基于自适应提升小波变换的语音增强算法的研究

语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号.Sweldens等人引入了基于提升法的小波变换,也称为第二代小波变换.提升法是一种柔性的小波构造方法,它可以使用许多线性,非线性或者空间变化的预测和更新算子,而且可以确保变换的可逆性.该文讨论强背景噪声下的基于自适应提升小波变换的语音增强方法,并与自相关相减法语音增强算法进行比较.计算机仿真结果表明,该方法在大大消除背景噪声同时保持语音信号较好的可懂度.     

信号稀疏表示方法研究进展综述

稀疏分解表示能够大大降低数据存储量,提高压缩效率,一直是学者研究的热点.传统的信号稀疏表示主要集中在各种线性正交基变换以及组合正交基上,对于高维空间信息数据的表达,传统方法往往受到各种限制.研究学者根据人类视觉系统接受场具有局部、方向和带通的特性,提出多尺度几何分析的方法,并证明了对光滑的分段函数和高维空间信号的表达,达到了更好的逼近效果.由于传统方法没有考虑原始信号特点,无法达到更好的逼近,这就引出了对信号进行训练来构造自适应学习字典的研究,并且取得了一定的研究成果.本文对信号稀疏表示方法进行了分析研究,同时分析了目前信号稀疏表示的发展趋势.     

一种新的自适应线性预测器算法

提出了一种用线性预测残余误差进行自适应修正线性预测器参数的算法。这种算法具有常系数模型的基本特点,并可应用于语音信号的线性预测之中。     

基于频谱估计的频域稀疏压缩采样信号重构

压缩采样理论突破了采样定理对稀疏信号采样频率的限制,在保证信号重构精度的条件下能够显著降低采样频率,能够在采样过程中对数据进行压缩。在频域稀疏信号的压缩采样中,由于所处理数据长度的有限性,存在频谱泄漏现象,即稀疏表示基失配,从而导致信号重构性能降低。为克服这种表示基失配引起的重构误差,提出一种基于频谱估计的频域稀疏压缩采样信号重构算法。该算法采用root-MUSIC算法对被测信号的表示基进行自适应地构造:用root-MUSIC算法对频率进行估计,用自适应的基向量构造稀疏表示基矩阵。通过实验对该重构算法的可行性进行验证。与传统信号重构算法相比,该重构算法具有更高的信号重构精度。     

线性预测编码技术及其在G．729中的应用研究

线性预测编码(LPC)技术是一种重要的语音信号处理技术,广泛地应用在估计基本的语音参数等方面.详细介绍了线性预测编码技术的原理以及三种基本实现算法,并着重研究了LPC技术在G.729语音编码标准中的应用,最后采用仿真工具MATLAB对语音信号进行LPC分析,验证了LPC是对语音信号谱进行估计的一种有效方法.     

基于Hilbert-Huang变换理论的语音增强初探

希尔伯特-黄变换是新发展起来强有力的非线性、非稳态信号处理方法．它从信号自身出发自适应地产生具有物理意义的基函数,而不是人为地设定变换的基函数．该文将这一全新的方法应用到语音信号处理．希尔伯特-黄变换基于信号的局部特征时间尺度,能把复杂的信号分解为有限的内在模态函数之和,这种自适应的分解方法非常适于非线性和非平稳过程的分析．实验表明,希尔伯特-黄变换适于语音信号处理,有广阔地应用前景．结合小波变换的分析表明,该方法在语音去噪方面优于小波变换．     

4.8kbit／s语音编码技术的研究与实现

给出了一种基于改进型码激励线性预测编码（ＣＥＬＰ）算法的声码器。激励由随机码本和自适应码本构成，声道由线性预测器构成。为了获得高质量的合成语音，采用了非整数时延技术、频谱展宽技术、感知加权技术等，为了提高编码算法速度，码本搜索采用重叠码字技术，随机码本采用三元稀疏码本，最后给出了对合成语音质量的主观及客观测试结果。     

