EMD算法的改进及在信号去噪中的应用

噪声的干扰在生活中无处不在,本文针对传统EMD算法在信号的非线性和非平稳特性条件下,分解而得的本征模态函数（MF）随时间尺度变化的振荡而造成的模态混叠和噪声干扰等问题进行改进。在此基础上,引入人为添加的高斯白噪声,并根据其均值为0的特点,深入探索基于改进后的EMD算法在信号降噪中的应用。仿真实验对比分析表明,改进后的EMD算法能清晰地判断有用信号和无用信号,有效降低噪声对信号的干扰。     

一种混叠语音清浊音判断方法

提出了一种混叠语音清浊音判断方法。该方法在分频带自相关函数的混叠语音基频分离提取算法中，引入了双周期度及频带组的分布度两个参数用于对混叠语音清浊判断，从而使基于分频带自相关函数的混叠语音基频分离提取方法不再局限于浊音，可推广到清音信号。实验结果证明算法有一定的清浊音判断能力。     

Hilbert-Huang变换在语音去噪中的应用

研究语音信号噪声抑制问题,针对噪声污染干扰正确语音的传输,传统采用的HHT噪声抑制方法有多尺度滤波和阈值去噪,对所有的IMF分量进行处理,没有将IMF分量中的有用信号和噪声信号区别开来,去噪效果受到抑制.为使去噪效果更好,提出一种新的基于能量分析的阈值去噪方法,对含噪信号经过Hilbert-Huang变换后的IMF分量,对于信号和噪声能量分布的特点进行能量分析,将加噪信号中有用信号和噪声信号分离开,再利用阈值去噪方法完成去噪.通过仿真,可观察出语音信号的噪声得到了抑制,能够准确识别语音信号,并且比小波方法简单,不用选择小波基和确定分解层数,不用选择判断阈值,就能够达到或接近小波去噪的水平.     

蚁群聚类的欠定盲源分离方法

利用欠定盲源分离情况下稀疏源信号具有直线聚类的特点,提出了一种估计混叠矩阵的新方法。通过对混叠信号进行标准化处理,使混叠信号形成球形簇,将线性聚类转变成致密聚类;利用蚁群聚类算法对其进行搜索得到聚类中心,从而获得对混叠矩阵的精确估计。该方法能实现源信号数目未知情况下的欠定盲源分离,且能推广到三路或更多路观测信号的情况。对语音信号的仿真结果证明,该方法能精确地分离和恢复原始信号。     

单传感器中两路同频调幅信号的盲分离算法

首先描述了同频调幅信号的射频多相位混叠模型,提出了一种多相位映射的新方法。该方法可以在单载频单传感器情况下实现至多两路信号混叠矩阵的重建,然后采用独立分量分析的相关算法实现了信号的盲分离。仿真结果表明：本算法不仅能解决两路混叠调幅信号的分离问题,而且能有效地抑制带通强噪声干扰。实验中被带通噪声完全淹没的信号最终的分离信噪比均值达到50dB。     

基于麦克阵列的实时盲语音分离系统

通过使用多波束形成器对盲分离系统进行预处理滤波,结合频域内独立分量分析的方法,提出了一种基于麦克阵列的快速实时盲语音分离系统,它能够有效地分离在真实环境中的卷积混叠语音信号。     

基于小波包分解的含噪语音时频特性分析 及端点检测

针对Hilbert—Huang变换方法在语音处理过程中存在模态混叠问题,本文提出了基于小波包分解的语音时频分析方法。首先对含噪语音进行小波包分解,对各分量分别进行经验模态分解,并运用相关系数阈值准则对固有模态函数进行筛选;然后建立语音信号的Hilbert谱和瞬时能量谱;最后将基于小波包分解的Hilbert—Huang变换瞬时能量谱方法应用于含噪语音的端点检测。实验结果表明：与传统广义维数以及谱熵算法相比,本文方法具有更好的准确性、稳定性和自适应性,能够有效描述语音信号非线性非平稳的时频特性,为语音信号的分析研究提供了一个新的思路。     

