基于自适应仿生小波变换的语音增强方法

分析自适应滤波和小波滤波的原理与方法,提出一种基于自适应仿生小波变换的语音增强方法.该方法首先用仿生小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,然后将经仿生小波变换所分离出来的噪声成分作为自适应滤波器的输入.通过选用自适应滤波器的最小二乘算法(RLS)从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声.实验结果表明,该方法对语音信号有显著的增强效果,能实现语音信号在同频段对噪声成分和有用信号的最佳估计.     

分数阶Fourier变换在水声信号处理中的应用研究

线性调频（LFM）信号瞬时频率随时间呈线性变化,当干扰噪声与其强耦合时,经典的滤波方法难以有效的滤除噪声。针对水声通信中采用LFM信号作为载体时滤波效果不明显的问题,提出了一种改进的分数阶Fourier变换（FRFT）滤波方法。水听器接收到的LFM信号在最佳变换域经FRFT变换后,同时对期望信号进行FRFT变换,系数修正后再对信号进行窄带滤波处理。仿真结果表明,在信噪比高于-12dB时,新算法能够有效的实现信噪分离,还原出信号。     

一种基于听觉特性的自适应小波语音增强方法

提出一种基于人类听觉特性的自适应小波滤波算法。该方法用听觉感知小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,将经听觉感知小波变换所分离出来的噪声成分作为自适应滤波器的输入。通过采用递推最小二乘算法从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声。结果表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计,提高了语音的清晰度和可懂度。     

基于形态学与小波变换的信号自适应去噪算法

针对常规的ECG（electrocardiogram）信号去噪算法存在的缺陷,提出了一种基于形态学与小波变换的自适应综合去噪算法。该算法利用形态学滤波器去除基线漂移信号,用小波滤波器去除高频干扰信号,并将这两部分所得到的心电噪声分量作为自适应滤波器的参考输入信号,对ECG信号进行自适应滤波处理,最后得到去噪后的ECG信号。实验表明,本算法是一种有效的去噪算法。     

组合方法在脑电信号消噪中的仿真研究

研究脑电信号消噪问题.脑电信号存在非平稳性且包括大量的噪声,传统的消噪算法不能很好消除脑电信号中的噪声,从而影响后继的脑电信号处理和分析.为了更好的消除脑电信号噪声,提出一种小波变换与自适应滤波相结合的脑电信号组合消噪方法.该方法首先对含噪的脑电信号进行白化处理,然后采用小波分解和重构含噪较大的信号,将重构后的信号作为自适应滤波器的输入,进行自适应滤波消噪处理.仿真结果表明,组合去噪方法能有效去除脑电信号中的噪声干扰.     

CCD扫描噪声建模及自适应滤波算法

为去除图像因扫描引入的电荷耦合器件(CCD)噪声,提出一种基于变窗口的自适应滤波算法。分析CCD主要噪声：散粒,固有和输出噪声的噪声特性,建立CCD扫描噪声模型,根据噪声和边缘处理方式的不同设计了局部和全局自适应滤波器。实验结果表明,该算法具有较好的信噪分离能力,在充分抑制噪声的同时,很好地保持了边缘,提高对比度,视觉效果良好。     

基于形态学的ECG小波自适应去噪算法

为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,已经提出了多种方法来消除这些噪声.针对常规的ECG信号去噪算法存在的缺陷,提出了一种基于形态学的小波自适应去噪算法.该算法利用线性组合形态学滤波器去除基线漂移信号,然后对处理后无基漂的信号送入小波自适应滤波器,选取合适的阚值对其进行二次滤波去噪,最后得到无噪声的ECG信号.实验结果表明,该算法是一种有效的去噪算法.     

