基于补偿算法的红外探测器非均匀性校正

由于工艺条件的限制,红外焦平面探测器各像元的非均匀性严重影响了红外图像质量,由红外焦平面非均匀性所导致的成像效果变差的问题已成为制约红外成像技术应用的瓶颈.基于FPGA为数据处理核心的硬件平台,采用领域平均算法结合加权滤波算法以及温度补偿算法依次实现了对红外图像的盲元校正与实时补偿处理.实验结果表明此算法能够实时处理图像补偿过程中产生的大量数据,显著地提高了红外图像质量,并且仅用FPGA完成所有数据处理,构成了精简的最小系统,有效地降低了成本.     

基于相对相关序列MFCC特征的模型补偿技术

提出了基于相对自相关序列(Relative Autocorrelation Sequences,RAS)MFCC特征的模型补偿技术,并给出其理论推导及分析。实验结果表明,本文提出的补偿技术可以在不同信噪比下提高RAS-MFCC的性能,使基于RAS-MFCC的识别系统在低信噪比时仍能保持较高的识别率,并且在低信噪比时其性能明显优于经过相同补偿处理的MFCC识别系统。     

基于伽马压缩的红外图像非均匀性校正算法研究

针对红外探测器输出12位像素深度响应,而数字图像显示通常为8位的情况,提出一种基于伽马压缩的非均匀性校正算法。该算法利用自适应伽马曲线将探测器输出的响应进行压缩,然后基于两点校正对中低温图像和高温图像运用不同的校正系数进行校正。实验结果表明:该算法的非均匀性校正效果好,能够将传统两点校正方法校正后的残余非均匀性降低20%左右,校正后的中低温图像细节信息丰富,层次感强。     

一种基于概率模型和倒谱差分的特征补偿算法

本文详细给出了概率模型中引入倒谱预测值的动态相关性来进行特征补偿的方法.该方法采用期望最大化(EM)算法来估计联合分布参数,基于语音和噪声的先验概率密度、在倒谱域对语音特征参数进行最小均方误差预测(MMSE),以提高语音识别精度.不同噪声环境和不同信噪比下的实验结果表明,本文方法能有效提高噪声环境下的中文连续语音识别的正确率.     

基于稀疏性的相位谱补偿语音增强算法

相位谱补偿语音增强算法通过调整相位谱对噪声进行压缩,提高重构信号的质量。针对传统的相位谱补偿(phase spectrum compensation, PSC)语音增强算法采用固定的相位补偿因子,且算法的性能易受噪声估计准确性的影响,提出了一种基于稀疏性的相位谱补偿(sparsity-based phase spectrum compensation, SPSC)语音增强算法。首先,利用噪声估计算法得到噪声幅度谱,利用基于幅度谱的语音增强算法得到目标语音幅度谱;接着,通过噪声和目标语音幅度谱之间的局部信噪比(Signal-to-Noise Ratio, SNR)来估计谱时间稀疏性;然后,利用sigmoid函数改进相位补偿因子,联合补偿因子和谱时间稀疏性,得到SPSC函数。最后,使用SPSC函数对相位谱中的谱分量进行补偿,通过短时傅里叶逆变换得到最终增强后的语音信号。仿真实验表明,在四种不同背景噪声的低信噪比下,新的相位谱补偿算法使增强语音获得了更好的LSD、PESQ和segSNR指标,说明新的算法在低信噪比下,可以有效恢复带噪语音中的语音成分,对噪声抑制效果明显,增强语音的质量和听感均有一定提升。      

基于漂移补偿的IRFPA非均匀性校正改进算法研究

由于红外焦平面阵列（IRFPA）探测单元的响应特性随环境变化而缓慢漂移,严重影响IRFPA定标类算法的校正精度,为此提出基于漂移补偿的IRFPA非均匀性校正改进算法。该算法利用探测单元响应特性漂移规律对定标类校正系数进行补偿,以适应环境温度的变化,进而有效校正IRFPA的非均匀性。实验结果表明：该算法校正后的IRFPA非均匀性从0．18591降到0．046725,有效提高了红外系统的成像质量和环境适应性能。     

