基于Kalman滤波的GSC改进语音增强算法

针对广义旁瓣相消器（Generalized sidelobe canceller,GSC）存在非相干噪声消除性能不佳的缺陷,提出了采用后置Kalman滤波器改进的GSC去噪算法。该算法通过归一化最小均方算法校正自适应噪声对消器,并将滤除方向性干扰噪声后的语音信号输出到Kalman滤波器中,对残余背景噪声进行迭代最小均方误差（Minimum mean square error,MMSE）估计,抑制非相干噪声与麦克风阵元所产生的热噪声。经过在不同信噪比条件下客观语音质量评估（Perceptual evaluation of speech quality,PESQ）及语谱图分析后证明,与传统的GSC以及后置谱减法的改进GSC相比,本算法在噪声消除上的表现更为优越,且增强后信号也更接近目标信号。     

数字可视电话系统中的G.168回声消除技术

由于数字可视电话系统的性能需求和系统中回声的特点,传统的回声消除技术应用于数字可视电话系统时无法满足ITU-T G.168标准要求。该文利用NLMS算法的滑动窗自适应滤波器和简化非线性处理器设计,实现一种数字可视电话系统中的G.168自适应回声消除器,介绍其基本结构和各个功能模块的算法,并以ARM 920T为硬件平台实现该系统。仿真结果显示,简化的回声消除算法运算复杂度小、消除回声有效性高、稳定性强。利用ITU-T G.168标准定义的CSS信号对G.168回声消除器进行测试,测试结果均符合或优于标准要求。     

ICA在思维脑电特征提取中的应用

简要介绍了独立分量分析（ICA）的基本思想及算法，并将其应用在基于多导思维脑电（mental EEG)的特征提取方面。实验结果表明：ICA可以将脑电信号中包含的心电（ECG）、眼电（EOG）等多种干扰信号成功地分离出来，较好地完成了脑电消噪预处理工作。同时，通过使用ICA方法对不同心理作业的脑电信号进行分析处理，发现了与心理作业相对应的脑电独立分量特征，这些稳定的独立分量特征为心理作业分类和脑一机接口技术提供了新的实现方法。     

一种适用于双讲状态的声学回声消除系统

声学回声消除中存在的双端讲话情况会导致回声消除器的性能发生恶化,而传统的双端话音检测及其控制算法无法有效应对双讲.针对这一问题,提出一种根据频谱信扰比(近端话音功率谱值和回声功率谱值之比)调整自适应步长的方法.为减少计算量以及降低处理时延,采用分段频域块最小均方(Partitioned frequency block ...     

基于M估计的有效成比例仿射投影算法

在回声消除中,针对回声路径具有稀疏性的优势,有学者提出基于μ准则记忆的改进型成比例仿射投影算法（μ‐MIPAPA）,但该算法抗脉冲干扰性能较差。为此将稳健估计中的M估计应用于该算法,提出一种基于M 估计μ准则记忆的改进型成比例仿射投影算法（μ‐MMIPAPA）。为使算法具有更好的稳态性能,采用改良的 Huber M 估计函数,改进阈值参数的选取方式。有色输入下的稀疏回声信道辨识结果表明了μ‐M M IPA PA的良好稳态性能和抗脉冲干扰性能。     

基于干扰消除的异构蜂窝网络中断分析

在异构网络中,小小区可以为宏基站用户提供接入服务,并能够根据自身条件调节传输参数。该文研究在宏基站端干扰消除技术,来消除宏基站到小小区用户的干扰。该文分析了采用此种方案后异构网络下行链路的整体性能,推导了宏基站和小小区用户接收端信噪比的概率密度函数和分布函数。在此基础上,得到了系统整体中断概率的闭合表达式。理论推导和仿真结果表明,干扰消除方案能够有效提升异构蜂窝网络的整体性能。     

快跳频系统中基于连续干扰相消的多用户检测

针对快跳频多址系统, 提出了一种基于连续干扰相消的非相干多用户检测算法.该算法利用期望元素选择方式来得到伴随时频矩阵, 利用期望用户的时频矩阵具有最大行和最小均方偏差的特点实现预检测.在连续干扰相消中, 对干扰数据的信干功率比进行估计, 若干扰频点没有受到其他信号的重叠干扰, 则在相消中删除, 否则连续迭代, 直到所有用户译码完成.对于其他模糊用户, 采用简化的连续检测方法来判决.仿真结果表明:该算法不仅消除了Fiebig干扰相消算法的错误传播, 而且所提算法性能优于其他多用户算法.     

基于辅助符号的非线性自干扰抵消算法及其简化实现

同频同时全双工是第5代(5G)通信关键技术之一,数字自干扰抵消算法是其重要研究方向。针对非线性数字自干扰抵消算法中,失真系数估计受到自干扰信道估计误差的影响这一问题,该文提出一种基于辅助符号的非线性自干扰抵消算法,通过对辅助符号做自干扰抵消,将信道估计符号的失真误差映射到其抵消结果中并提取出来,从中估计失真系数。接着针对算法开销问题提出一种简化实现方案。仿真结果显示,接收自干扰信号为-5 dBm时,算法可将自干扰非线性失真分量抵消至约-100 dBm,且性能随接收自干扰功率降低而提高。     

干扰背景下基于双圆阵的全向测角方法

当干扰与目标方位夹角较小时,基于单圆阵的方位全向米波雷达在进行干扰对消时,目标回波的对消损失较大,从而降低了干扰对消后的目标检测概率和目标方位估计精度。针对此问题,该文提出一种基于双圆阵的干扰对消和目标方位角估计算法。该算法先利用小圆阵激励出的-1, 0和1阶相位模式初步估计干扰的方位角,后利用大圆阵激励出对称高阶相位模式获得精确的干扰方位角并利用其激励出的非对称高阶相位模式进行干扰对消和目标方位角的估计。该算法相对于单圆阵的干扰对消和测角方法可以减小目标回波的对消损失,提高干扰对消后的信噪比,从而增大目标检测概率和提高目标方位角的估计精度,仿真结果证明了该算法的有效性。     

基于频域逐级回归的声学回声控制

传统声学回声控制算法一般采用基于随机梯度法更新的频域分块自适应滤波(PBFDAF)方法,但在以语音为主要回声信号的室内混响环境中,由于回声路径不稳定,往往收敛速度较慢,难以实现足够的回声抑制。该文提出一种基于频域逐级回归的声学回声控制算法。通过逐级回归分析远端信号和麦克风信号之间的线性关系,可以在保持较小的偏差的同时实现收敛较快的系统估计。同时,由于逐级分析了两通道间的短时相干性,因而该算法无需像常见方法一样,额外进行基于通道间相干函数的残余回声抑制或双讲检测,从而保持系统的紧凑性。若进一步假定近端背景噪声准平稳,则可利用基于近端信号非平稳程度的自适应平滑因子,在实现系统估计快速收敛的同时确保其稳定性。实验表明,该方法在常见的近端环境噪声水平下,在收敛速度和稳态误差上相对传统方法有显著优势,非常适合应用在室内远讲模式下的声学回声控制中。