稀疏重构的压缩感知语声增强模型与算法北大核心CSCD

语声增强的目的在于消除带噪语声信号中的噪声干扰,提高语声信号的可听度与可懂度。与传统语声增强算法不同,本文利用语声信号与噪声信号的稀疏性差异,提出了一种基于稀疏重构的压缩感知语声增强模型,并导出该模型的数学表达式。基于此语声增强模型,本文还融入了语声信号的稀疏性与非平稳性,提出了语声存在概率为加权因子的加权正交匹配追踪语声增强算法。仿真实验表明本文提出的语声增强模型与算法具有可行性、有效性以及优越性。本算法不仅可以有效的抑制噪声干扰,还可以保留大部分语声信号,达到语声增强的目的。此外,与谱减法和最小均方误差算法比较,虽然本文算法计算量较大,但是其性能优越。     

基于稀疏表示的被动毫米波L-R成像算法

在被动毫米波的图像恢复中,L-R算法是一种简单而有效的非线性方法。但当噪声不可忽略时,L-R算法难以获得较好的复原结果。自适应稀疏表示,作为一种新的信号处理方法,具有表达信号灵活的特点,能够在保持目标特征的同时有效地去除噪声。该文提出一种基于自适应稀疏表示的L-R算法。首先采用稀疏信号表示的方法进行去噪,然后使用L-R算法进行图像恢复。这种改进算法通过使用基于自适应稀疏表示的去噪算法有效地减少了噪声对L-R算法的影响。实验数据的成像结果表明:该文的改进算法提高了L-R算法的性能,可用于低信噪比的图像复原。     

四阶累积量稀疏表示的DOA估计方法

针对现有稀疏重构DOA估计算法不能抑制噪声项以及在高斯色噪声背景下不再适用的问题,本文提出了基于四阶累积量稀疏重构的DOA估计方法。首先,利用接收数据的四阶累积量构建了稀疏表示模型,该模型抑制了噪声项;其次对四阶累计量矩阵进行奇异值分解,化简了稀疏表示模型,通过奇异值分解,不仅减小了数据规模,而且进一步抑制了噪声。对于稀疏表示模型的求解,先利用信号子空间与噪声子空间的正交特性选取权值矢量,然后利用加权l1范数法对模型求解实现DOA估计。理论分析和仿真实验表明本文算法在高斯白噪声和色噪声背景下均适用;能够处理非相干和相干信号,且在低信噪比条件下,对相干信号有更高的估计精度;较之同类的稀疏重构算法,本文算法具有较低的算法复杂度和更高的角度分辨力。      

同伦方法在图像稀疏去噪中的应用

本文在深入研究稀疏表示和字典学习理论的基础上,建立了图像去噪模型并提出一种新的图像去噪算法。该算法采用同伦方法学习字典,充分利用了同伦方法收敛速度快以及对信号的恢复准确度高的特点。之后利用 OMP 算法求出带噪图像在该字典下的稀疏表示系数,并结合稀疏去噪模型实现对图像的去噪。实验结果显示本文算法在不同的噪声环境下具有较好的去噪效果,同时在与 K-SVD 算法关于收敛速度比较的实验中,实验结果充分显示了使用同伦算法学习字典在收敛速度上的优势。      

基于稀疏表示模型的红外目标跟踪算法

针对红外图像序列中目标与背景的对比度低、灰度特征易受噪声影响等问题,提出了一种基于稀疏表示模型的红外目标跟踪算法。在粒子滤波的理论框架基础之上,采用目标在超完备字典中的稀疏表示作为观测模型,对红外目标进行描述,从而利用了图像的稀疏表示本身对噪声和遮挡不敏感的特性,可以有效地减弱背景杂波和噪声对跟踪算法的不利影响。此外,采用了一种在线学习的方法来完成对超完备字典中目标子空间的更新,使其不断地适应背景杂波、光照等各类因素引起的目标外观变化。实验结果表明所提出的算法是稳健和有效的。     

一种基于超完备字典学习的图像去噪方法

 基于超完备字典的图像稀疏表示因其具有稀疏性、特征保持性、可分性等特点而被广泛应用于图像处理.本文提出一种超完备字典学习算法并应用于图像去噪.将字典学习等价于一个二次规划问题,并提出适合于大规模运算的投影梯度算法.学习所得字典能有效描述图像特征.基于此超完备学习字典,获得图像的稀疏表示,并恢复原始图像.实验结果表明,与小波类去噪方法相比,本文的学习算法能更好地去除图像噪声,保留图像细节信息,获得更高的PSNR值.     