基于混合模型状态修正算法的非母语语音识别

非母语语音识别的性能较低,对于刚开始学习目标语言的说话人或者口音很重的说话人而言,性能下降更为明显。本文提出一种新型的双语模型修正算法用于提高非母语语音的识别性能。在该算法中,基线声学模型的每个状态都将被代表说话人母语特点的辅助模型状态所修正。文章给出了状态修正准则以及不同候选修正状态数下的性能比较。相比已用非母语训练数据自适应以后的基线声学模型,通过双语模型修正的声学模型在保证识别实时率的前提下,短语错误率相对下降了11．7％。     

基于GARCH模型的改进的倒谱域特征参数补偿算法

本文提出了一种改进的倒谱域特征参数补偿算法GMCSM。根据语音信号的时变特性,GMCSM算法使用广义自回归条件异方差(Generalized Auto-Regressive Conditional Heteroscedasticity,GARCH)模型对语音信号的方差进行建模。实验数据表明,与常规倒谱相减法CSM和MEMCSM相比,GMCSM能够更有效地补偿因加性噪声引起的倒谱特征参数失真,减少识别的错误率,特别是在信噪比较低的情况下,GMCSM的性能更为显著。     

压缩感知SAR成像中的运动补偿

由于其具有压缩采样特性,压缩感知在高分辨SAR成像技术中得到了广泛应用。然而作为一种参数化的成像方法,基于压缩感知的成像方法对位置误差非常敏感。位置误差会造成图像偏离真实位置、散焦、甚至根本不能成像。该文针对SAR压缩成像系统中存在的运动误差,分析了平台非理想运动对回波信号的调制机理和运动相位误差对信号稀疏表征的影响,提出了基于传感器测量数据进行运动补偿的压缩感知SAR成像方法,通过在稀疏矩阵中引入附加项完成空不变运动误差的补偿。该方法不仅能以少量的测量孔径和测量数据获得重建目标空间的足够信息而且能有效降低运动误差对成像质量的影响,实现高分辨成像。     

基于非均匀FFT的压缩感知雷达信号快速重构方法

雷达处理是压缩感知理论重要的应用方向之一,基于压缩感知的雷达处理可以降低对回波信号的采样速率要求,并且在部分应用中也可改善处理性能。然而,压缩感知重构算法的计算复杂性限制了压缩感知理论在实际雷达信号处理中的应用,尤其是大尺度雷达数据的处理。本文提出了一种基于压缩感知的雷达信号快速重构方法,利用均匀和非均匀快速傅里叶变换运算实现了常规压缩感知重构算法中的矩阵-向量乘法运算,有效降低了重构算法的计算复杂度,加快了压缩感知雷达信号的重构速度。同时,由于引入了快速傅里叶变换运算,该方法消除了大多数常规重构算法对感知矩阵的存储需求。仿真实验验证了该方法的可行性和高效性。      

基于谱稳定性特征的语音与笑声区分新方法

该文提出一种采用谱稳定性作为特征参数的区分语音与笑声的新方法.通过分析语音与笑声的谱稳定性参数的特性,发现前者明显小于后者,这表明谱稳定性可以作为区分语音与笑声的特征参数.比较了采用谱稳定性参数、Mel频率倒谱系数、感知线性预测和基音频率等特征参数在相同实验条件下区分语音与笑声的性能.实验结果表明:在特定人和非特定人情况下,采用谱稳定性作为特征参数区分语音与笑声的正确率分别为90.74%和73.63%,其区分能力优于其它特征参数.     

基于先验知识的三音子模型聚类结构自适应策略

该文提出了一种基于先验知识的三音子模型聚类结构自适应策略,可以在规模很小的自适应语音库条件下改善三音子声学模型的聚类结构使之更适合应用对象的协同发音特点。以基本声学模型训练过程中的三音子模型聚类结果作为先验知识的聚类中心,依据基本声学模型对自适应语音库的分割,按照最大似然准则迭代地重估新的聚类中心和模型聚类结构。实验表明：基于先验知识的三音子模型聚类结构自适应策略可以在不足两小时的自适应语音库上实现三音子模型聚类结构重估,在针对汉语母语说话人的英语声学模型实验中,该文的模型聚类结构自适应策略可以将系统识别率从74.59%提高到83.63%。     

