基于Matching Pursuits时频分解算法的传声器阵语音增强

根据在时频域中对含噪语音信号进行的时频分析研究,提出1种基于MatchingPursuits时频分解算法的语音降噪方法。利用MatchingPursuits算法对含噪语音信号进行分解,将分解后各分量的魏格纳分布之和作为整个信号的魏格纳分布,使信号在时频平面上有较直观的分布,并利用此特点对信号进行降噪。仿真结果表明:此方法能在保证可懂度的情况下,有效去除含噪语音信号中的宽带噪声。     

基于仿生小波变换和模糊推理的语音降噪算法研究

提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解,以分离出来的噪声信号作为自适应滤波器的输入,选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理,最终实现语音信号的信噪分离,去除语音信号中的噪声。仿真结果表明,该方法对语音信号有较为明显的降噪效果。     

基于Radon-STFT变换的含噪LFM信号子空间分解

由于线性调频信号占有非常宽的频带,用奇异值分解就不能将含噪线性调频信号分解成信号子空间和噪声子空间,针对这一缺陷,本文提出了一种基于时频面旋转的含噪线性调频信号的子空间分解算法。文中分析了算法的性质,并提出了“伪信号子空间”的概念和用于检测直线倾角的Ｒａｄｏｎ－ＳＴＦＴ变换,理论分析和仿真实验的结果表明了这种子空间分解方法对一类含噪线性调频信号是可行的。     

非线性调频信号的自适应时频滤波算法

针对传统的时域或频域滤波算法对非线性调频信号滤波去噪效果不好的问题,本文提出了一种时频域内非线性调频信号的自适应滤波去噪算法。首先对原信号进行广义S变换获得其时频分布,接下来利用有效信号时频分布特性选取时频通域,构造区域滤波算子并去除掉时频通域外的噪声分量的时频分布;然后利用有效信号分量的时频聚集性构造自适应时频滤波算子,对含有随机噪声的有效信号分量进行滤波处理,得到滤波去噪后的信号的时频分布;最后利用广义S逆变换将处理后的时频分布变换到时间域,得到滤波去噪后的信号。通过仿真实验的结果可知,本文提出的算法在非线性调频信号的滤波去噪和有效特性保持方面取得了较好的效果。      

一种新的基于数据场的语音增强算法

语音增强是消除噪声干扰的主要手段,在语音处理系统中得到广泛应用。传统语音增强算法认为相邻帧语音幅度谱之间是相互独立的,而研究表明语音幅度谱时频点之间存在相互依赖关系。缺乏对邻域时频结构信息的利用使得传统增强算法的性能难以进一步提高。本文首次将数据场引入到对语音的听觉感知领域,用数据场对语音的时频依赖性进行建模,提出一种新的基于数据场的语音增强算法。该算法通过最小化势场分布的熵确定了时频点之间的相互作用力程,在带噪语音数据场中估计噪声的最小统计量得到二值时频掩蔽值,最后利用二值时频掩蔽消除噪声干扰。实验测试表明,与Martin算法相比,基于数据场的语音增强算法在提高去噪效果的同时能有效减少语音的失真。      

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

基于字典学习的碰摩声发射信号降噪算法

针对现场实测声发射信号经常淹没在噪声中的问题，提出了一种基于字典学习的碰摩声发射信号降噪算法。首先在训练阶段采用干净碰摩声发射信号利用K-SVD算法训练自适应字典，然后对含噪碰摩声发射信号的噪声方差进行估计，最后利用正交匹配追踪算法对含噪碰摩声发射信号在训练后的字典上进行稀疏分解，从而达到对碰摩声发射信号进行降噪的目的。实验结果表明:基于字典学习的算法对碰摩声发射信号能取得较好的降噪效果，相比与基于固定字典的传统算法能够获得更高的信噪比。     

