一种回声消除和噪声抑制SoC芯片

 提出了一种回声消除和噪声抑制算法,采用改进的自适应步长非线性滤波技术,用单芯片对该算法进行了实现.用180nm 3.3V/1.8V 6层金属混合信号CMOS工艺流片,可达70dB的声学回声消除性能,噪音消除达20dB,侧音消除达30dB.该芯片包含1个16位DSP、3个14位Σ-Δ ADC、2个16位Σ-Δ DAC、 以及内置ROM和RAM等,并集成有USB、UART、I²C和PCM等接口.测试结果表明该芯片具有全双工和远距离免提的功能,支持双路麦克风输入,技术规范符合G.165国际标准.该芯片功耗低,外围电路简单,自适应能力强,可广泛应用于蓝牙车载免提通信、GPS和即时通讯等领域.     

基于FM2018-380芯片的抗噪声手持通讯产品设计

FM2018-380芯片是专门针对手机应用的阵列麦克风(SAM)单芯片,这款产品使用DSP处理技术,可以定向、定距离拾取有用声音信号,抑制声学噪声,并能够消除声学回声,提升上行通话质量.本文基于这款芯片,以MTK手机平台为例介绍了抗噪声手机的设计要点.     

联合长短时记忆递归神经网络和非负矩阵分解的语音混响消除方法

本文提出了一种联合长短时记忆递归神经网络和非负矩阵分解方法对单通道语音进行混响消除;对语音信号的对数功率谱建模抑制混响干扰。首先通过长短时记忆递归神经网络估计对数功率谱,这种模型结构能捕获整个音频序列的信息重构纯净语音的对数功率谱,然后通过非负矩阵分解方法对重构的对数功率谱进行后处理抑制过平滑问题;实验结果表明所提方法可以有效抑制语音信号中的混响干扰,本文方法的各种性能指标优于基线方法。      

一种基于可信度估计单元的图像分类噪声抑制深度学习策略

近年来，深度学习越来越关注噪声抑制的研究.本文提出了一种噪声抑制深度学习策略，该策略通过构建噪声无感网络（Noise Unaware Network，NUN）和可信度估计单元（Reliability Estimation Gate，REG）来处理训练数据含有噪声的情况.通过对每个样本的可信度进行评估，调节其在训练时的权重，从而降低标签噪声对网络训练的影响.随着模型的迭代更新，标签可信数据的权重将会逐渐变大，而噪声数据的权重将会被抑制.本文通过在多个标注数据集上的实验验证了所提出的噪声抑制深度学习策略的有效性.     

基于深度学习的两阶段联合声学回波和混响抑制技术

在现代通信系统中，通信语音的质量和可懂度会被回波与混响严重损害，人与人之间的交流因此会被严重干扰。为了同时消除回波与混响的负面影响，本文提出了一种基于深度学习的两阶段联合声学回波和混响抑制系统。该系统逐步地消除加性声学回波与多径效应产生的混响干扰，从而获得目标语音。系统首先使用基于理想比值掩蔽（Ideal Ratio Mask，IRM）的模型去除与目标信号不相关的声学回波，紧接着对于与目标信号强相关的混响干扰，系统通过利用一个基于“隐掩蔽”的谱映射模型将其去除。两阶段模型最后进行联合训练以获得更好的系统性能。一系列不同声学环境下的实验结果表明，本文所提出的系统可显著地消除回波与混响干扰，从而极大地增强了目标语音的语音质量与可懂度。      

华为和爱立信设备对接回声抑制参数设置

分析了在移动网络中不同厂家设备回声抑制参数的设置要求及其故障处理方法.     