基于空间相关性变换的声学模型训练

为了在语音识别中增强对不同语音单元之间的相关性的利用,该文基于空间相关性变换(Spatial Correlation Transformation,SCT)框架,提出一种新的模型训练算法,在说话人无关模型的训练中利用训练数据中的空间相关性进行模型参数重估。该算法对所有训练数据进行空间相关性变换,削弱数据间的空间相关性,使重估的模型更不依赖训练数据,以改善模型的性能。实验表明,基于空间相关性变换框架的模型训练方法与基于该框架的特征变换方法相结合,使系统的平均错误率相对基线系统下降了18%。     

基于非均匀FFT的长时间相参积累算法

针对采样引起时域相参积累损失以及相参积累算法运算量较大的问题,该文提出一种在快时间频域实现长时间相参积累的快速算法。该算法在快时间频域利用非均匀快速傅里叶变换(FFT)校正距离走动,完成相位补偿,然后通过快速逆傅里叶变换(IFFT)实现积累。该算法可以避免由采样引起的积累损失且运算量相对较小,理论分析和仿真结果验证了该算法的有效性。     

一种非线性调频脉冲压缩的多普勒补偿方法

非线性调频信号具有低截获性的特点,其脉压具有信噪比损失小的优势,但其主副瓣比指标对多谱勒较敏感,当存在大的运动目标时会影响其附近的小目标的检测。文中在分析PD（脉冲多普勒）雷达的常规处理流程的基础上,通过交换脉冲压缩与FFT（快速傅里叶变换）的顺序,在频域的各滤波器组分别对脉压系数进行多谱勒频移补偿,大大改善了非线性调频信号的主副瓣比指标对多谱勒的敏感性。从理论仿真看,该方法可以有效改善非线性调频波形的主副瓣随多普勒的变化特性,同时对脉压的信噪比损失也有一定的改善;该方法计算量小,具有实时性。     

基于短时谱最小均方误差估计的语音增强和剩余噪声衰减

本文研究了三种基于语音短时谱最小均方误差估计的语音增强方法:短时谱幅度最小均方误差估计,短时对数谱最小均方误差估计和短时相对谱幅度最小均方误差估计,在理论分析基础上对它们进行了实验研究.计算机仿真结果表明,在加性白色高斯噪声污染下,当带噪语音信噪比为+5～-10dB时,处理后的语音信噪比提高了3.4～12dB。短时对致谱最小均方误差估计的效果最好,试听实验也证实了这一点。 文中还对增强后剩余噪声的衰减问题进行了研究。利用中心削波并对估值器中的增益函数进行修正,可明显地减弱剩余噪声。     

基于谱相关分析的通信信号监测方法研究

在介绍谱相关函数原理、分析谱相关识别特性基础上，利用谱相关理论对常规通信信号调制模式进行分析识别，并仿真观察了其性能的优点与不足。     

基于主用户信号谱特征的频谱感知方法

频谱感知是认知无线电的关键技术之一。首先讨论了一种基于信号频谱特征的频谱感知方法,提出了一种判决统计量,克服了噪声功率不确定性的影响。给出了算法流程,并采用ATSC（ad-vanced television systems committee）信号作为主用户信号对算法性能进行了仿真分析。结果表明：选择较多点快速Fourier变换（FFT,fast fourier transform）估计得到的理想主用户信号功率谱作为模板所得的检测概率较高;FFT点数相同情况下,增加谱模板估计时的周期图平均次数对检测性能没有多大改进。另外,不同观测时间下的仿真结果还表明增加接收信号的观测时间有利于改进算法检测性能。     

基于加权最小统计的噪声谱估计改进算法

针对最小统计的噪声谱估计算法在噪声谱上升时跟踪时延较大的问题,该文给出了一种加权最小统计的噪声谱估计改进算法,通过分析加权对最小统计噪声谱估计算法的影响,采用3种简单典型曲线构造权值,用实验的方法比较得出由余弦曲线构造的权值最优。实验结果表明加权最小统计的噪声谱估计改进算法能够快速跟踪噪声谱的变化,提高了噪声谱估计的准确性,改善了增强后的语音质量。     

基于m序列信号的多普勒补偿方法

二相码信号广泛地应用于雷达系统,文中针对其对多普勒频率敏感的问题提出了一种补偿算法。该算法利用相邻回波的多普勒频率基本相等的特性对回波进行对消;其编码信号是伪随机序列,非常适合低截获概率特性的需求;该算法只集中在信号处理,在典型的全波形雷达上实现非常简单,理论上能对任意个数的动目标和任意高的多普勒频率进行精确补偿。