基于四阶循环累积量的二维DOA和极化参数估计

在任意分布的加性平稳噪声背景下,提出一种基于单个电磁矢量传感器的四阶循环累积量算法来实现宽带循环平稳信号的二维波达方向(DOA)和极化参数估计.通过利用信号的循环平稳特性,使该算法具有信号选择的能力,同时能够抑制宽带干扰和任意分布的加性平稳噪声的影响,从而提高算法的信号检测能力.仿真结果验证了该方法的有效性.     

一种基于数字方法实现的VOX算法

声控开关VOX(Voice Opemted Transmit)在很多系统中运用广泛,目前的VOX多为电路实现,抗噪声能力低。介绍一种可以用数字方式实现的VOX算法,利用语音的类周期性,使用周期检测方式实现对语音的检测。仿真结果显示,可准确地判断出元音信号,漏误判率低,延迟小;但不适用辅音信号持续时间所占比例极小的情况。     

一种新的语音和噪声活动检测算法及其在手机双麦克风消噪系统中的应用

针对现有双通道语音活动检测(Voice Activity Detection, VAD)算法依赖于固定阈值难以在多种噪声环境下准确地检测语音和噪声,应用于手机消噪系统会造成语音失真或噪声消除不好等问题,该文提出一种基于神经网络的VAD算法,该算法以分频带能量差和归一化互通道相关为特征,采用神经网络对语音和噪声进行分类。在此基础上,将神经网络VAD与基于互通道信号功率比值的VAD相结合,提出一种新的适用于手机消噪系统的语音和噪声活动检测算法分别对语音和噪声进行检测,并以此进行噪声抑制处理,减少了消噪系统因VAD误判而造成的性能下降。实验结果表明,该处理方法在抑制背景噪声和减少语音失真等方面优于现有的消噪算法,对于方向性语音干扰也有很好的抑制效果。     

基于循环平稳ANN的主用户频谱感知算法研究

针对无线信道环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出一种基于循环平稳人工神经网络(ANN)的主用户信号频谱感知算法。该算法首先对信号特征参数进行提取,作为训练样本和待测样本,再采用ANN算法分别对有无主用户情况下的信号进行分类检测。仿真实验表明,与能量检测法(ED)和循环平稳特征检测法(CD)相比较,所提算法可在低信噪比情况下,不受噪声不确定性等因素影响,具有较高的分类检测性能,有效地实现了对主用户信号的感知。     

基于循环前缀频域自相关的OFDM信号频谱感知

针对无线通信频谱资源有限并且利用率非常低的问题,研究了认知无线电系统中基于信号典型特征的频谱感知策略,并进行动态频谱检测.提出了一种基于循环前缀频域自相关的频谱感知算法,利用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的循环前缀具有循环平稳特性,在信号频域进行自相关运算,设定判决门限,完成对信号频谱的检测,同时具备较好的抑制平稳噪声和干扰的能力.在低信噪比或者噪声不确定度大的应用场景下,能够获得比能量检测方法更优、更稳定的频谱感知效果,增强了噪声鲁棒性.在算法中采用双门限检测,进一步减弱了噪声不确定度对检测性能的影响,提高了频谱感知性能.     

基于循环谱能量的自适应频谱检测算法

根据信号循环平稳谱的特征,研究在低信噪比环境下的频谱检测问题,提出一种基于循环谱能量的自适应判决门限频谱检测算法。该算法融合能量检测与循环平稳特征检测的机理,以信号的循环谱能量为检测统计量,加权合并虚警率与检测率,准确估计循环谱特征值,构建了具有噪声自适应能力的频谱检测判决门限。仿真结果表明,该算法可以在低信噪比环境下有效地完成频谱检测,克服了噪声波动对频谱检测性能的影响,对不同调制主信号的感知具有稳健性。与最大—最小特征值算法和盲检测算法相比,该算法分别改善了信噪比4dB和8dB。     

