共查询到10条相似文献,搜索用时 31 毫秒
1.
简要介绍了有关独立分量分析的基本理论和算法,文中提出一种方法,巧妙地从单路
信号中生成两路信号,然后对其进行独立分量分析( ICA) ,克服了无法直接对单路信号进行独立分量分析的困难,实现语音增强。 相似文献
2.
提出了利用频域的独立成分分析(Independent components analysis)算法分离语音信号和噪声信号,达到抑制噪声的效果.并且,针对ICA算法在噪声源集中的环境中效果较好,在噪声源分散的环境中性能有所退化的情况,基于时域带噪信号的ICA算法提出频域带噪信号的ICA算法.最后利用最小均方误差估计谱幅度算法(Minimum mean square error)去除残留噪声,达到较好的语音增强效果.通过大量的实验数据测试,文中提出的基于ICA和MMSE短时谱幅度估计的双麦克语音增强算法在不同信噪比(Signal to Noise Ratio)下,都取得了良好的降噪效果. 相似文献
3.
针对非协作通信中成对载波多址(Paired Carrier Multiple Acess,PCMA)信号的盲分离问题,提出了一种基于独立分量分析(Independent component analysis,ICA)的单通道盲分离算法。首先对接收到的单路PCMA信号进行参数估计得到其残余载波频率,再对其处理得到两路基带混合信号,最后利用ICA算法分离出源基带信号。该算法在未知两个卫星地面站发送信号的情况下,从接收到的PCMA信号中恢复出两路源基带信号。仿真实验表明,本文算法在信噪比为-10dB时仍具有良好的分离效果,两路基带信号的波形相似系数可分别达到0.94与0.86以上。 相似文献
4.
5.
6.
7.
为减少噪声污染,改善语音质量,语音增强是解决噪声污染的一种有效方法。针对传统语音增强在语音质量和语音可懂度方面的不足,对传统算法进行改进是非常有必要的。研究了将带噪声音基于自适应的完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)处理,将带噪语音转化为多个模态分量进行第二阶处理。当带噪语音为低信噪比时,语音采用快速独立成分分析(Fast Independent Component Analysis,Fast ICA)算法进行噪声分离,再通过对数最小均方误差(log Minimum Mean Square Error Estimation,log-MMSE)算法对分离后的带噪分量进一步处理,最后合成语音。当带噪语音处于高信噪比时,不需要对噪声进行剥离,直接采用最小均方误差(Minimum Mean Square Error Estimation,MMSE)算法对带噪分量进行处理,使输出较为清晰的语音。结果表明,改进算法对语音的增强效果明显。 相似文献
8.
9.
针对相位敏感光时域反射仪(Ф-OTDR)信号信噪比过低的问题,提出了一种基于改进变分模态分解(VMD)结合独立成分分析(ICA)的去噪方法。首先,采用模拟退火方法(SA)对VMD进行优化;然后,采用SA-VMD将预处理后的Ф-OTDR信号分解成一系列本征模态分量(IMF),并根据相关准则选取IMF分量进行虚拟噪声重构;最后,将原始信号与虚拟噪声作为ICA的输入,去除信号中的噪声,提高信号信噪比。采用自行设计的相干Ф-OTDR系统进行实验验证,结果表明,该方法能够有效去除噪声,与EMD-ICA和SA-VMD方法相比,信噪比提高了4dB,这对系统的实际应用具有重要意义。 相似文献