基于时-频分析的语音盲分离算法

在时-频分析算法中,窗长的选择对分离语音信号的性能有着重要的影响。文章详细介绍了基于时一频分析的语音盲分离算法,并用MATLAB仿真分析了不同窗函数、窗长的选择对分离信号性能的影响.实验证明,对于语音这种短时平稳信号,用时-频分析盲分离算法分离混合语音信号时,窗长选择为256时可取得最佳的分离效果。     

基于非线性时频分布的跳频信号分析研究

介绍了利用非线性时频分布（WVD和SPWVD）进行跳频信号分析，通过理论研究和仿真分析表明，非线性时频分布能够反映出信号的瞬时能量分布，是关于信号二阶统计量（如局部自相关函数）的Fourier变换，相对Fourier变换和线性时频分布而言，它具有更好的时频聚集性，能够很好地展现跳频信号的时频特征和能量分布，采用加窗处理等方法，可以较好地抑制非线性时频分布中的交叉项和能量分布的负值性，从而证明了非线性时频分布用于跳频信号分析研究的工程应用可行性。     

基于稳定分布噪声的分数低阶自适应时频分布

信号中的α稳定分布噪声会使自适应时频分布方法失效.针对该问题,利用分数低阶统计量理论,提出一种改进的分数低阶自适应时频分布.为了实现带噪信号的实时在线处理及长时间信号的时频分布分析,给出一种分数低阶短时自适应时频分布.仿真结果表明,2种方法都能在含有α稳定分布噪声和高斯噪声的环境下进行有效的时频分布分析.     

基于自适应最优核时频分布的鸟类识别

针对鸟鸣声信号的非稳态特性,提出了一种基于自适应最优核时频分布（Adaptive optimal kernel,AOK）的鸟类识别方法。首先对采集的鸟鸣声信号进行预处理,通过AOK时频分析方法得到时频谱图,分析不同鸟类声音信号在不同时间和不同频率下的能量分布。然后,将时频谱图转化成灰度图像,求取灰度共生矩阵,提取基于灰度共生矩阵不同角度的图像特征参数作为鸟类识别的特征值。最后选取已知鸟种的图像纹理特征训练生成训练模板,将待识别的鸟种的图像纹理特征参数生成测试模板,利用动态规整（Dynamic time warping,DTW）算法进行模板的匹配,将匹配值进行大小比较,找到最小匹配值对应的模板,从而实现鸟类的识别。 通过对40种常见鸟类的实验表明,总体识别率达到96%     

基于改进时频脊线的多用户宽带跳频信号参数估计方法

针对多用户宽带跳频信号参数估计问题,提出了一种基于改进时频脊线的参数估计方法;基于短时傅立叶变换获得的时频矩阵,进行最高与最低时频脊线的计算和处理,联合两时频脊线差分结果进行滑窗处理,进而获得了跳频时刻粗估计结果,基于漏跳问题,实现了跳频时刻校正,使用矫正后的结果,通过最小二乘拟合,计算得到了跳速与跳频时刻的估计结果;经仿真试验测试,验证了该算法在不同带宽和跳速下的有效性,跳速估计平均值准确,标准差在0.006%以内,跳频时刻估计误差平均值和标准差分别在0.18%和0.14%以内;经实测跳频信号测试,跳速估计平均值准确,标准差在0.03%以内;算法实现了多用户宽带跳频信号的跳速和跳频时刻估计,且计算量小,具有工程应用前景。     

傅里叶变换时-频对称性的Matlab可视化探讨

以门函数和降正弦函数在傅里叶变换时-频对称性约束下的对应关系为例,探讨在理论教学过程中利用Matlab软件将傅里叶变换时-频对称性可视化的方法,通过改进教学手段,达到取得良好教学效果的目标。     

根据时-频分辨特性的B样条双正交小波的选择

该文简要地分析了在基于小波变换的图像和视频编码中小波基的选择对编码效率和编码质量的影响,从适于提取图像和视频信号高频成分的角主,提出了根据时－频分辨特性对B样条双正交小波进行选择的标准,给出了B样条小波的构造过程和计算时－频窗面积的方法,并对2≤N≤20的N阶B样条函数,得出了使其分析小波函数具有最优时－频分辨特性的条件,该条件表明：B样条函的阶数较低时,其分析波波函数的时－频分辨特性较好,并且N取偶数时的B样条双正交小波的时－频分辨特性要相对优于N取奇数时的B样条双正交小波的时－频分辨特性,据此条件,可以求出相应的对偶尺度函和小波函,最后,通过选用几个典型的双正交小波进行编码模拟实验,验证了得出的结论。     

基于超球体多类支持向量数据描述的医学图像分类新方法

针对乳腺X光医学图像多分类问题中训练速度比较慢的问题,提出超球体多分类支持向量数据描述(HSMC-SVDD)分类算法,即把超球体单分类支持向量数据描述直接扩展到超球体多分类支持向量数据描述。通过对乳腺X光图像提取灰度共生矩阵特征;然后用核主成分分析(KPCA)对数据进行降维;最后用超球体多分类支持向量数据描述分类器进行分类。由于每一类样本只参与构造一个超球体的训练,因此训练速度明显提高。实验结果表明,这种超球体多分类支持向量数据描述分类器的平均训练时间为21.369s,训练时间比Wei等(WEI L Y, YANG Y Y, NISHIKAWA R M,et al.A study on several machine-learning methods for classification of malignant and benign clustered micro-calcifications. IEEE Transactions on Medical Imaging, 2005, 24(3): 371-380)提出的组合分类器（平均训练时间40.2s）减少了10~20s,分类精度最高达76.6929%,适合解决类别数较多的分类问题。     

一种跳频信号参数估计的方法

提出一种跳频信号参数估计的方法,该方法首先求出跳频信号的互相关函数及其随时间改变的功率谱密度矩阵,并从该矩阵中生成跳频信号的时频hop图,最后通过对hop的分析得出跳频信号的跳时、跳速、驻留时间和频率集等参数.该算法不仅提高了信噪比,大大改善了整体性能,而且既不需要知道信号的跳速或驻留时间等前提条件,也不要求信号必须是等跳速或者是等驻留时间的,同时也无需选择小波母基、核函数等特殊数学模型.通过对外场实际数据测试表明本算法切实有效.