基于二阶循环统计量的MPSK信号频偏估计算法

本文利用接收信号(为二阶周期平稳信号)的二阶循环平稳特性推导了一种开环频偏估计算法,此算法的特点为:(1)接收信号为MPSK调制信号;(2)频偏估计过程不需要训练序列;(3)适用于任何分布的加性平稳噪声(白噪声及有色噪声)。文章对提出算法的性能进行了分析,并运用蒙特卡洛(MonteCarlo)方法对算法的性能进行仿真。     

利用信号循环平稳特性提高空间谱估计测向性能

分析了信号的循环平稳特性，介绍了几种将谱相关理论用于谱估计测向的算法。研究表明，充分利用信号的循环平稳特性可以克服传统谱估计测向算法的不足，提高对信号的选择性、分辨率、过载能力、检测能力以及抑制宽带干扰和加性噪声的能力，同时还可以完成对宽带信号的一维和二维波达方向估计。     

一种基于多循环频率的韧性时延与多普勒频移联合估计算法

本文提出了一种基于分数低阶循环模糊函数的多循环频率时延与多普勒频移联合估计算法.该方法将分数低阶矩与循环平稳特性相结合,能够在SαS(Symmetric α Stable)脉冲噪声条件下检测信号的循环平稳特性.算法充分利用了信号的循环频率信息,具备较强的抑制干扰能力.仿真结果表明,在脉冲噪声和干扰环境中本文提出的算法均...     

基于负熵的语音端点检测算法

在熵的基础上,引入数学上的负熵,并提出一种基于负熵特征的语音端点检测算法.算法利用平稳噪声的长时平稳特性,并通过合理假设,从噪声幅度谱中提取隐藏的高斯随机信息,在此信息基础上应用近似负熵算法构造负熵特征.与熵特征不同处在于,对平稳噪声负熵特征值趋近于零,并且与噪声信号幅度无关,基于这两种特性可以利用噪声的先验统计信息预先设定阈值,构造鲁棒性能较高的语音端点检测算法.实验表明,即使在噪声信号类型、幅度、信噪比改变或者无法正确的获取噪声后验信息的情况下,新算法依然能够保持较高的噪声检测正确率.     

基于最小控制GARCH模型的噪声估计算法

MCRA（ Minima-Controlled Recursive Averaging ）方法是经典的噪声估计算法,然而在语音段MCRA方法存在不能对噪声功率谱进行有效更新的问题。针对这一问题,本文利用广义自回归条件异方差（ Generalized Autoregres-sive Conditional Heteroskedasticity ,GARCH）模型在时频域对噪声信号建模,在MCRA算法原理的基础上,提出了基于最小控制GARCH模型的噪声估计算法,实验结果表明,本文所提的噪声估计算法能够更为准确估计噪声功率谱,将该算法应用到语音增强中能够获得到较好的语音增强效果。     

基于改进谱减法的语音增强

针对传统谱减法具有残余音乐噪声过强,清音部分损失严重的缺点,提出了一种利用语音信号的短时平均幅度差特征（AMDF）并结合短时平均幅度（AM）的语音检测算法,在原始语音估计式中引入了参数α和β,对传统的谱减法进行改进。根据采集的真实带噪语音数据,将传统谱减法和改进的谱减法结果进行了比较分析。在研究基于改进的谱减法的语音增强算法基础上,构建了以TMS320VC5509和TLV320AIC23 Codec为核心器件的实时系统,能够有效地提高语音信噪比．信号的信噪比由12．2dB提高到了4．0dB．改善了语音质量。     