基于时频分布的多分量LFM信号检测

采用二次型时频分析方法对多分量线性调频信号进行分析,获取信号的时频域能量分布。首先讨论了线性调频信号的两种二次型时频分布：魏格纳-威尔分布及其改进形式——重排魏格纳-威尔分布;在此基础上,进一步对比验证了霍夫变换和若当变换对线性调频信号时频域能量的积累效果,以实现噪声背景中的多分量线性调频信号检测。仿真结果显示基于二次型时频分布的处理是实现多分量线性调频信号检测的一个有效方法。     

基于新型组合算法的语音降噪系统

在研究VSLMS和子空间降噪原理的基础上,分析了两种算法的优缺点,提出了一种组合降噪算法,并进行了硬件实现。组合降噪算法试图寻找一个语音信号的分解点,利用子空间算法分离出带噪信号,作为自适应算法的输入,最后由VSLMS算法对带噪信号进行增强处理。硬件实现在该组合降噪算法的基础上,利用SOPC技术在FPGA芯片中搭建嵌入式语音降噪系统。实验结果表明,该方法能够优于传统降噪算法,使用硬件结构加快了算法的收敛速度。     

基于数据驱动字典和稀疏表示的语音增强

本文提出了一种基于数据驱动字典和过完备稀疏表示的自适应语音增强方法。首先在训练阶段采用干净语音基于K奇异值分解(K singular value decomposition, K SVD)算法训练过完备字典,然后在测试阶段根据含噪语音的噪声方差自适应选择最优的阈值,采用正交匹配追踪算法对含噪语音信号在过完备字典上进行稀疏分解,最后利用系数稀疏表示重构语音信号,从而达到语音增强的目。该方法不像传统语音增强方法那样减少或消去噪声,而是从字典中选取适当的原子表示纯净信号,从而把纯净信号从含噪信号中分离出来。对白噪声和有色噪声环境下重构语音进行了主客观评价。仿真结果显示:该方法能有效去除加性噪声,并且改善了语音质量。      

Range-spread target detection using the time-frequency feature based on sparse representation

The wideband radar transmitting the linear frequency modulation signal often processes its echoes by the stretched processing. This paper deals with the range-spread target detection in white complex Gaussian noise. Here, we propose a new detection method for the range-spread target based on sparse representation, which selects the time-frequency feature to realise the target detection. It can be simply described as follows: first, the sketched signal is reconstructed from its noisy measurements by basis pursuit de-noising (BPDN); scatterers on the target are determined by its reconstruction and used to calculate the Wigner distribution; for the target embedded in noise, the time-frequency feature in its power-density spectrum is compared with the decision threshold. Meanwhile, the median absolute deviation (MAD) is adopted to estimate the noise variance. The mainly novelties can be concluded as follows: the Fourier matrix is selected to sparsely represent the sketched signal; the sparsity is used to improve the SNR of the received echoes; the Wigner transform is utilised to acquire the time-frequency feature of the range-spread target. Both the optimisation theory and time-frequency representation are introduced to solve the target detection problem. Experimental results on the raw data show that the proposed detector outperforms the conventional methods.     

基于Hough变换的任意时频分布线条特征提取

时频分布将时(空)域信号变换到时频联合域,揭示出信号的非平稳性、瞬时频率以及频率随时(空)间的变化演进,这其中往往主要含有线条成分,现有的分析方法只能探测直线成分(即线性调频参数),并且只是分析Wigner分布.本文进行两方面的推广,一方面将Hough变换探测各种参数曲线,可以对任意时频模式的信号进行检测;另一方面推广到任意时频分布,试验结果表明本文方法对于低信噪比的信号,检测可靠性更高,尤其对于自适应时频分布,效果更为满意.     

一种基于分数阶Fourier变换的雷达运动目标检测算法

针对雷达回波为多分量LFM信号时,时频分析存在的交叉项干扰问题,提出了一种基于分数阶Fourier变换(Fractional Fourier Transform,FRFT)的伪Wigner分布(PWD).该方法通过在参数平面按阈值进行峰值搜索确定变换域阶次,再在相应的分数阶Fourier域计算PWD,有效地抑制了交叉项的干扰,有利于更好地提取信号的时频信息.仿真实验证明了在强背景噪声下该算法的有效性.     

