the two methods improved the accuracy to 72.9% (72.2% sensitivity, 73.3% specificity). The sample entropy approach does not show major improvement over the existing methods. In fact, its accuracy in detecting sleep apnea is relatively low in the well classified data of the physionet. Its main achievement however, is the simplicity of computation. Sample entropy and other nonlinear methods might be useful tools to detect apnea episodes during sleep.     

基于最小统计与MMSE—LSA的语音增强

提出了一种基于最小统计及短时对数谱幅度最小均方误差估计单通道语音增强算法,并在此基础上对其进行了修正。噪声功率谱估计不需要VAD进行有无语音的检测,并在每帧数据都进行更新,可跟踪变电平噪声。该算法在MMSE—LsA准则下得到谱增益函数,并考虑到纯净声音信号频谱特性,对增益函数进行了修正。实验结果表明,该算法可有效去除噪声,在消除音乐噪声的同时对语音信号产生很小的失真,并易于实时处理。     

基于最小统计及谱减法的语音增强

提出了一个基于最小统计及谱减法的语音增强方法。不采用端点检测,在语音帧内及噪声帧内都进行噪声更新。为了实时应用的需求,提出了一种加快最小值更新的方法,实验表明,该方法能有效削弱变电平噪声。     

基于混合线性变换的语声转换算法

针对在没有对称语音库的情况下,该文提出了一种基于混合线性变换的语声转换算法,在最大似然估计准则下,使用EM迭代算法计算变换函数的参量。为了减小线性加权对语音谱包络的平滑作用,使用线性调频Z变换来调节语音信号的LPC系数。客观评测和主观感受的实验结果都表明,基于混合线性变换的语声转换算法也可以取得与传统语声转换技术相当的转换效果,解除了传统语声转换技术需要对称语音库的要求。