基于特征空间逼近的传声器阵列语音信号增强

对现有的基于自动波束形成的传声器阵列语音信号增强算法提出了改进,将各传声器采集到的信号利用ABF(自适应波束形成)进行延时补偿并求和,消除信号中弱相干和不相干噪声;再利用特征空间逼近的方法进一步去除残留的噪声。将一种定阶方法应用到基于特征空间分解的语音信号增强中,利用其“最大稳定”原理,使得有效信号模型的阶数尽可能不受原始信号信噪比的影响,消除了传统定阶过程中的随意性和不稳定性。仿真结果表明:把自适应波束形成技术和特征空间逼近的方法结合起来,能够取得良好的去噪效果。     

基于投影近似子空间跟踪技术的自聚焦算法

基于特征向量法的自聚焦算法具有比相位梯度自聚焦(Phase Gradient Autofocus,简称PGA)算法更好的算法性能,但该算法必须对协方差矩阵进行特征分解,所以运算量大.利用投影近似子空间跟踪(Projection Approxima-tion Subspace Tracking,简称PAST)技术的自聚焦算法可以解决上述问题.通过实际数据处理结果对比,证明基于PAST技术的自聚焦算法是一种可满足实时处理要求的有效自聚焦方法.     

改进的基于信号子空间的多通道语音增强算法

通过同时对角化麦克风阵列接收信号中语音信号和噪声信号的全局协方差矩阵,本文改进了一种基于信号子空间分解的多通道语音增强算法.该算法不依赖任何信号模型且无需对噪声信号的统计特性进行任何先验假定,它弥补了原始算法只限于白噪声背景下语音增强的不足,实现了色噪声背景下语音信号的最优估计.仿真结果表明本文算法在主观和客观测试中都具有良好的语音增强效果.     

一种复快速数据投影子空间跟踪方法

快速数据投影方法(FDPM)是一种稳健快速的子空间跟踪方法,本文将FDPM推广到复数域,提出复快速数据投影方法(CFDPM).结合GNSS抗干扰背景,仿真了噪声信号子空间的跟踪,通过比较该子空间与MUSIC算法所得子空间的一致性,验证了该方法的有效性,初步证明该方法能够应用于GNSS抗干扰.     

对子空间跟踪OPAST算法的分析与改进

着重分析研究了快速正交PAST(OPAST)算法。通过仿真分析，发现OPAST算法在某些情况下，出现发散情况。针对这一问题，本文对OPAST算法进行了改进。仿真结果表明，提出的改进算法较好的实现了全局收敛性能，且算法复杂度基本保持不变。     

变异语音处理的研究进展

本文讨论了变异语音处理技术及其研究进展,分析了变异情况对语音识别性能产生的影响,综述了变异语音分类和变异语音识别方法,探讨了变异语音处理研究中存在的问题及未来的研究重点.     

投影近似子空间跟踪算法及其在盲线性多用户检测中的应用

本文针对CDMA系统中的多用户检测,探讨信号子空间作为一种无约束最小化问题的解这一新的解释,在此基础上分析并研究了一种新的跟踪信号子空间的方法PASTd算法。分析表明,通过适当的投影近似,最小化任务简化为众所周知的指数加权最小二乘问题,从而可以运用递归最小二乘(RLS)方法来有效地跟踪信号子空间。该算法的计算复杂度为O(nr)。计算机仿真结果证明了PASTd算法的有效性,从而该算法对于基于子空间的盲线性多用户检测器的实现具有研究和参考意义。     

基于空间变换预处理的噪声子空间投影法

针对基于噪声子空间投影的空间谱合成技术对输入信噪比(SNR)要求较高的问题,该文提出一种基于空间变换预处理的改进噪声子空间投影法。在子阵维度上,对阵列数据进行拆分处理,得到空间-空间-频率3维数据;利用空间投影变换,将其重新投影为空间-频率2维数据,实现子阵维度相干累积,提高空间变换后输入信噪比;采用噪声子空间投影法,对变换后数据进行处理,实现空间谱合成。数值仿真和实测数据处理结果表明：相比噪声子空间投影法,在保持方位分辨率不变的前提下,所提方法对输入信噪比的最低要求降低约6 dB,有效提升了噪声子空间投影法的弱信源检测性能。     

A Subspace Approach to Timing Acquisition for Wavelet-Based Multirate Transmissions

We propose a subspace-based maximum-likelihood approach for acquiring the timing of wavelet-based multirate transmission systems. The S-curve analysis shows that our approach can correctly acquire the initial timing of a symbol from anywhere within a symbol-time interval at a cost of increasing jitter variance.     

用投影算子改善信号子空间方向估计算法的稳健性

基于信号子空间的超分辨方法一般对接收器阵列误差非常敏感。本文提出的投影变换法利用目标方向的初始估计和阵列流形的先验知识，可以显著减小信号子空间方法的误差灵敏度。文中给出了数值仿真和实际阵列数据测试的结果。     

基于子空间投影的功率倒置卫星导航抗干扰算法

基于线性约束最小方差准则的功率倒置算法用于干扰抑制领域中,在干扰来向上形成的零陷开口较宽,且当强弱干扰共存的时候,算法在弱干扰来向上引入的零陷深度较浅。通过研究及推导功率倒置算法的数学原理,将观测信号的协方差矩阵进行分解,得到相互正交的干扰子空间和噪声子空间,发现上述问题存在的原因是算法含有干扰空间的加权和。基于此,本文通过引入子空间投影方法,避免干扰子空间对算法的影响。通过仿真证明,本文算法可以在弱干扰方向形成较深的零陷,从而有效的改善算法的抗干扰能力。     