基于稀疏表示与粒子群优化算法的非平稳信号去噪研究

非平稳信号的去噪是信号处理中的热点和难点。文中以冲击原子作为稀疏表示基,构建了仅对人文噪声敏感的冗余字典。并使用粒子群优化算法对匹配追踪算法进行优化,提出了基于稀疏表示与粒子群优化算法的非平稳信号去噪方法。为检验方法的有效性,论文首先进行了针对性的仿真实验。然后将所述方法用于实测的大地电磁信号处理。结果表明,所述方法可以在保留有用信号的前提下,有效分离出类充放电噪声、脉冲噪声以及其它多种不规则噪声,显著提高非平稳信号的信噪比。     

基于稀疏表示的Shearlet域SAR图像去噪

该文通过分析SAR图像的噪声成因以及其斑点噪声模型,结合图像的稀疏表示理论提出一种基于稀疏表示的Shearlet域SAR图像去噪算法。算法从整体上对SAR图像进行去噪:首先对SAR图像进行Shearlet变换,然后利用稀疏表示模型构造出去噪的最优化模型,在此基础上进行迭代去噪,然后重构SAR图像得到去噪后的图像。实验结果表明:该文所提出的算法不仅可以显著去除相干斑噪声,提高去噪图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR),还明显地改善了图像的视觉效果,更好地保留了图像纹理信息。     

InSAR通道联合稀疏贝叶斯特征化成像

针对干涉合成孔径雷达(InSAR)成像,该文提出了一种通道联合结构化稀疏的贝叶斯成像算法,可实现图像稀疏特征化增强,以提升干涉相位噪声滤波和相干斑抑制性能。基于贝叶斯准则,利用多层级统计模型建立稀疏成像模型,结构化稀疏表示InSAR图像。在稀疏成像求解中,利用最大期望(EM)算法进行图像重构和多层级统计参数估计。由于能够联合利用通道稀疏统计特性,所提算法能够有效提升InSAR幅度和相位噪声滤波性能。最后,通过实验分析进一步验证该文算法的有效性。      

基于正则化稀疏表示的图像超分辨率算法

为了从单幅低分辨率(LR)图像恢复出高分辨率(H R)图像,提出了一种应用正则化稀疏表示和基于机器学习 的超分辨率(SR)图像恢复算法。构造了一种基于稀疏表示的SR凸变模型,为了提高 恢复效果,针对模型 提出了两种稀疏正则化约束条件,一是将分类效果更好的图表拉普拉斯作为正则化约束条件 ,从而找到与 输入LR图像块在结构上最接近的学习样本;另一种是针对冗余的学习样本进行约 束,保证了图像边 缘的锐利。将输入的每一块LR图像应用正则化稀疏表示,经过学习得到与之对应的HR图像块 , 最终得到整幅HR图像。试验结果表明,算法恢复出的HR图像峰值信噪比(PSNR )值较双三次插值算法最高提升约2dB,主观目视清晰、边缘锐利。     

Gammatone滤波器修正的多级线性预测去混响

在相对封闭的空间内,使用一些通讯设备时,距离声源较远的麦克风接收到的语音信号通常会被混响和噪声所污染,这些干扰信号会在很大程度上降低语音可懂度。带噪的混响语音经过去混响和消噪算法处理后,常常会残留一些音乐噪声,使得人耳听起来很不舒服。本文根据人耳对不同频带的听觉特征,引入Gammatone听觉滤波器组,提出了Gammatone滤波器修正的多级线性预测去混响算法。实验结果证明,新算法有效的解决了去混响及消噪后的残留音乐噪声问题,提高了语音的清晰度和舒适度。      

基于多任务疏表达的二元麦克风小阵列语音增强算法简

针对常规二元麦克风小阵列话音增强算法通常需要话音活动检测技术支持,并且难以有效抑制第一帧含目标信号的噪声。提出了一种基于多任务稀疏表达的二元麦克风小阵列话音增强算法,首先利用字典学习方法分别获得目标信号和噪声信号的过完备字典,然后利用 混合范数对信号在其字典上的表示系数进行正则化稀疏约束,使得2个阵元接收到信号中的噪声信号被抑制,而话音信号尽量保持不变,从而达到话音增强的目标。仿真和实验数据表明,无论开始位置是否含有目标话音信号,所提出的非话音活动检测支持的二元麦克风小阵列话音增强算法均能有效实现话音增强的目标。     