基于计算听觉场景分析的语音混叠信号分离

基于计算听觉场景原理，提出了一种混叠语音信号分离算法模型，对两个说话者的混叠声音进行分离。该模型对低频区和高频区的分离分别采用了不同方法，避免了因采用同样方法处理低频高频区而导致对高频段语音不能很好分离的结果。实验结果表明，该模型具有很好的应用效果。     

三路带通混叠信号数字接收机设计

为解决三路带通信号混叠问题,提出了一种延时可调的三阶带通采样结构,通过设计数字抗混叠滤波器,可实现对三路带通信号的无混叠接收。给出了仿真实现结果,并对信号进行重构,分析了抗混叠性能,三路带通信号经过抗混叠滤波器后,信号输出信噪比可在28 dB以上。该方法解决了带通采样中多信号混叠问题,增加了采样频率选择范围,可以减少硬件负担,提高了软件无线电的灵活性。     

基于数字全息和块能量分析的水印算法

提出了一种基于数字全息和小波系数块能量分析的水印算法。待隐藏的水印图像通过在空域零扩展后再生成其傅里叶全息图,从而消除了再现后孪生像的混叠问题,然后将原宿主图像进行小波分解,把全息图嵌入在分块能量较大的小波系数中。仿真实验证明算法具有较好的透明性和鲁棒性。     

基于多频段排序的语音卷积混合盲源分离

针对语音卷积盲源分离频域法排列顺序不确定性问题,提出一种多频段能量排序算法。首先,通过对混合信号的短时傅立叶变换(STFT),在频域上各个频点建立一个瞬时混合模型进行独立分量分析,之后结合能量相关排序法和波达方向(DOA)排序法解决排序不确定性问题,再利用分裂语谱方法解决幅度不确定性问题,进而得到每个频点正确的分离子信号,最后利用逆短时傅立叶(ISTFT)变换得到分离的源信号。仿真结果表明,与Murata的排序算法对比,改进的算法在信号偏差比、信道干扰比、系统误差比上都所提高。     

基于时频分析方法LPFT的语音处理GUI系统

由于语音的非平稳性及时变性,时频分析方法是处理语音信号的重要工具.然而线性短时傅里叶变换的时频聚集性较差,而双线性维格纳变换在处理多分量信号时会受到交叉项的干扰.为了克服以上两种时频分析方法的缺点,利用短时傅里叶变换的扩展形式即局部多项式傅里叶变换LPFT来处理语音信号,建立了基于LPFT的语音处理GUI系统,实现了在时域、频域和时频域对语音的分析和对比.并给出语音处理的例子,验证了LPFT方法与其它方法相比所具有的优势.该系统简明直观,是语音处理的较好的平台.     

基于改进能熵比的维纳滤波语音增强算法

为了提高低信噪比环境下语音增强的效果、算法的鲁棒性.在基于维纳滤波算法的基础上,结合基于频域特征的语音端点检查算法,提出了一种新的语音增强算法.端点检测算法使用小波包ERB子带的谱熵和改进的频域能量的能熵比法.其中,小波包ERB子带的谱熵考虑了人耳听觉掩蔽模型和语音与噪声信号之间的频率分布之间的不同;频域能量利用了有语音帧和无语音帧的能量不同.维纳滤波算法实时采集语音数据并使用新的参数来区别无语音段和有语音段,并在无语音段平滑更新噪声谱.实验结果表明,该端点检测算法能够很好的区分有语音段和无语音段,这就使得在低信噪比的情况下语音增强效果得到了提升,同时算法的鲁棒性和实时性也得到了保障.在与其他两种算法对比中,得到了更好的语音增强效果.     

基于Hilbert-Huang变换的含噪语音特征分析

应用Hilbert-Huang变换方法对语音特征进行分析,提高低信噪比语音端点检测的正确率.对语音信号进行Hilbert-Huang变换,得到语音信号在时域和频域上的能量分布,建立语音信号的时间–频率–振幅的三维Hilbert谱分布以及边际谱分布进行特征分析,最后通过语音端点检测验证Hilbert-Huang变换分析含噪语音特征及降噪的有效性.通过语音端点检测的结果表明,经过 Hilbert-Huang变换对含噪语音分析降噪后,检测准确率有显著提高.Hilbert-Huang变换方法能够真实描述语音信号的非线性以及非平稳特性,具有广泛的应用前景.     

