基于分块自相关的子空间追踪语音压缩感知

在运用压缩感知基本原理对信号重构时,针对其中正交匹配追踪（OMP）算法和子空间追踪（SP）算法的各自特点,并与自相关思想结合,提出了一种改进的分块自相关的子空间追踪（BASP）算法。实验结果表明：在相同的压缩比下,BASP语音重构算法与SP语音重构算法相比具有较好的信噪比以及MOS评分。     

基于子空间匹配追踪的信号稀疏逼近

信号的稀疏表示或最佳N项逼近在数据压缩、特征提取和模型降阶等领域得到了广泛的应用．最佳N项逼近是一个典型的NP难的问题．次最优的匹配追踪、正交匹配追踪和基匹配追踪是目前流行的算法．本文提出了一种新的算法——子空间匹配追踪．该算法可以克服匹配追踪算法中的过匹配现象,加速了算法收敛速度,同时计算量比正交匹配追踪小得多．最后,比较了匹配追踪、正交匹配追踪和子空间匹配追踪对仿真信号和语音信号的表示性能．表明了我们的方法有效均衡了计算量和收敛速度两方面的要求．     

联合投影逼近子空间跟踪的语音增强算法

本文提出一种联合投影逼近子空间跟踪(UPAST)的语音增强算法。本算法以投影逼近子空间跟踪算法为基础, 在无需对噪声进行任何假定(白噪声或是有色噪声)或近似且不需要任何语音活动检测的前提下,以递推更新的方式得到 语音信号和噪声信号协方差矩阵同时对角化的特征向量和特征值,因而运算复杂度低,实现了有色噪声背景下语音信号的 最优估计。主观和客观测试都表明本算法要优于其它子空间增强算法。     

基于子空间和小波相结合的语音增强

提出了基于子空间语音增强与基于小波语音增强相结合的语音增强方法,克服了仅用子空间方法和仅用小波方法各自的弊端,并充分利用了两者的优点。实验结果表明,恢复后的语音不仅失真较小,而且更大程度上抑制了噪声,有效去除了音乐噪声。     

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.     

改进的正交匹配追踪语音增强算法

本文根据语音信号在离散余弦变换（discrete cosine transform,DCT）域上的近似稀疏性,将压缩感知（compressed sensing,CS）应用于语音增强。提出了一种基于压缩感知的语音增强新算法。算法采用对语音信号具有一定鲁棒性的行阶梯矩阵,对含噪语音进行压缩观测,通过改进的正交匹配追踪OMP（orthogonal matching pursuit,OMP）算法重构语音信号,最后用低通滤波器对重构语音进行平滑滤波,实现语音增强。实验结果表明:本文所提语音增强算法在提高输出信噪比的同时,减少了重构时间,具有较强的鲁棒性。      

基于子空间域噪声特征值估计的语音增强方法

传统信号子空间语音增强方法中均采用语音活动检测方法估计噪声,当噪声统计特性发生变化或信噪比较低时使用语音活动检测不能准确的估计噪声.本文给出一种基于子空间域噪声特征值估计的语音增强方法.结合语音存在概率对带噪语音协方差矩阵在每个特征向量上的特征值递归平滑得到噪声估计,可以在每一帧内更新噪声特征值.该方法不需要区分有声段和无声段,能够更加准确的反映当前时刻的噪声水平,具有鲁棒性.实验结果表明本文方法要优于传统的子空间语音增强方法.     

基于信号重要子空间匹配追踪的擦除补偿方法

近年来的研究表明,自然界中能够为人们所理解的信号都具有稀疏的性质。利用信号的稀疏性,提出了一种基于被擦除信号重要子空间匹配追踪的擦除补偿方法。首先,在给定错误率的基础上定义了信号稀疏性的度量方法。然后,依据被擦除信号的有效部分基于正交匹配追踪方法来寻找信号的重要子空间。最后,基于迭代方程在信号的重要子空间中获得信号的近似表示,并将其作为被擦除信号的补偿信号。模拟实验结果显示了所提出方法补偿被擦除信号的有效性。     

