语音信号去混响原理与技术

语音信号去混响技术在通信、语言识别等方面有重要应用。介绍了国内外相关研究动态和方法,阐述了声音混响过程和倒谱法去混响原理,简要介绍了传声器阵列-倒谱法去混响技术。     

多通道CDR线性预测语音去混响方法

针对封闭环境下的混响对智能语音处理系统性能的影响,论文提出了一种麦克风阵列语音去混响方法.考虑到阵列接收信号所构建的协方差矩阵存在部分数值为零,进而造成输出语音信号失真的情况,论文给出基于两个通道语音信号功率谱的相干扩散功率比(CDR)来实现协方差初始化,采用递归平均得到阵列接收信号协方差矩阵的估计值,进行通过多通道线...     

基于最小相位分解的语音去混响

为解决语音通信中的混响干扰问题,提出了一种基于最小相位分解的,可用于单通道语音的去混响方法。根据信号最小相位分解的原理,将接收到的含噪带混响的语音信号分解成最小相位部分和全通部分,对其中的最小相位部分进行复倒谱域的滤波处理,再与全通部分进行合成以实现混响的去除。通过仿真实验来实现这种方法,并与另一种改进过的复倒谱域滤波的去混响方法进行比较,实验结果表明这种方法相对较好。     

基于反向滤波器的混响设计与仿真分析

阐述在封闭的空间接收的声音信号经常由于房间比较大,声音反射会产生混响信号,当混响比较强的时候严重影响了语音通话质量,减小混响或者去除混响是语音信号处理的主要任务之一。其基本方法是先测到声源和麦克风之间的传递函数,然后求传递函数的最小相位函数,在最小相位函数的基础上求传递函数的反函数。探讨传统的求最小相位函数的方法,提出一种新的求最小相位函数的方法,对应的求传递函数的反函数的方法。仿真的结果显示新方法更能够很好的从混响的语音信号中恢复中原始的语音信号。     

复广义高斯分布多通道最大似然联合去噪去混响波束形成器

提出了一种基于复超高斯分布的多通道联合去噪去混响波束形成器。本文采用复超高斯模型对语音信号建模,在最大似然准则下首次推导出联合去噪去混响波束形成器的解析表达式,并证明了该式是现有多种联合去噪去混响波束形成器的一般化形式。同时通过理论推导证明本文所提算法性能优于传统多通道预测误差算法级联最小功率无失真波束形成器。仿真实验与实际实验结果均表明,本文提出的算法在多个客观指标上明显优于现有联合去噪去混响算法。      

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果.     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果.     

基于BP神经网络的数字语音去噪方法研究

利用设计的BP神经网络滤波器对引入噪声的数字实验语音信号进行去噪试验 ,并在此试验的基础上对其去噪效果与FIR维纳滤波器去噪效果进行分析和比较 ,结果表明利用BP神经网络滤波器对数字实验语音信号进行去噪具有良好的效果。     

基于子带卡尔曼滤波的语音增强方法

与基于短时谱的语音增强方法相比,卡尔曼滤波的语音增强方法是基于语音生成模型的增强方法,这种基于模型的递推计算,导致卡尔曼滤波时的计算量很大.为了减少卡尔曼滤波的计算量,本文给出一种基于子带卡尔曼滤波的语音增强方法.先将带噪语音分解成子带信号,并通过子带频域谱减后估计低阶AR模犁参数,然后利用卡尔曼滤波对子带信号进行滤波,最后由滤波后的子带信号重构全带语音信号,实现语音增强.实验表明该方法在提高语音质量的同时,通过子带分解降低了卡尔曼滤波的模型阶数,明显减少了语音增强系统的计算量,更容易实时实现.     

基于改进小波阈值法的语音去噪算法

针对数字助听器在接收和处理过程中,容易受到背景噪声干扰的问题,在传统小波阈值去噪的基础上提出了一种改进的阚值函数.该函数具有高阶连续可导,克服了传统小波阚值函数不可导的问题.利用该阈值函数对含噪语音的小波系数进行分帧实时阈值处理,以获得数字助听器中语音增强的效果.仿真结果表明:利用新阈值函数得到的语音去噪信号,其信噪比、均方误差和语音可懂度均优于其他非连续可导的阈值函数算法.     

