ARMA倒谱用于语音识别的特征参数

本文介绍了一种以ARMA倒谱系数为语音识别特证参数的快速递推算法,并给出了实验结果,证明它优于LPC倒谱,是语音识别中一种新的有效方法。     

基于倒谱加权的说话人识别技术

提出一种通过加不同权值来考察语音各阶参数的抗噪性强弱的方法,采用此方法分析了对干净语音和加白噪声语音的Mel倒谱各阶参数加不同权值后对识别系统性能的影响。得出结论:高阶Mel倒谱参数抗噪性较差而低阶倒谱参数抗噪性较好。因此可以根据抗噪性的强弱对该倒谱各阶参数进行合理加权,以便突出抗噪性强的参数对说话人识别系统的贡献。     

倒谱域音频与图像水印算法

综述了倒谱域数字水印技术的现状，详细介绍了现有倒谱域音频、图像水印的嵌入与检测方法，展望了倒谱分析在数字水印算法中的应用前景．将倒谱分析非线性方法用于水印技术具有一定的研究价值，可在一维、二维复倒谱域中对数字图像信号嵌入图像水印、音频水印；可将倒谱变换与其他方法结合研究音频信号、数字图像水印的嵌入技术．     

基于倒谱与复杂性的说话人确认系统

基于传统的LPC倒谱特征和KC复杂性特征建立了一个说话人确认系统，采用了YOHO speaker verification数据库训练模板和测试该说话人确认系统，取得了较好的说话人确认效果。实验证明：传统的基于线性理论基础上的说话人识别特征提取方法，与基于非线性理论的KC复杂性特征基本无相关性，因此这两类特征如能相互结合，有着良好的互补特性，能够大幅度的提高系统性能。这说明新提出的说话人的KC复杂性特征是一个非常有用的传统线性特征的有效辅助特征。     

GPS多路径信号的广义倒谱相关函数分析法

根据倒谱分析方法的原理,给出了倒谱分析方法和广义倒谱相关函数分析法用于分析GPS多路径信号的原理图及分析过程,并利用Matlab工具进行了仿真。仿真结果表明：广义倒谱相关函数分析法在延迟估计中优于倒谱法,可以消除发射源、各路径传递函数以及卷积干扰对延迟估计的影响。而在直达波和多路径信号分离中,倒谱分析方法更适用。     

基于cICA-Kurtogram的变转速齿轮故障特征提取

在变转速齿轮故障特征提取过程中,针对约束独立分量分析对源噪声免疫能力差的问题,提出一种将约束独立分量分析、计算阶次跟踪和快速谱峭度相结合的方法。根据电机瞬时转频,获得故障齿轮的瞬时啮合频率,建立矩形波参考信号;利用约束独立分量分析提取故障特征更明显的时域信号,即相应的独立分量;然后基于故障齿轮所在轴的瞬时相位,通过等角度重采样将时域相应的独立分量转换为角域平稳信号;从阶次谱中提取故障齿轮特征阶次;根据快速峭度谱选择合适的滤波器参数对角域相应的独立分量进行滤波,获得平方包络谱,以判断故障齿轮所在轴的位置。结果表明,该方法是一种适用于变转速工况下齿轮箱振动状态监测与故障诊断的有效方法。     

基于功率谱平均的水声直扩信号倒谱检测方法

直扩是水声网络中常用的通信技术,对非合作直扩通信信号的检测是对其实施干扰的前提.倒谱检测具有计算速度快的优点,得到了广泛应用.传统的倒谱检测方法基于倒谱集平均和单根谱线能量,易受脉冲噪声干扰使得虚警概率高,低信噪比时谱线淹没于噪声中使得检测概率低.新方法利用分段数据的功率谱集平均求解倒谱,提升了倒谱域低端谱线,并以低端一定采样宽度的倒谱幅度平均值与倒谱整体幅度平均值的比值作为检测量,在与传统方法相同的虚警概率下,提高了检测概率.仿真表明了新方法工作性能的提高.     

语音识别在倒谱领域中的验证

为了验证语音识别系统的鲁棒性,对其过程进行监控,设置了一个假想情景:用一个人来模仿别人的讲话,通过混合转换装置,在倒谱领域中,声音转换能够对音频信号进行计算和修改,通过实验得知身份识别系统的鲁棒性是可以实现的.     

基于谱相关和分层结构神经网络的数字调制识别

本文提出了一种基于接收信号的谱相关函数和参数统计方法,提取出可用于数字调制信号识别的统计参数,该特征有效地抑制了高斯白噪声的影响,能实现对2ASK、4ASK、2FSK、4FSK、4PSK、8PSK等六种数字调制信号的识别。分类器采用了分层结构的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方面都有很大改进。仿真结果表明,在信噪比大于5dB时,系统的正确识别率可达95%以上。     

两种倒谱特征提取技术在水声目标识别中的应用

按照声纳员的感受,被动声纳目标被看作为一个发声体,目标噪声信号表示为激励噪声源与发声体冲激响应的卷积,在这一模型下,使用倒谱分析水声目标噪声的时域特征.提出利用线性预测倒谱和考虑人耳听觉特点的美尔倒谱分析发声体的冲激响应在倒谱域中的表示,据此对水声噪声信号提取这两种倒谱的特征,进行分类识别.设计了神经网络分类器,利用实测数据对三类目标进行分类.分析比较两种方法的分类结果,验证了基于倒谱的水声目标特征提取方法的可行性.     