基于分数阶域最优滤波的语音增强算法

本文介绍了一种基于分数阶域最优滤波的语音增强新算法.当存在畸变系统对信号造成畸变或者不能通过坐标轴旋转来完全解除信号和噪声的时频耦合时,本文将利用一种更具普适性的滤波方法,即采用最小均方误差准则下的分数阶最优滤波消除畸变和噪声的影响.仿真表明,在最小均方误差准则下求得的最优滤波算子并不一定是全局最小的,但是在不增加额外...     

结合时变滤波和时频掩码的语音增强方法

本文提出了一种结合鲁棒时变滤波和时频掩码的语音增强方法。首先在带噪语音的时频域中,结合图像处理方法估计出初始瞬时频率信息。然后基于该瞬时频率信息,利用鲁棒时变滤波算法构建降噪后的语音信号。最后根据重构语音的时频特征预测时频掩码。该掩码在带噪语音的时频域中能够有效地保留语音成分且抑制噪声成分,从而达到语音增强的目的。实验结果表明,在几种常见背景噪声环境下,所提语音增强算法在抑制背景噪声干扰、提升语音整体质量方面表现良好,尤其是在低信噪比环境下具有明显的优势。      

The Weyl correspondence and time-frequency analysis

Describes the Weyl correspondence and its properties, showing how it gives a “window-independent” definition of time-frequency concentration for use in models in signal detection. The definition of concentration is justified by showing that it gives reasonable answers in certain intuitive cases. The Weyl correspondence expresses a linear transformation as a weighted superposition of time-frequency shifts of the signal, and then authors explain why this is not the same as “transforming” a signal into the time-frequency domain, multiplying by a weight in the transform domain and taking the inverse. The investigation into time-frequency concentration and the Weyl correspondence is justified by a new result. The authors show that convolving the Wigner distribution with a general smoothing function is equivalent to evaluating a weighted sum of spectrograms. This is a new interpretation of the process of smoothing the Wigner distribution to reduce cross-terms. It relates smoothing of the Wigner distribution to the “multiple window” technique pioneered by Thomson (1982)     

基于矩阵二值化的频率捷变雷达信号分选

针对频率捷变雷达信号的分选,提出了一种基于时频矩阵二值化的频率捷变雷达信号分选新方法。该方法首先对信号进行时频变换,得到时频矩阵;然后对时频矩阵二值化处理,提取信号在时频域能量分布归一化值作为信号的相参特征;最后采用支持向量机分类器实现信号分选。文中对频率捷变雷达信号进行仿真实验,结果表明,该方法在较低信噪比下仍能获得较为满意的分选准确率,当信噪比为6dB时,信号分选准确率达到96.17%,验证了所提出方法的有效性。     

一种针对多分量信号的复延迟型时频分布的实现方法

 复延迟型时频分布(CTD)是近年来提出的一种新型时频分布.对于单分量调频信号,CTD具有良好的时频聚集性.但是对于包含两个或两个以上分量的多分量调频信号,直接采用定义式或传统频域卷积方法实现的CTD会产生大量的互交叉项,影响了它在各领域的应用.本文对CTD的传统频域卷积实现方法进行了三方面的修正,提出了一种适合多分量调频信号的修正型CTD频域卷积实现方法.仿真结果表明,本文方法对于多分量调频信号,既保持了CTD所固有的时频聚集性高的优点又极大地抑制了不同信号分量间的互交叉项.     

Statistical Performance of a TFD based Detection Scheme

This paper proposes a robust signal detection procedure based on generalised patterns in time-frequency space. The paper derives a non-linear time domain correlation process which is equivalent to a time-frequency based detection scheme. The performance of this robust detection scheme in the additive white Gaussian noise case is evaluated with the aid of receiver operating curves. Some examples are given which show that the proposed procedure under nominal conditions does not perform as well as standard detection scheme (ie matched filter) but gives better performance when the measured signal deviates from its nominal model.