一种基于信号子空间和听觉掩蔽效应的语音增强方法

采用子空间分解法对噪声语音进行信号增强，并用基于Johnston听觉掩蔽模型的感知滤波器对增强后的信号频谱进行平滑以抑制背景音乐噪声。几种噪声背景下对增强语音的客观测试表明，与传统的信号子空间分解法相比，基于信号子空间和听觉掩蔽效应的方法可有效地减少语音信号的失真度。     

基于信号子空间的语音增强方法

基于子空间的语音增强算法不同于基于信号处理和统计估计的经典语音增强算法,其核心思想就是将带噪语音信号映射到信号子空间和噪声子空间中,并在信号子空间中估计原始信号。本文提出的算法是以线性代数和矩阵分析为基础,利用对语音信号和噪声协方差矩阵同时对角变换的条件,对混有加性白噪声和粉红噪声的语音信号进行增强处理。经过实验分析及与传统的语音增强算法相比较,语音失真较小,增强效果较好,能够在极大限度地抑制背景噪声的同时减少频谱失真和残余噪声。     

基于人耳掩蔽效应的子空间语音增强算法实现

宽带语音增强在改善语音质量方面有着广泛的应用.传统的减谱技术虽然去噪明显,但在听觉上留下了不舒适的"音乐噪声".为了在主客观上得到更好的折衷,引入了子空间技术,将带噪信号分解为不相关的信号空间和噪声空间,并结合人耳掩蔽效应,在主客观上得到了较好的折衷.     

基于子空间匹配追踪的LFM信号的DOA估计

DOA估计是阵列信号处理中的热点。文中针对LFM信号的DOA估计算法采样数据量大,在低信噪比情况下估计效果不理想的问题,提出了基于子空间匹配追踪的LFM信号的DOA估计。该方法通过子空间匹配追踪算法将信号投影在子空间上,求出最大投影,最终估计出LFM信号的DOA。此外,改进后的空间匹配追踪算法,还解决了原算法收敛速度慢、会出现过匹配现象的问题。经仿真验证对比,该算法估计DOA的过程中匹配次数远小于匹配追踪的过程中,且在较低的信噪比下能估计出DOA。     

一种基于信号子空间和听觉掩蔽效应的语音增强方法

提文推导了基于离散余弦变换(DCT)的子空间分解法对有色噪声背景下的语音进行增强的公式,用基于听觉掩蔽效应的感智滤波器对增强后的信号频谱进行平滑以抑制背景噪声。几种噪声背景下对增强语音的客观测试表明,本文提出的方法可以有效地减少语音信号的失真度。     

基于人耳感知掩蔽效应的子空间语音增强算法研究

针对传统子空间语音增强算法中,因语音增强方法中去除噪声而出现的音乐噪声和失真问题,提出了一种人耳感知掩蔽效应的子空间语音增强算法,并结合频域到特征值域的变换,在Bark域内实现人耳的感知掩蔽效应的语音增强。实验结果表明,该算法在白噪声和有色噪声的背景下,与传统子空间语音增强算法相比,不仅提高了语音信号的信噪比,而且减少了语音失真和音乐噪声,提高了增强后语音的听觉质量。     

一种基于匹配追踪的语音盲源分离算法

研究基于Gabor的过完备字典的匹配追踪（Matching Pursuit,MP）稀疏分解算法,首先对混合语音信号进行稀疏分解。针对传统MP算法运行时间长,占用存储范围大以及语音信号稀疏分解特性的特点,利用快速傅里叶变换（Fast Fourier Transformation,FFT）的MP稀疏分解缩小了最佳原子的搜索范围,提高运行速度。然后基于峭度的自适应盲源分离算法,通过自适应地学习算法中的激活函数最终实现语音信号的盲源分离。此算法经过仿真实验,证明分离效果比传统算法有了一定的改进,实验结果证实算法的有效性。     

基于正交匹配追踪算法的语音信号重构研究

压缩感知理论是近年来提出的一种新兴的基于信号稀疏性的采样理论。正交匹配追踪算法是其中一种典型的重构方法,文中针对语音信号重构中存在的不足,采用正交匹配追踪算法对语音信号进行信号重构,相比于传统的压缩感知的重构算法更加地适用于对含噪语音、重构语音质量会更高,去噪效果也会更明显。为语音信号CS性能的基础性的研究提供了参考。