利用语音的频谱空间特征进行汉语抗噪语音识别的方法

抗噪连续语音识别是当前汉语连续语音识别的重要研究领域。采用通过度量连续语音帧之间频谱的稳定性,将连续语音切分成份,再将切分结果(无论时间长短)变换为与时间无关的大小固定的频谱空间特征,通过与模板库进行比较实现语音识别。新的频谱空间特征,与语音时长无关,同时表现出较好的抗噪声能力。在特定人连续语音识别测试系统中,取得了不错的识别效果。     

声发射自动在线监测系统的抗噪分析

声发射技术是一种先进的故障诊断技术，在对设备进行监测的过程中，不可避免地要受到环境噪声的影响。对声发射自动在线监测系统中干扰噪声信号的产生、干扰的方式以及对系统的影响进行了分析。从硬件和软件两方面提出了一些抗干扰的方法和措施。     

无偏LSSVM的抗噪在线过程建模方法

当动态过程的输出含有测量噪声时,直接用最小二乘支持向量机（LSSVM）对过程建模预测效果较差,为了提高LSSVM模型的预测精度,提出了一种基于无偏LSSVM的抗噪在线过程建模方法。该方法在每一预测步期间对过程输出测量值进行误差判断,若输出测量值与预测值相差较大,就对测量值予以修正,然后用修正值构成样本在线建模,从而减少噪声影响。数字仿真显示,当过程输出测量值混有高斯白噪声时,该文方法比直接LSSVM和现有的加权LSSVM的预测精度要高。     

基于改进STD法的电力系统低频振荡辨识

介绍稀疏时域(STD)法的基本理论并对其进行改进,给出基于该方法进行低频振荡模式参数辨识的具体实施步骤。16机系统时域仿真数据和某实际电网相量测量单元(PMU)实测数据验证了改进STD法的有效性和实用性。改进STD法与总体最小二乘-旋转不变技术(TLS-ESPRIT)及Ibrahim时域(ITD)算法辨识结果的对比表明,改进STD法在准确性和抗噪性方面均表现较好;与含低通滤波器的多通道ITD算法相对比,改进STD法无需对输入信号进行低通滤波即可实现准确辨识。     

一种多适应性的压缩感知声纹识别系统

针对传统压缩感知(compressive sensing,CS)语音增强方法抗噪类型单一的问题,本文提出了一种多适应性的压缩感知声纹识别系统。在用正交匹配追踪(orthogonal matching pursuit,OMP)算法重构语音信号时设定相关度阈值和语音恢复阈值,并对迭代算法进行改进,不仅有效恢复了纯净语音信号,实现了语音增强,并且减少了重构的计算量。将重构恢复的信号通过Gammatone滤波器组,提取特征参数GFCC,然后在高斯混合模型中识别。实验结果表明,将这种方法应用于声纹识别系统,系统的识别率及鲁棒性都有明显提高。     

基于Hopfield神经网络的交通标志识别

Hopfield神经网络是经典的人工神经网络之一,本文利用离散型Hopfield神经网络来对各种道路交通标志进行识别,并讨论在加噪、旋转等条件下对交通标志识别率的影响。同时,对图像的复杂度、识别率、图像识别前后的信噪比进行了讨论与分析。     

一个语音基频提取新算法

为了准确提取语音基频,设计了一种新的基频提取算法,并对此算法的抗噪性能进行了评估,同一段语音进行加噪和未加噪两类处理,通过实验提取两类语音的基频,以未加噪基频作为准标值,对不同信噪比的语音基频与准标值的偏离情况进行了分析,从而了解算法提取基频的抗噪性。以便全面掌握此算法的性能,达到优化算法,减小估计带来的误差,提高语音基频提取的目的。     

强噪声环境下有源抗噪耳罩设计

针对现有的有源抗噪耳罩存在价格昂贵且佩戴不太方便的问题,设计了一种应用在强噪声环境下的有源抗噪耳罩。该耳罩以TMS320VC5509为主控芯片,采用自适应噪声抵消方案和归一化的最小均方算法提升耳罩的自适应噪声抵消性能,结合被动降噪技术,很好地实现了在强噪声环境下消除噪声的目的。测试结果表明,该耳罩在低频范围内抗噪性能最高可达到30dB。     

时域反相对称与扩频技术的混合技术研究

为了实现反相对称扩频通讯技术,根据噪声在时域上的相关性以及反相对称法的抗噪原理,将反相对称法与扩频通信相结合实现了一种新的扩频通信方法.仿真结果表明：时域反相对称扩频技术系统能获得较高的输出信噪比,且在相同的传输条件下,反相对称扩频技术的性能优于一般的扩频技术,该通信方法可以在移动通讯中推广应用.     

脉冲噪声环境下编码信道抗噪声性能研究

针对现实中多数信道为脉冲噪声环境的特点,以α稳定分布和信道编码理论为基础,并以α稳定分布噪声为脉冲噪声模型,运用M atlab软件研究了脉冲噪声环境下编码信道的抗噪声性能。研究结果表明,SNR较大时脉冲噪声对编码信道所造成的误码影响远大于高斯噪声所造成的误码影响。