基于子空间方法的应力影响下变异语音分类

应力影响下的变异语音是由于说话人受到重力加速度变化而产生的,与正常语音相比,变异语音频谱能量在频带范围内分布更加分散。把整个频带划分成8个子带,采用子带频谱能量的比值为特征,提出一种基于子空间方法的正常/变异语音分类方法。该方法采用CLAFIC方法设计初始向量子空间,并通过LSM算法对两类样本子空间按不同的旋转方式训练,用预分类的结果调整分类器的参数来改善分类器的性能。实验结果表明,该方法对应力影响下的变异语音与正常语音具有良好分类效果,平均分类正确率达到了95.9%。     

基于深度卷积神经网络的语音信号去噪关键技术研究

随着人工智能技术的不断创新发展,语音识别技术一直在迭代升级,而语音去噪是语音识别领域中关键研究点之一.由于这些外界干扰声的存在,就使得原本的语音信号变得不再纯净,或多或少会对所需传输的语音信号有所影响.传统的信号分析以傅立叶变换为基础,但傅立叶分析属于全局变换,变换只能全部在时域变换或在频域变换.因此,傅里叶变换不能获...     

基于Attention-CGRU网络的中文语音情感识别

正确识别语音中包含的情感信息可以大幅提高人机交互的效率.目前,语音情感识别系统主要由语音特征抽取和语音特征分类两步组成.为了提高语音情感识别准确率,选用语谱图而非传统声学特征作为模型输入,采用基于attention机制的CGRU网络提取语谱图中包含的频域信息和时域信息.实验结果表明:在模型中引入注意力机制有利于减少冗余信息的干扰,并且相较于基于LSTM网络的模型,采用GRU网络的模型预测精确度更高,且在训练时收敛更快,与基于LSTM的基线模型相比,基于GRU网络的模型训练时长只有前者的60%.     

Mixing Audiovisual Speech Processing and Blind Source Separation for the Extraction of Speech Signals From Convolutive Mixtures

Looking at the speaker's face can be useful to better hear a speech signal in noisy environment and extract it from competing sources before identification. This suggests that the visual signals of speech (movements of visible articulators) could be used in speech enhancement or extraction systems. In this paper, we present a novel algorithm plugging audiovisual coherence of speech signals, estimated by statistical tools, on audio blind source separation (BSS) techniques. This algorithm is applied to the difficult and realistic case of convolutive mixtures. The algorithm mainly works in the frequency (transform) domain, where the convolutive mixture becomes an additive mixture for each frequency channel. Frequency by frequency separation is made by an audio BSS algorithm. The audio and visual informations are modeled by a newly proposed statistical model. This model is then used to solve the standard source permutation and scale factor ambiguities encountered for each frequency after the audio blind separation stage. The proposed method is shown to be efficient in the case of 2 times 2 convolutive mixtures and offers promising perspectives for extracting a particular speech source of interest from complex mixtures     

基于音素及其特征参数的维吾尔语音合成技术

首先建立了由维吾尔语中的单音素、双音素所构成的小规模语音语料库,设计了相应的拼接单元挑选算法,利用参数调整算法对拼接单元语音信号的时长、基频和短时能量等特征参数进行调整,并利用时域平滑算法对拼接点处的语音参数进行调整,从而进一步提高了合成语音的自然度。用C Sharp 编程语言实现了上述算法,试验结果表明研究思路和技术方案的可行性。该系统具有语料库小,合成语音的可懂度和自然度较高等优势。     

GPS接收机的窄带干扰消除技术研究

随着干扰技术的发展,全球定位系统（GPS）抗干扰性能差的缺点日益突出,对于能有效用于工程应用的抗干扰方法的研究显得尤为重要。频域抑制干扰处理中的频域陷波法是一种可以有效地移除宽带GPS信号中窄带干扰的方法。通过对N-σ消除策略的理论分析,并结合工程实践对该方法进行数字仿真实验得出仿真结果,比对分析得出了该方法在抗干扰方面的优势和一些有益的结论及合理解释,并引申出在实际工程中运用该方法时需要考虑的实际问题,对该方法在实际工程中的应用提供一定的实践依据。