基于新息的自适应增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。增量方程的引入可以有效解决欠观测系统的状态估计问题。该文考虑带未知噪声统计的线性离散增量系统,首先提出一种基于新息的噪声统计估计算法。可以得到系统噪声统计的无偏估计。进而,提出一种新的增量系统自适应Kalman滤波算法。相比已有的自适应增量滤波算法,该文所提算法得到的状态估计精度更高。两个仿真实例证明了其有效性和可行性。     

基于容积卡尔曼滤波的自适应IMM算法

在目标跟踪中,针对无迹卡尔曼滤波在高维状态下容易出现滤波精度下降甚至发散的问题,提出了一种自适应交互式多模型容积卡尔曼滤波算法。首先,将容积卡尔曼滤波引入到交互式多模型算法中,提高了算法在高维非线性情况下的滤波精度。然后,结合马尔科夫参数自适应思想,在模型概率更新阶段,利用后验信息修正马尔科夫概率转移矩阵,增大匹配模型的转移概率,进一步提高模型之间的切换速度。最后,在目标跟踪仿真中利用"当前"统计模型对算法进行验证,实验结果证明了算法的有效性。     

基于自适应卡尔曼滤波的捷联去耦算法

针对捷联相控阵雷达导引头中弹体姿态干扰弹目视线角速率提取的问题,提出了基于自适应卡尔曼滤波去耦算法,引入合适的遗忘因子优化了滤波的性能,建立了噪声特性递推和预测的数学模型,联立滤波方程和噪声估计方程解决了弹目视线角速率去耦的问题,在误差的允许的范围内提取了弹目视线角速率。最后通过仿真实验表明所提算法在捷联去耦上的有效性以及相对于标准卡尔曼滤波去耦的优良性,提高了提取弹目视线角速率的精度,优化了导弹制导性能,具有较高的工程运用价值。      

基于鲁棒卡尔曼滤波的盲自适应多用户检测算法

提出一种新的基于虚拟噪声补偿技术的鲁棒卡尔曼滤波估计异步CDMA系统多用户接收器的最优判决向量的方法,构造出一种收敛速度快、跟踪性能好、数值稳定性好的高性能盲自适应多用户检测算法。仿真实验表明, 该文提出的方法具有很强的抗多址干扰能力和较高的数值鲁棒性。     

基于差分演化算法的自适应无迹卡尔曼滤波

该文在分析无迹变换缩放参数选择方法的基础上,通过对几种缩放参数选择方法的对比分析后,确定以缩放参数选择作为优化目标,将差分演化算法(Differential Evolution, DE)应用到无迹卡尔曼滤波(Unscented Kalman Filter, UKF)计算中,选择每时刻滤波误差最小的缩放参数。提出了基于差分演化算法的自适应无迹卡尔曼滤波算法。通过实验表明,这种自适应策略不仅能够有效提高UKF的精度,避免使用固定缩放参数时可能造成的滤波随机发散;而且不受缩放参数个数限制,可以应用到任意形式的UKF中。     

一种基于卡尔曼滤波器的模板更新方法

在运动目标跟踪过程中,基于相似性度量的模板匹配法是常用的一种相关跟踪算法.但是,单纯利用模板与图像的匹配准则难以应对跟踪过程中常见的目标姿态变化问题,很难获得比较好的跟踪效果.针对上述问题,利用卡尔曼滤波器对模板像素进行逐像素更新,每个像素依据自身的性质进行修正的幅度都不一样,从而得到自适应和最优的模板图像,最终达到在序列图像中准确匹配的目标.实验证明,该方法在产定程度上解决了跟踪过程中目标的形态变化问题.     

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。      

基于自适应卡尔曼滤波的机动目标跟踪算法

针对一般卡尔曼滤波融合跟踪方法无法实现对机动目标的有效跟踪问题,提出一种自适应卡尔曼滤波融合方法,设计一种能够提供目标开始机动瞬时估计的目标机动探测器,反复对目标的加速机动进行估计,当确定目标开始机动时,卡尔曼滤波模型将自适应地调整为目标机动状态模型。最后,通过仿真实验对比分析,证明文中所提方法优于一般卡尔曼滤波融合方法。     

基于改进Singer模型的机动目标跟踪方法

Singer模型使用标准卡尔曼滤波器对机动目标进行跟踪,当系统模型不准确或噪声统计特性不确定时,容易引起滤波发散或跟踪精度下降等问题。针对这种情况,本文提出了一种采用自适应渐消卡尔曼滤波的Singer模型算法(AKF Singer),通过引入渐消因子来抑制滤波器的记忆长度,自适应的调整新息权重和滤波器增益,从而避免发散。仿真结果表明,本文所提算法能够有效抑制滤波发散,相比于传统Singer模型,具有更好的跟踪稳定性和更高的跟踪精度。     

基于自适应EKF的相对导航算法研究

针对测距测角相对导航中测量噪声不可精确获知往往导致相对定位精度下降的问题,本文研究了基于自适应扩展卡尔曼滤波(EKF)的相对导航算法。利用泰勒级数展开对测量矩阵进行线性化处理,并利用自适应时变噪声估计方法对测量噪声方差阵进行动态估计,状态噪声方差阵通过惯导特性的先验值获得。仿真结果表明,基于自适应EKF的相对导航算法可获得高精度且连续平滑的相对定位信息,尤其在测量噪声发生变化时更是表现出良好的导航参数估计性能。