基于Bi-LSTM模型的轨迹异常点检测算法

定位技术的飞速发展催生了时空轨迹大数据,轨迹数据中往往存在着明显偏离轨迹的异常点。检测出轨迹中的异常点对提高数据质量和后续轨迹数据挖掘精度至关重要。该文提出了一种基于双向长短时记忆网络(Bidirectional Long Short-Term Memory, Bi-LSTM)模型的轨迹异常点检测算法。首先对每个轨迹点提取一个6维的运动特征向量,然后构建了一个Bi-LSTM模型,模型输入为一定序列长度的轨迹数据特征向量,输出为轨迹点的类型结果。同时,算法采用了欠采样和过采样的组合方法缓解类别不平衡对检测性能的影响。融合了长短时记忆网络单元和双向网络,Bi-LSTM模型能够自动学习正常点和邻近异常点在运动特征上的差异。基于真实船舶轨迹标注数据的实验结果表明,该文算法的检测性能显著优于恒定速度阈值法、不考虑数据时序性的经典机器学习分类算法和卷积神经网络模型,尤其是召回率达到了0.902,验证了该文算法的有效性。      

基于注意力机制和CNN-BiLSTM模型的在线协作讨论交互文本自动分类

针对当前的在线协作讨论交互文本分类仅采用深度学习方法时,存在无法充分获取上下文语义关联以及忽略关键特征词,造成分类结果准确率下降的问题,文中提出一种结合注意力机制的深度学习网络模型—CNNBiLSTM-Attention,进一步强化文本的语义特征。利用该模型对在线协作讨论活动中产生的12000条交互文本进行分类,分类结果表明,CNN-BiLSTM-Attention的分类准确率整体上可达到82.40%,有效提升了文本分类的效果。     

基于组合滤波算法IP电话的回声消除

网络之间互连的协议（IP,Internet Protocol）电话回声消除问题一直都是研究的热点,通常使用自适应滤波算法来消除回声,但其收敛速度和稳态失调之间的矛盾是回声消除需要解决的一个重要问题。研究一种组合比例自适应滤波算法,按照一定的比例组合两种具有一定互补性能的算法,能够有效解决收敛速度和稳态失调。通过MATLAB仿真分析,证明了组合比例自适应滤波算法具有更快的收敛速度和良好的稳态特性。     

WebRTC中一种基于DNN的噪声抑制算法的研究

WebRTC(Web Real-Time Communication)是谷歌开源的实时通信技术,包含了实现音视频会议系统所需的全部技术。文中对WebRTC的语音引擎中的降噪(Noise Suppression)算法进行了深入剖析,并且提出一种针对实际音视频会议系统环境下的基于DNN(Deep Neutral Network)的噪声抑制算法,实验结果表明提出的噪声抑制算法对于音视频会议系统中常见噪声有着很不错的噪声抑制效果,尤其对于人群嘈杂噪声。在低信噪比条件下的噪声抑制效果优于WebRTC中的降噪算法。     

无人机辅助的基于前馈神经网络的节点定位算法

针对无线传感网络(WSNs)的节点定位问题,提出无人机辅助的基于前馈神经网络的节点定位(UAV-NN)算法。UAV-NN算法利用无人机(UAV)作为锚节点,并由UAV周期地发射beacon信号,利用极端学习机(LEM)训练单隐藏前向反馈的神经网络(SLFN),未知节点接收来自UAV发射的beacon信号,并记录其接收信号强度指示(RSSI),已训练的SLFN再依据RSSI值估计节点位置。仿真结果表明,相比于传统的基于RSSI定位算法,提出的UAV-NN算法无需部署地面锚节点;相比其他传统的机器学习算法,UAV-NN算法通过引用ELM,减少了定位误差。     

基于实测数据的有源噪声干扰抑制算法研究

信息战条件下,雷达所面临的干扰手段越来越多、干扰功率越来越强,这将极大降低雷达的生存能力。本文结合某型舰载两坐标雷达外场实测数据的分析和处理,提出了采用二进制积累检测算法对有源噪声干扰进行抑制的方法。仿真结果表明,二进制积累检测算法能够有效地抑制敌方实施的有源噪声干扰,同时不会对目标带来太大的损失。     

一种简化卷积模板的抗噪型边缘检测算法

针对传统Sobel算法在边缘定位精度不高、抗噪性能差以及提取边缘较粗等不足,提出一种简化卷积模板的抗噪型边缘检测算法。算法定义了水平方向、垂直方向、45°方向和135°方向的四个简化卷积模板计算图像梯度。在计算方向梯度时,先对参与梯度计算的像素点采用阈值法进行脉冲噪声判断,将灰度值在设定阈值范围内的点视为噪声点,采用3×3窗口进行中值滤波,然后参与梯度计算,对于非噪声点,用其原值计算梯度;对获得的梯度图像进行细化处理并提取边缘图像。仿真实验表明,文中算法提取的图像边缘较细、定位精度较高,而且对脉冲噪声具有较强的抑制能力,图像整体清晰、噪声边缘较少。算法在边缘检测效果及噪声抑制能力上均优于传统的边缘检测算法及小波模变换算法。     

