基于mTD-FrFT的VMFS-LFM信号参数估计方法

针对甚小频偏线性调频(very minimum frequency shift-linear frequency modulation,VMFS-LFM)信号对应的分数阶傅里叶(fractional fourier transform,FrFT)域估计参数的绝对值接近1而导致估计性能降低的问题,在借鉴基于FrFT的LFM信号参数估计方法的基础上,采用m倍抽取(m time decimation,mTD)作为预处理方法,提出基于mTD-FrFT的VMFS-LFM信号参数估计方法.理论分析和实验结果表明:mTD预处理过程可增大VMFS-LFM信号和近参数多分量LFM信号的调频斜率在FrFT域的分辨率,使基于mTD-FrFT的参数估计方法可对VMFS-LFM信号和相近参数多分量LFM信号进行有效参数估计.     

基于希尔伯特-黄变换的低信噪比语音端点检测

应用希尔伯特-黄变换完成了一种低信噪比条件下的语言信号端点检测。该方法通过分析纯净语音信号与低信噪比下语音信号的固有模态函数及希尔伯特谱,找出固有模态函数中语音信号能量集中的分量,分析其希尔伯特谱,自适应地选取阈值进行语音段与非语音段的检测。通过对比实验表明了该方法在低信噪比下能有效地检测出语音信号。     

基于听觉感知的顽健语音流检测新方法

获取复杂声学背景下的语音流以得到有用信息是一些部门极其重要的工作.研究了在无线话带通信中实现语音流的机器自动检出.结合人的听觉外周和听觉心理的研究,提出了一种基于人耳听觉感知特性的噪声环境下语音流检测方法.该实验采用来自现场的大量的无线话带录音作为测试数据,结果表明,这种新的方法可很好地排除各种噪声的干扰,强噪声环境下表现良好.无论在抗噪方法还是在实际应用中,都有很好的应用前景.     

基于小波系数统计的非高斯噪声背景下语音流检测

在实际生活中,非高斯噪声很普遍,对信号的影响也很大,是语音信号处理中的难题.大部分强噪声信号都是非高斯的,在强噪声背景下,由于语音信号受到较大的干扰,甚至被噪声淹没,传统的基于短时的能量、过零率、相关以及平均幅度差等检测算法效果都不理想.根据小波变换的特性和语音时域信号的分布特征,提出了一种非高斯噪声背景下语音流检测算法.对含噪语音进行小波分解,观察各层小波系数的统计特征,提取它们的不同特征,从而进行了语音流检测.大量实验表明该算法具有较高的检出率和较低的误检率,可以消除噪声的影响实时处理语音信号.该算法有一定的创新性,在处理非高斯噪音方面很有实用性.     

一种新的非线性曲线平滑方法及在测井曲线识别中的应用

介绍了一种用不对称高斯型函数的非线性最小二乘拟合对时间序列进行平滑处理的方法,并将其应用于测井曲线的平滑处理.给出了一种针对油层测井曲线特点的简化平滑算法,减少了需要优化的参数个数.模型参数的连续变化能够描述形态各异的单峰测井曲线.利用模型参数直接作为特征值,将油层测井曲线单峰的形状分类为钟形、箱形、鸡蛋形、漏斗形和枣核形,分类结果较令人满意.这对其它时间序列的平滑和特征提取也有参考价值.     

基于Hilbert-Huang变换理论的语音增强初探

希尔伯特-黄变换是新发展起来强有力的非线性、非稳态信号处理方法．它从信号自身出发自适应地产生具有物理意义的基函数,而不是人为地设定变换的基函数．该文将这一全新的方法应用到语音信号处理．希尔伯特-黄变换基于信号的局部特征时间尺度,能把复杂的信号分解为有限的内在模态函数之和,这种自适应的分解方法非常适于非线性和非平稳过程的分析．实验表明,希尔伯特-黄变换适于语音信号处理,有广阔地应用前景．结合小波变换的分析表明,该方法在语音去噪方面优于小波变换．     

基于听觉感知的顽健语音流检测新方法

引言 语音流检测在很多领域具有重要的意义,在大多数场合语音流检测是靠人工来完成的.长时间的侦听,尤其是在强噪声环境下会使人的听觉感到非常疲劳,这样一方面会造成对人耳的损伤,使听力下降;另一方面造成工作效率的下降,在很疲劳的状况下,很容易将某些语音信息漏掉.因此,用机器代替人进行语音流检测就显得非常必要了,它可以把语音段从噪声中分离出来,便于人的倾听和处理.     

半监督在线增量自学习异常检测方法研究

在深入分析现有基于监督学习和非监督学习方法的缺点后,提出了一个新颖的基于K-means与Markov模型相结合的半监督异常检测方法.半监督方法的学习样本包括已标示类别的样本和未标示样本,并且通过对已标示样本的学习来指导对未标示样本的学习来提高识别率.方法首先将经过标示的(正常的)系统调用序列投影到高维空间进行有监督聚类后,利用Markov模型来学习聚类间的时序关系,建立起正常行为的初始模型.由Markov模型产生的状态序列计算状态概率,根据状态序列概率来评价进程行为的异常情况.正常行为模型由2种关系确定:①空间分布关系(聚类);②空间的时序关系(Markov模型).在初始模型的导引下对未标示的序列进行学习,利用迭代过程对模型进行改进.实验表明,该算法能够在已标示样本较少的情况下通过对未标示样本的学习来改善模型的检测性能,达到在线增量学习的目的.     

联合空时需求预留和功率控制的MAC协议

提出了一种应用于移动Ad Hoc网络中的联合空时预留和功率控制MAC协议.它通过对信道时间和空间资源预留更为精确的估计优化了可用的信道资源,提高了信道的空间利用率,降低了碰撞冲突的概率.因为物理层头部采用最低的速率进行传输,把这种时空估计信息嵌在物理层帧头部,可以把信息传播到更多更远的邻节点,减少了碰撞的概率.同时结合功率控制技术对数据包传输功率进行控制,降低了节点的能量消耗.通过仿真与IEEE 802.11 MAC协议进行比较,该协议提高了系统的吞吐量,移动节点功率消耗明显降低,节点的能量利用效率得到提高.     

基于双谱的水下目标辐射噪声的特征提取与分类研究

以大量的水下目标辐射噪声资料为依托，借助高阶累积量分析法，研究了目标信号的非高斯特性。基于双谱估计和Walsh维数压缩技术提取了不同类别目标的65维双谱特征。结果表明，该特征对水下目标辐射噪声信号具有很好的分类效果，同时又能有效地抑制高斯有色噪声。对于六类水下目标辐射噪声信号，可取得约92％的正确分类率。