块稀疏贝叶斯模型下的跳频信号时频分析

针对传统时频分析方法存在的时频聚集性差以及交叉项干扰的问题,本文将接收到的跳频信号进行分割,构建时频稀疏模型,利用模型中的统计特性和结构特性采用块稀疏贝叶斯学习算法对跳频信号的时频图进行重构,在不需知道稀疏度和噪声强度的情况下,得到了高精度的时频图。但是由于算法在高维参数空间进行参数估计时复杂度较高,本文采用近似替换的方法对该算法进行改进,将高维参数空间转换到原始参数空间计算,大大减少了算法的复杂度,仿真结果表明改进算法在低信噪比的情况下能有效的得到跳频信号的高精度时频图且复杂度大大降低。      

一种低信噪比语音的增强算法

为改善低信噪比环境下语音的质量,论文提出了一种新的语音增强算法。算法首先根据噪声频谱的高斯统计模型得到用先验信噪比形式表示的噪声频谱估计值,然后利用帧内、帧间平滑算法估计每一个频点的先验信噪比,从而能够更好地跟踪先验信噪比的变化。算法接着引入一种简便的估计语音在每一个频点出现概率的方法,得出一种新的语音增强算法。客观测试和非正式听音测试表明:该算法在几乎不损伤语音清晰度的前提下,能够更好地抑制低信噪比语音增强所产生的音乐噪声,同时使语音信噪比得到了明显提高。     

基于自适应冗余字典的语音信号稀疏表示算法

基于冗余字典的信号稀疏表示是一种新的信号表示理论,当前的理论研究主要集中在字典构造算法和稀疏分解算法两方面。该文提出一种新的基于自适应冗余字典的语音信号稀疏表示算法,该算法针对自相关函数为指数衰减的平稳信号,从K-L展开出发,建立了匹配信号结构的冗余字典,进而提出一种高效的基于非线性逼近的信号稀疏表示算法。实验结果表明冗余字典中原子的自适应性和代数结构使短时平稳语音信号稀疏表示具有较高的稀疏度和较好的重构精度,并使稀疏表示算法较好地应用于语音压缩感知理论。     

改进的多级线性预测晚期混响抑制算法

在一个封闭的空间内,距离声源较远时接收到的语音信号通常会被混响所污染,其中晚期混响会在很大程度上降低语音可懂度。一般的去噪方法只能去除常见的加性噪声如白噪声,并不能去除房间冲激响应与干净语音卷积而成的混响,因此需要专门的去混响算法来去除晚期混响带来的影响。本文提出了一种新算法,在多级线性预测单通道去混响算法的基础上,修正了其预白化过程,改进后的算法可以提升语音前两个共振峰。实验结果证明,新算法在去除大部分混响的同时能够保留更多的有用语音的低频成分,因而提高了语音可懂度。      

基于长短时能量均值的活动语音检测算法

为了有效抑制非平稳背景噪音对语音处理系统的严重干扰,提出了一种基于长短时能量均值的活动语音检测算法。该算法基于两个合理的假设,一个是基于语音隐含成分集的稀疏分解,不但能尽可能地深留含噪语音中的语音信息,还能在一定程度上消除非语音类噪音的干扰;另一个是对上述稀疏分解的语音进行重构,该重构信号中语音段的时域能量高于非语音段的时域能量。在上述两个假设的基础上,采用重构信号的时域能量作为音频特征,以当前帧为中心,并将与其相邻的特定数量帧的短时能量均值作为当前帧的得分值;以当前帧及其之前特定数量帧的长时能量均值怍为判决阈值,进而提出了以当前帧的短时能量均值和长时能量均值大小作为判断条件的活动语音检测算法。买验结果显示,该算法能有效地区分低信噪比（平稳噪音和忙平稳噪音）条件下的语音和非语音片段,并且其性能优于基于单Gaussian分布的似然比算法．     

采用原子表示模型的维吾尔语语音情感识别

针对现有的基于表示学习的语音情感计算算法中存在着限制条件单一的问题,且没有证明它们的有效性,提出了一种采用原子表示模型的语音情感识别算法。通过引入一个新的条件,称为原子分类条件。在这种条件下,对正确识别新的测试情感样本有较好的效果。现有的基于表示的分类算法以单一的稀疏表示方法为主,而提出的算法可以结合稀疏表示模型和其他的表示模型。该算法能够放宽适用条件的范围,使得原子表示模型适应更多分类任务。采集并建立了维吾尔语语音情感数据库。在该情感数据库上,分析维吾尔语情感语音的基本声学特征。通过对情感特征空间进行原子表示的映射变换,可以有效表示情感特征空间。经实验结果证明所提出的方法优于传统的方法,在维吾尔语情感语音数据库上达到了64.17%识别率。