基于小波分解的自适应滤波算法及其应用

在管道运行时,由于管道摩阻、周围介质扩散等影响,使得测得的压力与流量信号带有很大的噪声,当噪声频率很宽时,自适应滤波器的参数设置比较困难,致使去噪效果不明显。为此,提出了一种基于小波分解的自适应滤波算法,该算法基于信号和噪声经小波变换后在不同尺度上有不同的特征,即先对信号进行小波多尺度分解,然后对各尺度分解的信号分别选用不同的滤波参数,进行自适应滤波处理。并用该方法对在管道泄漏实验中采集的信号进行降噪处理。结果表明,该方法比普通的自适应滤波方法更能有效地消除信号中的噪声。     

基于小波与小波包的变速器故障特征提取

本文结合自适应小波变换滤波去噪方法与小渡阈值去噪方法,提出了一种可用于变速器故障振动信号去噪的双层滤波去噪算法.该算法的滤波过程分为两层,第一层滤波采用自适应小波变换滤波算法;第二层滤波采用经典的小波阈值去噪算法对信号进行二次去噪.最后,将去噪后的故障信号采用小波包进行了分解,并提取了小波包频带能量作为故障特征向量.     

基于自适应神经网络滤波的噪声消除

设计的自适应神经网络噪声抵消系统不需要关于输入信号的先验知识,非线性映射能力强,具有自学习能力、计算量小、实时性好。利用该系统对含噪声的非线性信号建模,达到消除噪声的目的。通过LMS算法,对不同信噪比(SNR)的含噪信号进行滤波。仿真结果表明,该滤波器能有效地抑制噪声。     

自适应语音消噪算法的研究与仿真

针对语音通信中的噪声问题,对最小均方误差(LMS)算法进行研究。研究发现,该算法在收敛速度与稳态误差之间始终存在着矛盾,为此在F-LMS算法的基础上,提出一种改进的LMS算法,该算法通过引入误差加权累加的平均值的方法来更好地解决两者之间的矛盾,并通过计算机仿真证实了该算法具有良好的收敛性能和稳态性能,最后利用传统的LMS算法、F-LMS算法和改进的LMS算法对带有噪声的信号进行了消噪处理,结果表明:在三种算法中,改进的LMS算法的噪声消除效果最好。     

基于小波降噪的稀疏傅里叶变换时延估计

稀疏傅里叶变换时延估计具有较低的运算时间复杂度,但在低信噪比时无法准确估计出时延.针对稀疏傅里叶变换时延估计在噪声干扰下时延估计精度下降的缺点,提出了基于小波降噪的稀疏傅里叶变换时延估计算法.算法利用小波降噪方法处理接收到的信号,再对降噪后的信号进行稀疏傅里叶变换广义相关,通过检测相关函数的谱峰得到估算的时延值.实验仿真以及对实测数据的验证均表明,在低信噪比条件下,基于小波降噪的稀疏傅里叶变换时延估计算法在保证数据高处理速度的同时,具有较好的抗噪性以及较高的时延估值精确度.     

多尺度小波分解下的自适应语音消噪算法研究

将小波变换的理论引入到自适应语音消噪系统中,分析了多尺度小波分解下的LMS自适应消噪算法（MSWD-LMS）的原理,该算法将输入向量分解到多尺度空间,减小了自适应滤波器输入向量自相关矩阵的谱动态范围;将变步长LMS算法与多尺度小波变换的思想结合,提出了一种新的小波自适应语音消噪算法（MSWD-VSS-LMS）,新算法既减少了输入向量自相关矩阵条件数,又克服了固定步长LMS算法在收敛速度与收敛精度方面与步长因子μ的矛盾,获得了更好的语音信号处理的收敛速度和稳定性。仿真结果表明新算法取得了较好的效果。     

磁方位修正MEMS矢量水声传感器研制

介绍了一种磁方位补偿微机电系统(MEMS)矢量水声传感器.采用电容原理MEMS技术构造内部振子,并与信号处理电路紧靠方式设计,可减小噪声干扰并抑制信号衰减.利用磁方位修正技术,对MEMS矢量水声传感器判定的方位进行修正,解决了单个矢量水声传感器定向精度不高问题.传感器完成了国家一级计量站标定和磁方位误差修正测试,测试结果验证了定向方法的可行性,矢量水声传感器可实现水下目标探测、定位及导航等任务.     

