匹配追踪时频分解算法的点检测方法

为了能在无噪音环境下准确地检测语音信号的端点,传统的方法是使用过零方法检测清音,短时能量方法检测浊音,两者相结合便实现了端点检测.通过对语音信号在时频平面中分布的研究,提出了一种基于匹配追踪时频原子分解算法的端点检测方法.该方法利用匹配追踪算法对信号进行分解,使得信号在时频平面上具有较直观明显的魏格纳能量分布,利用这个特点设置一个门限值再进行端点检测,便能准确检测出语音信号端点.实验结果表明,和传统的方法相对比,因为涉及到了信号的分解,所以实时性较差,且门限问题还有待深人研究,但该方法能更加准确地检测出语音信号的端点,亦为端点检测问题提供了一种新的思维方法.     

匹配追踪时频分解算法的端点检测方法

为了能在无噪音环境下准确地检测语音信号的端点,传统的方法是使用过零方法检测清音,短时能量方法检测浊音,两者相结合便实现了端点检测。通过对语音信号在时频平面中分布的研究,提出了一种基于匹配追踪时频原子分解算法的端点检测方法。该方法利用匹配追踪算法对信号进行分解,使得信号在时频平面上具有较直观明显的魏格纳能量分布,利用这个特点设置一个门限值再进行端点检测,便能准确检测出语音信号端点。实验结果表明,和传统的方法相对比,因为涉及到了信号的分解,所以实时性较差,且门限问题还有待深入研究,但该方法能更加准确地检测出语音信号的端点,亦为端点检测问题提供了一种新的思维方法。     

基于近似熵的语音端点检测

提高语音信号端点检测的正确率一直是语音识别领域的一个重要课题,特别是提高在各种实际噪声环境下语音端点检测的正确率更为重要,而传统的基于能量与过零率的方法在噪声环境下不能有效地工作。近似熵是一种新的度量序列复杂性的方法,它具有较强的抗干扰能力。从信号复杂性的角度提出了一种基于近似熵的带噪语音端点检测方法,证明了通过给定一个合理的阈值可以有效地进行语音端点检测。在不同类型噪声及不同信噪比环境下进行实验,结果表明,对语音信号起点和终点的检测性能均要比传统基于能量的方法要好,即使是在较低的信噪比下,该方法仍能够比较准确地检测出语音的起止端点。     

低信噪比环境下语音端点检测改进方法

针对语音端点检测在低信噪比环境下普遍存在检测性能急剧下降的问题,提出一种将调制域(时间-频率域)谱减法和自相关函数相结合的语音端点检测算法。该算法首先利用调制域谱减法较好的消噪能力来提高含噪语音的信噪比;然后根据语音和噪声的自相关函数的主峰最大值和次大值之比差异较大的特性,结合基于对数能量和自相关函数的端点检测方法对消噪后的语音进行端点检测。实验结果表明,该算法在低信噪比的环境下能取得较好的端点检测效果,并具有较好的稳健性。     

藏语单音节的语音端点检测

预处理过程在语音识别中起着至关重要的作用。对于藏语语音识别的预处理研究借鉴的是英语单音节的语音处理方法,在语音识别系统中正确的判定输入语音的起点、终点对于提高识别率是非常重要的。在高信噪比情况下,滤除噪声是很容易的,用短时能量幅度就可以获得较好的检测结果。但在低信噪比情况下要想有效的去噪就必须采用短时能量幅度和短时平均过零率结合的方法。这篇文章采用两种方法的结合来处理藏语单音节,可以做到准确率较高的确认语音的端点,并能在低信噪比情况下滤除噪声,识别清浊音。实验证明了此种方法不仅正确,而且提高了检测的准确度。     

带噪语流中浊音端点检测

浊音端点检测在语音处理中占有重要地位,在语音编解码、语音识别、语音增强处理中都需要用到端点检测技术。常规的以短时能量、过零率等作为判决特征参数的方法无法在低信噪比的系统中满足应用需求。本文以信号的共振峰和基音周期检测为基础检测浊音端点,算法首先提取语音信号的第一共振峰以及基音周期信息并以此为判决依据判断浊音的起点和终点。实验证明,这种方法在噪声环境中相对于传统的基于能量检测的或AMR_WB标准中的端点检测算法有更高的正确率。     

噪声谱估计算法对语音可懂度的影响

噪声谱估计是单通道语音增强算法的关键步骤,当前大部分语音增强算法旨在提高语音质量,提高语音可懂度的算法却很少。在传统的单通道语音增强算法中,语音质量的提高往往是以牺牲语音的可懂度为代价的。对目前主流的几种噪声谱估计算法对语音可懂度影响进行分析。在不同噪声背景、不同信噪比情况下进行噪声谱估计,并采用谱减法对含噪语音信号作去噪处理,对比分析不同噪声、不同信噪比下增强前后语音的短时客观可懂度(Short-Time Objective Intelligibility,STOI)值,最后根据信噪比,对比分析了不同噪声环境下,语音增强前后语音能量高于噪声能量的时频块所占比例。实验表明,相比其他噪声估计算法,最小统计(Minima Statistics,MS)算法由于保留了更多的以语音能量为主的时频块,使得去噪后的语音有较高的可懂度。     