基于Tetrolet变换域核维纳滤波斑点噪声抑制

针对图像中广泛存在的斑点噪声,提出了一种基于Tetrolet变换域抑制方法。该方法首先对噪声图像进行三层Tetrolet分解,获得低频和高频分解系数;然后对于高频Tetrolet分解系数采用基于核方法的自适应维纳滤波器进行滤波处理;对于低频Tetrolet分解系数设计出一种可调节参数的自适应阈值函数进行噪声抑制;最后进行系数重构。实验结果表明,该算法具有较好的滤波效果。     

CO-OFDM系统中基于维纳滤波的相位噪声ICI抑制算法

针对相干光正交频分复用(CO-OFDM)通信系统中相位噪声引起的载波间干扰(ICI)问题,提出一种基于维纳滤波的相位噪声ICI抑制算法。算法不需要改变OFDM符号原有的结构,只需要利用相位噪声预先得到的统计数据,通过相关计算,得到ICI的修正项。由于没有在OFDM符号中添加额外的辅助数据,所以与ICI自消除算法相比,所提出的ICI抑制算法具有较高的频谱利用率。仿真结果表明,在相位噪声比率为10-4级别时,基于迭代检测的ICI消除算法的误码率(BER)趋于10-4,出现错误平层;而本文所提出的ICI抑制算法能够有效地降低错误平层,改善BER性能。     

基于遗传算法和Hopfield神经网络的字符识别方法

分析了Hopfield神经网络和遗传算法的基本原理,探讨了Hopfield神经网络在字符识别中的应用,针对Hop-field神经网络易陷入局部最优的问题,提出了基于遗传算法的Hopfield神经网络的字符识别方法,利用遗传算法的全局搜索能力来弥补Hopfield网络易陷入局部最优解的缺点。并进行了仿真验证。实验结果证明...     

一种抑制脉冲噪声的边缘检测算法

提出了一种针对脉冲噪声图像的边缘检测算法,算法借鉴了中值滤波的思想,并采用十字型卷积模板计算图像梯度。首先,对参与图像中梯度计算的像素点进行阈值判断,如果是噪声点,该点像素值用3x3窗口中值滤波结果值替代,然后参与梯度计算,如果不是噪声点则直接参与梯度计算;其次对梯度图像进行细化和二值化以提取边缘图像。实验证明,本文算法对脉冲噪声污染图像边缘检测效果良好,较好地抑制了脉冲噪声的影响,而且提取的图像边缘较细,轮廓清晰。和传统的边缘检测算法及基于小波模变换的边缘检测算法相比,算法在抑噪能力上和边缘提取效果上均比较优秀。     

A phase noise suppression algorithm for OFDM-based WLANs

Orthogonal frequency-division multiplexing (OFDM) has been specified by the IEEE 802.11a standard as the transmission technique for high-rate wireless local area networks (WLANs). The performance of an OFDM system, however, is heavily degraded by random Wiener phase noise, which causes both common phase error (CPE) and inter-carrier interference (ICI). To mitigate this problem, a new phase noise suppression (PNS) algorithm is proposed to efficiently eliminate the effect of phase noise on OFDM-based WLANs. Numerical results are presented to illustrate the effectiveness of the proposed algorithm.     

一种抑制混合噪声的组合滤波算法

为了滤除图像中存在的混合噪声,提出了一种基于中值和均值的组合滤波算法。算法分两步进行,第一步采用改进的中值滤波算法过滤图像中的椒盐噪声;第二步将滤除椒盐噪声的图像采用均值滤波算法进行平滑,滤除高斯噪声。计算机仿真实验表明,组合滤波算法对于图像中的椒盐噪声和高斯噪声具有较好的滤除效果和细节保护作用,性能明显优于传统滤波算法。