色噪声下基于白化频谱重排鲁棒主成分分析的语音增强算法

基于鲁棒主成分分析(RPCA)的单通道语音增强算法是高斯白噪声环境下语音增强的一种重要处理手段,但其对低秩语音分量处理效果欠佳且无法较好地抑制色噪声。针对此问题,该文提出一种基于白化频谱重排RPCA的改进语音增强算法(WSRRPCA),通过优化噪声白化模型,将色噪声语音增强转换成白噪声语音信号处理,利用频谱重排改进RPCA语音增强处理算法,从而获得色噪声环境下语音信号处理性能的整体提升。仿真实验表明,该算法能够较好地实现色噪声环境下的语音增强,且相对于其他算法具有更佳的噪声抑制和语音质量提升能力。     

软计算方法在自适应多速率话音激活检测中的应用研究

本文提出一种新的话音激活检测方法，该方法基于软计算理论，应用于3GPP标准化的自适应多速率语音编码算法，从剪音和噪声误判为语音概率两个方面分析其在不同背景噪声环境中的性能，仿真表明：基于客观评价方法，这种新的话音激活检测算法比ITU G．729B建议算法性能更好．     

改进的后滤波波束形成器语音增强算法

该文提出了一种具有后滤波的波束形成器的语音增强改进算法。该算法主要解决维纳滤波器的理想信号功率谱估计,结合自功率谱减法和互功率谱减法计算出尽可能多的功率谱估计值,以使平均结果更接近于真实值,同时修正了声源移动引起的互功率谱变化。实验结果信噪比提高5dB以上,汽车环境中基于隐含马尔可夫模型(HMM)的小词汇量短语识别达到84％。从信噪比、平均谱距离和语音识别率可以看出该算法有效去除了原始算法中易残留的低频噪声,减少了语音信号失真。     

一种用于3G系统中复杂背景噪声环境下的话音激活检测算法

本文讨论了一种新的应用在3G自适应多速率系统中复杂背景噪声环境下的话音激活检测算法。这种算法基于谱估计理论和周期信号检测方法,应用一个IIR滤波器组把输入窄带语音信号分面九个频带,进而估计每个频带的语音信号和背景噪声的电平,结合基音和音调检测,在区分语音和移动环境中的大多数背景噪声对表现得足够健壮,最后,基于欧洲电信标准委员会建议的3G平台对这种算法进行了仿真评估,并就其健壮性从主客观两个方面进行了分析。     

语音增强技术在MELP声码器中的应用

为了使得MELP声码器在高噪声环境下仍然获得较好的语音效果,需对含噪声语音进行语音增强。本文采用谱减法和独立分量分析相结合方法,对语音进行增强。该方法可以在不增加语音采样硬件的条件下,满足独立分量分析中观测信号的数目不少于源信号数目的约束条件。结果表明,该方法能较好的分离出噪声和语音信号,增强输入到MELP声码器中的语音信号,提高MELP声码器在高噪声环境下应用的语音效果。     

一种基于改进的谱减法的语音增强算法

为改善语音质量,提高语音识别系统的性能,提出了一种新的基于改进的谱减法的语音增强算法。新算法在所有噪声都能转化为加性高斯白噪声的基础上,依据高斯白噪声幅度谱服从瑞利分布的特点,对噪声幅度谱进行精确的估计,并采用频带方差进行端点检测以及时检出语音。仿真分析表明：该方法能够较好地抑制噪声,噪声消除效果较传统算法具有明显的提高。     

一种DCT域的语音增强改进算法

提出了一种DCT域的语音增强改进算法。该算法依据DCT域语音分量和噪声分量统计分布的不同,采用最大后验概率估计方法对语音分量进行精确估计,实现将语音信号从噪声环境中分离出来,从而有效地改善语音质量。在低信噪比条件下,该算法可以有效降噪,且增强效果较频域增强算法更好。     

一种基于线性判别分析的稳健话音检测方法

给出一种新的话音检测方法，即在SNR算法的基础上，应用线性判别分析(LDA)对语音特征参数进行降维。在大噪声环境下，该方法提高了系统的稳健性。同时将这种新的方法与基于信噪比(SNR)和基于噪声／语音统计量(N＆S STAT)的算法做了比较，实验表明该方法可以提高检测效率。