基于小波和复倒谱变换的音频水印技术

提出了一种基于小波分解和复倒谱的音频数字水印算法。该算法通过对原始语音信号进行三级小波分解，提取出小波近似分量，从近似分量中选取重要系数。利用复倒谱变换系数的不相关性，对重要系数进行复倒谱变换实现解相关运算，最终把水印嵌入到语音复倒谱域中，实现了在语音信号中嵌入二值图像，提高了水印嵌入算法的不可听性。实验证明该方法在抗常见的信号处理如加噪、滤波、重采样、有损压缩等方面具有较好的稳健性。     

基于谱分析的信号分类算法研究

本文通过对常用数字信号的频谱及高次方谱进行分析,通过信号频域区别提取一组有效特征对常用数字信号进行分类。这组特征提取简单,且无需任何先验知识。仿真结果表明,在信噪比不低于0dB的情况下,正确识别率达到95%以上。     

基于高斯和功率谱特性的小波调制识别研究

小波调制是一种全新的多载波通信调制方式,该文基于OFDM和小波调制信号的渐近高斯分布和频谱特性,探讨了加性高斯白噪声信道条件下小波调制信号的识别。利用调制信号的高阶统计量和功率谱峰度为分类特征,采用信噪比与特征参数联合估计的方法,分别实现多载波与单载波调制信号、OFDM与小波调制信号的识别。仿真实验结果表明,该方法具有良好的识别性能,且能很好的抑制高斯噪声的干扰。     

基于倒谱集成学习的语音回声隐藏分析算法

回声信息隐藏是语音信息隐藏的一种常用方法,针对语音回声信息隐藏的分析问题,提出了一种基于倒谱集成学习的隐藏分析方法.分析了回声隐藏及集成学习的原理,构建了基于倒谱AdaBoost集成学习算法的回声隐藏分析系统.对倒谱特征、倒谱一阶差分、二阶差分、梅尔倒谱特征、直方图联合特征、高阶矩特征分别采用支持向量机和AdaBoos...     

基于小波包络谱分析法的齿轮箱故障振动信号诊断

利用正交小波基将齿轮箱故障振动信号变换到时间一尺度域.对高频段尺度域的小波系数进行包络细化谱分析,不仅能检测到齿轮箱内部故障的存在,而且能有效地识别故障模式,说明了正交小波分析是信号检测淹没于非平稳信号中瞬时信号的有力工具.结合实例.从小波故障特征提取来说明小波变换的有效性.     

基于矢量量化方法的说话人识别技术

说话人识别是一项通过语音来识别说话人身份的技术，它在保安、司法、军事、财经和信息服务等领域都具有广泛的应用前景。该文采用线性预测倒谱系数和美尔倒谱系数特征相结合，基于矢量量化聚类方法建立了一个与文本无关的、连续语音发音的说话人识别系统。只要矢量量化聚类法码本大小选择合适，该说话人识别系统就可以获得较好的识别效果。当阈值恰当选取时，该系统具备拒绝识别集外人的功能。     

基于多任务学习的MIMO-OFDM信号联合信噪比估计与调制识别

针对当前非协作通信中MIMO-OFDM信号信噪比盲估计与子载波的调制识别研究仅集中在单个任务中的问题,提出了一种将深度神经网络与多任务学习(MTL)框架相结合从而同时完成信噪比盲估计与调制识别的算法。首先利用特征值矩阵联合近似对角化算法(JADE)恢复发送信号,并提取恢复信号的同向正交(I/Q)分量作为浅层特征;然后搭建基于一维卷积神经网络(CNN)的多任务学习模型,通过联合训练信噪比(SNR)估计和调制识别两个任务,实现优势互补。仿真结果表明,所提算法可获得比单任务学习(STL)更优的性能,当信噪比为-10dB时,信噪比估计的均方误差降低了66.21%,调制识别精度提高了4.75%。另外,多任务学习模型在信噪比大于-1dB时,信噪比估计的均方误差小于0.1;信噪比为3dB时,调制识别的精度可达到100%。     

一种基于伪随机序列水印的二维倒谱域图像水印算法

将二维倒暗变换引入到图像水印算法，提出了一种新的倒谱域数字图像水印算法，该算法将一伪随机序列作为水印嵌入到宿主图像的二维倒谱系数中．水印检测不需要原始图像．计算机仿真结果表明所提方法满足水印的不可感知性．且可抵抗多种水印攻击．如JPEG压缩、加性和乘性噪声干扰、滤波以及其他图像处理操作等．