关于线性预测滤波器阶数的分析研究

线性预测技术是现代语音信号处理中的核心技术之一。该文详细介绍了线性预测技术的原理,并以G.729标准中为例,着重研究了线性预测滤波器的阶数对编码系统的影响,通过对不同阶数下的归一化均方误差及语音估计谱两方面的实验结果的对比分析,总结了线性预测滤波器阶数的选择。     

基于压缩感知的双连续超松弛迭代算法研究

压缩感知理论是在已知信号具有可压缩性或通过变换具有稀疏性的条件下,对其信号进行采集,稀疏和重构的新理论.其中稀疏信号重构算法是其中关键的一部分,对信号恢复的精确性及时效性验证有着重要的意义.该文在总结目前已有的重构算法的基础上,提出了一种新的基于压缩感知的双连续超松弛迭代重构算法.该算法通过参数估计自适应的寻找合适的稀...     

新型的神经网络线性预测语音编码算法

提出一种新型的神经网络线性预测编码算法.针对目前自相关法存在着预测系数解误差以及协方差法存在解不稳定的缺点,算法利用最小均方准则思想显著提高了短时平均误差精度.通过窄带信道将低速率语音编码远距离传输是多媒体语音技术中的重要研究内容,采用语音信号压缩处理是解决低速率传输的有效方法之一,而线性预测编码(LPC)技术是语音压缩参数编码技术的重要内容.从线性预测编码技术入手分析和研究LPC编码技术的原理,阐述了利用最小均方准则思想来提高短时平均误差精度的方法,并介绍了预测系数的自相关求法.最后通过语音合成实验验证了该新型算法既提高了系数解的精度,又保证了系统的稳定性.在该算法下预测系数的均方误差比传统的自相关法误差减小20%以上,而且当原始信号频率较高时语音合成的效果更明显,将更加精确地复现原始语音信号.     

感觉加权滤波器的设计及其在AMR-WB中的应用

由于宽带语音编码低频到高频的谱动态范围加宽,频谱倾斜现象更加显著,为了解决宽带语音编码频谱倾斜问题,进一步提高宽带语音合成语音质量,该文提出了一种新的感觉加权滤波器,并将其应用到了自适应多速率宽带语音编码AMR-WB算法中,仿真实验结果表明,新设计的感觉加权滤波器不仅有效解决了宽带语音频谱倾斜问题,且使AMR-WB 9种语音编码模式的平均w-PESQ值得到了提高。     

一种鲁棒性层次化语音/非语音检测方法

针对基于模型的语音／非语音检测方法鲁棒性不强的问题,提出了一种层次化检测方法。该方法第一层对测试数据进行粗分类;第二层利用粗分类结果,首先根据高过零率比率（High Zero Crossing RateRatio,HZCRR）和短时能量（Short Time Energy,STE）特征选取数据建立静音和可听非语音初始模型,然后训练自适应检测模型,最后利用贝叶斯信息准则（Bayesian Information Criterion,BIC）对结果进行修正。实验结果表明：与基于模型的方法相比,能够适应各种测试数据且检测精度更高、鲁棒性更强。     

一类基于高增益观测器的多输入多输出非线性时滞系统的自适应模糊动态面控制

针对一类多输入多输出且状态不可测非线性时滞系统,提出了一种自适应模糊backstepping输出反馈控制方案。因为模糊逻辑系统的逼近性,利用其对未知函数进行逼近,设计高增益非线性模糊观测器估计不可测状态。并结合自适应backstepping技术和动态面控制技术,提出了自适应模糊backstepping输出反馈控制策略。证明了系统中所有信号都一致有界,此外,选择适当的参数能够保证跟踪误差和观测误差收敛到很小的一个领域内。通过仿真验证了所提控制策略的有效性。     