基于子带分解的DFRFT自适应滤波语音增强算法

提出一种改进的语音增强方法,利用子带分解对带噪语音信号进行处理,再在离散分数傅里叶变换(DFRFT)域采用最小均方(LMs)自适应算法进行滤波,对滤波后的子带信号进行DFRFT逆变换,最后利用综合滤波器组合成增强后的语音信号。仿真结果表明,本算法明显提高了收敛速度,减少了计算时间。在主客观评价中均具有较好的语音增强效果。     

MEMS矢量水听器减振结构的设计与研究

在MEMS矢量水听器现有结构的基础上,设计出一种新型减振结构,期望利用该封装结构衰减水听器工作时安装平台的振动噪声,削弱安装平台振动对水听器测量精度的影响,提高水听器的抗噪能力。结合理论分析确定减振材料并采用有限元软件进行仿真,对矢量水听器先后采用原有封装结构和减振封装结构进行封装,并通过振动台实验和驻波桶灵敏度测试。测试结果表明：该结构可有效实现对MEMS矢量水听器干扰信号的衰减,同时基本不影响水听器的接收灵敏度。     

基于谱减法和变步长LMS语音增强算法

谱减法是目前有效的增强语音信号质量的技术之一,低信噪比下降噪效果明显,而LMS自适应滤波算法收敛速度慢,步长需在收敛速度和失调折中选择。提出了先经过谱减法然后采用变步长LMS自适应滤波算法联合去噪来提高信号质量,通过改变误差的平方项来调节步长,步长采用先固定后变化的原则,兼顾了提高收敛速度和缩小稳态误差。在MATLAB 环境下进行仿真实验,测试结果表明提出的经过基本谱减法后再采用变步长LMS自适应滤波算法能有效消除背景噪声,信噪比SNR和PESQ分值得到了较大的提高,减少了原始语音信号的失真,提高了信号质量。     

基于分数阶傅里叶变换的LMS自适应滤波

分数阶傅里叶变换是一种线性变换,在多分量情况下不像Wigner-Ville分布那样受到交叉项的影响。但是当信号的信噪比比较小时,检测的效果就比较差,文中提出了一种基于分数阶傅里叶变换的LMS自适应滤波算法。实验结果表明,这种方法在低信噪比的情况下能够有效地检测出信号。另外,如果在自适应过程中采用变步长,可以加快收敛速度,可以显著地减少运算量。     

微弱正弦信号参数估计算法研究

该文提出了一种强噪声背景下微弱正弦信号频率、幅值与相位三个参数的估计算法.根据离散小波变换,对强噪声背景下采样序列进行预处理,构造N+2个新的序列.对该序列实施离散傅里叶变换,结合序列的构造方式得到了正弦信号频率,相位和幅值的估计算法.仿真实验表明,在不同类型的噪声背景下,该算法具有较高的估计精度与较强的鲁棒性.     

一种MEMS同振柱型仿生矢量水听器的研制

提出了一种结合MEMS技术、仿生原理和压阻原理的同振柱型矢量水听器,即由二维仿生水听器和声压水听器组合而成的柱体。在声学理论基础上详细介绍了该水听器的封装设计及制作过程,在国防水声一级计量站对该矢量水听器进行校准实验,实验结果表明:该同振型矢量水听器的工作频带范围为0～3 kHz;X通道灵敏度-177.9 dB(2 kHz),Y通道灵敏度-175.4 dB(2 kHz),声压通道灵敏度-175.8 dB(2 kHz);具有很好的"8"字指向性;可承受3 MPa压力。此新型MEMS同振矢量水听器适用于民用船只避障,渔业捕捞,海洋勘探等领域。