Subspace Distribution Clustering HMM for Chinese Digit Speech Recognition

As a kind of statistical method, the technique of Hidden Markov Model （HMM） is widely used for speech recognition. In order to train the HMM to be more effective with much less amount of data, the Subspace Distribution Clustering Hidden Markov Model （SDCHMM）, derived from the Continuous Density Hidden Markov Model （CDHMM）, is introduced. With parameter tying, a new method to train SDCHMMs is described. Compared with the conventional training method, an SDCHMM recognizer trained by means of the new method achieves higher accuracy and speed. Experiment results show that the SDCHMM recognizer outperforms the CDHMM recognizer on speech recognition of Chinese digits.     

混叠语音的场景分析方法

提出了1种混叠语音场景分析模型,模型以独立分量分析(ICA)方法作为语音分解的理论依据,以时频分布和距离测度作为语音辨认的实现工具,完成了混叠语音场景分析过程。阐述了ICA和时频分布的原理,采用改进快速ICA算法,结合优化时频分布和距离测度方法,有效完成了语音场景分析实验。通过对实验数据采用主客观评估,结果说明提出的模型具有较好的处理效果。     

一种基于音质评估的语音伪装通信新方法

研究一种语音伪装新方法,将保密语音替换成另外一种语音以便于在公网上安全传输。保密语音经2.4kb/低速率压缩编码后,依据设计的客观音质评估模型,将参数隐蔽地嵌入普通语音;检测时利用逆过程恢复保密语音。实验表明算法的信噪比较传统算法提高约3.5dB,并在受到压缩、滤波等攻击时具有较高的鲁棒性。     

一种子空间盲自适应多用户检测技术在天线阵CDMA系统中的应用

多用户检测技术是ＤＳ－ＣＤＭＡ中的一项关键技术,而天线阵也是一种减轻多用户干扰的方法,本文将两种技术结合在一起,提出了将子空间方法应用于天线阵多用户检测技术,这种技术可适用于低速移动台在慢衰落信道下的盲检测,仿真结果表明这种算法比单纯作最佳二维Ｒａｋｅ接收要好,和有训练序列的先做ＣＭＯＥ再做最佳合并的性能差不多。     

一种基于广义奇异值分解的语音增强算法

广义奇异值分解的单通道语音增强算法在加性噪声为白噪声的情况下,效果比较理想.加性噪声为有色噪声的情况下,通常用一种基于熵奇异值分解(QSVD)的方法来处理.对QSVD算法进行衍生,首先提出了一种基于广义奇异值分解的子空间语音增强算法(GSVD).为了处理低信噪比时残留的音乐噪声,结合入耳的听觉掩蔽效应,进一步提出了一种基于感官抑制的GSVD(PCGSVD).试验结果显示,PCGSVD算法能够明显地提高语音质量、可懂度和识别率,特别是在加性噪声是有色噪声的情况下实验结果明显优于其他的语音增强算法.     

A Performance Analysis Model for IEEE 802.11e EDCA Under Saturation Condition

An accurate model of IEEE 802.11e EDCA for a performance analysis that captures all major QoS features of the standard is introduced in this paper. Using the model, we derive the saturation throughput, and validate the accuracy of the proposed model through comparisons with other models via simulations.     

Unsupervised Domain Adaptation via Principal Subspace Projection for Acoustic Scene Classification

Existing acoustic scene classification (ASC) systems often fail to generalize across different recording devices. In this work, we present an unsupervised domain adaptation method for ASC based on data standardization and feature projection. First, log-amplitude spectro-temporal features are standardized in a band-wise fashion over samples and time. Then, both source- and target-domain samples are projected onto the span of the principal eigenvectors of the covariance matrix of source-domain training data. The proposed method, being devised as a preprocessing procedure, is independent of the choice of the classification algorithm and can be readily applied to any ASC model at a minimal cost. Using the TUT Urban Acoustic Scenes 2018 Mobile Development dataset, we show that the proposed method can provide an absolute increment of over 10% compared to state-of-the-art unsupervised adaptation methods. Furthermore, the proposed method consistently outperforms a recent ASC model that ranked first in Task 1-A of the 2021 DCASE Challenge when evaluated on various unseen devices from the TAU Urban Acoustic Scenes 2020 Mobile Development dataset. In addition, our method appears robust even when provided with a small amount of target-domain data, proving effective using as few as 90 seconds of test audio recordings. Finally, we show that the proposed adaptation method can also be employed as a feature extraction stage for shallower neural networks, thus significantly reducing model complexity.

     

Generalization of Maximum A Posteriori Amplitude Estimator Under Speech Presence Uncertainty for Speech Enhancement

In this paper, we focus on the estimation-based frequency-domain speech enhancement methods under speech presence uncertainty. Through the minimization of an average risk function, a generalization of maximum a posteriori spectral amplitude estimator is derived. By adjusting the cost parameters, we can control the error caused by noise falsely detected as speech. Our experimental results show that the proposed system can be a simple alternative to Abramson’s simultaneous detection and estimation approach for speech enhancement since it involves merely estimation under speech presence uncertainty and does not require any detector. Moreover, the proposed estimator takes advantage of a more straightforward implementation, since there is no need for the computation of Bessel functions.