基于支持向量机的非特定人孤立数字语音识别

为了识别一组非特定人、不连续的数字语音信号,本文提出了一种基于支持向量机理论的语音信号识别算法．具体过程主要包括训练过程和识别过程．其中训练过程为：先使用预先建立起来的语音库对选定的支持向量机进行训练,得到一组与该语音信号相关的支持向量;在识别过程中,首先获取被测语音信号,并根据MFFC理论提取特征向量,然后使用训练后的支持向量机进行识别．此外,还提出使用短时区域能量谱的方法对语音信号进行端点检测．结果表明,与目前流行的隐马尔可夫算法比较,本文算法具有识别速度快、准确率高等优点．     

基于观测器设计的随机非线性时滞系统模糊自适应动态面控制

针对一类状态不可测的非线性随机时滞系统,提出了一种模糊自适应输出反馈控制策略。首先设计了非线性观测器使其对系统的状态进行估计,设计模糊状态观测器估计不可测状态。利用所设计的观测器,动态面控制技术以及自适应backstepping控制方法,设计了一种自适应输出反馈控制器。并且证明了闭环随机系统在概率意义下半全局一致最终有界稳定。此外,选择合适的参数还能使观测误差和系统输出任意的小。仿真实例验证了提出方案的有效性。     

基于频域特征提取与RBF相结合的磨矿浓度软测量

为解决磨矿浓度难以直接检测的问题,提出一种通过磨机振动、磨音信号频域特征提取利用特征频谱与径向基函数（RBF）神经网络相结合的非线性建模方法。采用快速傅里叶变换（FFT）将时域振动及磨音信号转换为频谱变量,对频谱变量通过主元分析（PcA）进行谱特征提取,采用径向基函数（RBF）变换实现谱特征的非线性映射。实验表明,该方法可以实现对磨矿浓度的准确软测量,提高测量精度1%,方法有效。     

基于自适应互信息极小化算法的混合语音信号分离

针对混合语音信号的盲分离问题,基于自适应的互信息极小化算法是一个非常良好的解决办法,本文深入研究了该算法,并且为了加快算法的收敛速度,对该算法进行了改进,文章最后给出的实验结果表明,改进后的算法在分离语音信号和收敛速度上,都是非常有效的.     

基于Backstepping设计的非线性大系统模糊自适应输出反馈分散控制

针对一类高频增益符号未知,仅有输出可测的非线性大系统提出了一种模糊自适应Backstepping分散控制方法。在backstepping递推设计中,采用模糊逻辑系统逼近未知非线性函数,利用Nussbaum增益方法解决未知高频增益符号未知问题。利用所提出的模糊自适应分散控制方法,可以使得闭环系统的信号是一致终结有界（UUB）。仿真实例进一步验证了所提方法的有效性。     

基于心音的运动员心脏储备评价指标提取方法研究

为提取运动员的心率、第一心音最大幅值(S1)/第二心音最大幅值(S2)和舒张期时限(D)/收缩期时限(S)3项心脏储备评价指标,以评估心脏泵血功能状况,提出了一种心音分析方法。该方法主要包括心音预处理、包络提取、自适应阈值线选取及心音定位4个部分。实验对200例心音信号进行心脏储备评价指标的提取,其结果与其同步的心电信号结果对比发现,该方法的准确率达到96.5%,从而验证了该方法的可行性。最后用该方法提取了30例高水平运动员心脏储备评价指标并进行了评估。其评估结果是29名运动员的3项指标在正常范围内,1例运动员的D/S指标反映出该运动员处在亚健康状态,与实际情况相符。该方法为教练员科学地安排运动员的训练或选拔新的运动人才提供了参考依据。     

基于最优FRWT的非平稳信号去噪新方法

研究非平稳信号的去噪,提出一种基于最优分数阶小波变换（FRWT）的信号去噪方法.该方法根据输出信号信噪比采用遗传算法寻找FRWT的最优分数阶值,实现非平稳信号的去噪.以带噪语音信号为例的去噪实验结果表明,采用新方法的去噪效果明显提高.