一种低信噪比环境下的语音端点检测算法

端点检测技术是语音信号处理的关键技术之一，为提高低信噪比环境下端点检测的准确率和稳健性，提出了一种非平稳噪声抑制和调制域谱减结合功率归一化倒谱距离的端点检测算法。该算法首先通过抑制非平稳噪声再采用调制域谱减消除残余噪声来提升信噪比，减少语音失真。然后再提取每帧信号的功率归一化倒谱系数，计算每帧信号与背景噪声的功率归一化倒谱距离。最后将该倒谱距离作为检测参数，采用双门限判决方法进行端点检测。实验结果表明，该端点检测算法对语音帧和噪声帧具有较好的区分性。此外，在低信噪比环境下，所提出的算法对于不同类型的噪声都具有较好的稳健性。     

一种基于相对自相关序列的语音端点检测法

在研究单边自相关序列(One-sided autocorrelation,OSA)和相对自相关序列(Relative autocorrelation sequences,RAS)的基础上,提出了一种基于相对自相关序列的语音信号的端点检测算法。该方法利用相对自相关算法能够消除噪声的原理,以语音信号相对自相关序列短时平均幅度代替双门限比较法中的语音信号短时平均幅度,以语音信号短时平均幅度代替语音信号的短时平均过门限率,实验表明,在低信噪比下检测精度要高于传统的双门限比较法。     

基于后验信噪比频域迭代算法的语音增强方法

为了抑制谱减法语音增强时引入的“音乐噪声”，采用基于后验信噪比频域迭代算法的语音增强方法。首先，当后验信噪比大于20dB时，对含噪语音采用谱过减法；当后验信噪比小于20dB时，对含噪语音谱线进行衰减处理。为了进一步抑制音乐噪声，对增强语音信号进行多次频域迭代降噪处理。对实验室环境录制的不同输入信噪比条件下的含噪语音信号进行处理，与传统谱减法相比，增强语音信号的信噪比有较大的提高，并且音乐噪声得到很大程度的抑制。     

低信噪比环境下语音识别的鲁棒性方法研究

针对噪声环境下语音识别率急剧下降的问题，提出了一种基于语音时频域稀疏性原理的改进最小方差无畸变响应波束形成与改进维纳滤波结合的算法。该算法首先利用麦克风阵列语音信号的空间信息，通过基于时频掩蔽的改进最小方差无畸变响应波束形成器，增强目标声源方向的语音信号，抑制其他方向噪声的干扰，然后再使用改进的维纳滤波器去除残留噪声并提高语音可懂度，对增强后的语音信号提取梅尔频率倒谱系数作为特征参数，使用隐马尔可夫模型搭建语音识别系统。实验结果表明，该方法能够有效提高低信噪比环境下的语音识别率，具有较好的鲁棒性。     

噪声环境下稳健的说话人识别特征研究

针对噪声环境下说话人识别率较低的问题,提出一种基于正规化线性预测功率谱的说话人识别特征。首先对语音信号线性预测分析和正规化处理求出语音频谱包络,然后通过伽马通滤波器组得到对数子带能量,最后对特征参数进行离散余弦变换,得到了一种说话人识别特征正规化线性预测伽马通滤波器倒谱系数(Regularized Linear Prediction Gammatone Filter Cepstral Coefficient,RLP-GFCC)。仿真结果表明,在噪声环境说话人辨认试验中,相比传统特征美尔频率倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)和伽马通滤波器倒谱系数(Gammatone Filter Cepstral Coefficient,GFCC)的系统识别率得到了明显提高,对噪声环境的鲁棒性得到了增强。     

一种改进的基于对数谱估计的语音增强算法

提出了一种基于对数谱估计的改进型语音增强算法。相对于传统语音增强算法,在语音信号存在不确定的条件下,利用软判决增益因子修正技术调正带噪语音信号的对数谱幅度,抑制背景噪声。引入的改进型先验信噪比估计和语音信号先验不存在概率估计方法,能够有效地估计得出语音信号的存在概率,进而求得语音信号存在时的谱增益因子函数,联合语音信号不存在时设定的增益因子函数加权求得谱增益函数。计算机仿真表明,即使在低信噪比条件下,输入背景噪声为高斯白噪声和粉红噪声等加性白噪声时,所提算法对噪声的抑制效果非常明显,且有效地克服了传统算法中引入的“音乐噪声”和语音信号畸变。     

基于冲击时频原子的匹配追踪信号分解及机械故障特征提取技术

介绍一种用于匹配追踪信号分解的时频原子——冲击时频原子，它既可以匹配信号中的稳态正弦成分，也可以匹配信号中冲击成分，从而准确有效地获得设备的冲击故障特征和信息，并结合遗传算法以提高计算速度及实用性。计算机仿真结果证实了该方法的准确性，最后将该方法应用于转子实验台的冲击信号特征提取中，证明了该方法的工程实用性和有效性。     

时频域滤波及在飞机颤振试飞试验中的应用

针对飞机颤振试飞试验信号噪声过大的问题，提出了一种时频域滤波算法。采用Modet小波对扫频激励及其响应进行时频分析，利用该类信号聚焦于时频域特定区域的特性，有效地提取真实响应信号，达到信噪分离的目的。给出了具体的滤波算法，并研究了信号的重构问题。最后将上述方法应用于仿真算例和实际试飞数据，结果表明该方法显著的提高了频响函数的估计精度。     

海洋中持续泄漏气泡的声学检测

声学方法是检测水面下气体泄漏的主要方法。由于气泡振荡产生的声信号能量较弱,且频段往往与环境噪声频段重叠,不易提取和分析。针对这个问题,提出了一种结合频域积累与时频能量检测的处理方法,通过频域积累提高信噪比后,利用一种自适应时频检测算法分析气泡声信号特性。海上实验表明,该方法可以在较强环境噪声下对持续泄漏的气泡进行有效检测。