功率谱估计及其MATLAB仿真

从介绍功率谱的估计原理入手分析了经典谱估计和现代谱估计两类估计方法的原理、各自特点及在Matlab中的实现方法。     

AR模型功率谱估计及Matlab实现

功率谱估计是分析随机信号的一种重要方法,是信息学科的研究热点。文章介绍了现代功率谱估计中AR模型参数的几种典型求解算法,并借助MATLAB平台对各种算法的功率谱进行仿真。     

一种改进的最小统计噪声功率谱估计算法

噪声功率谱估计是语音增强系统中的一个重要部分。基于Martin提出的最小统计噪声功率谱估计算法（MS）提出了一种改进的噪声功率谱估计算法。实验结果表明算法能够较好跟踪噪声谱的变化,提高噪声功率谱估计的准确性,改善增强后语音的质量。     

Matlab在现代功率谱估计中的应用

介绍几种典型的现代功率谱估计模型的公式表达．并用Matlab实现功率谱估计的方法。     

改进周期图法功率谱估计中的窗函数仿真分析

周期图法是功率谱估计的一种基本方法,但该方法不满足一致性估计条件,谱估计的分辨力和方差都很难满足实际应用需要.因此采用其改进方法(即Welch法)估计信号功率谱,并结合该方法对四种典型窗函数的谱估计性能进行了具体的仿真,就其中的频率分辨率、采样信号的数据长度与窗函数的特性等因素之间的关系,进行了详细的讨论,重点分析了窗函数对谱估计的影响,指出了它们的优缺点,得出了不同数据类型与估计方式下的功率谱标准方差的均值.最后,根据实验结果并结合窗函数的评价指标,指出了选取合适的窗函数应注意的一般原则,具有一定的实际指导意义.     

1 1/2三维谱估计在直升机声信号特征提取中的应用

提出一种基于11/2维谱估计的直升机声信号低频线谱特征提取方法.11/2维谱是高阶谱的一个特例,它具有几个特殊的性质,这些性质使其能抑制高斯噪声、加强谐波信号基频分量以及剔除非二次相位耦舍的谐波分量,因此在处理线谱估计问题时11/2维谱估计要比传统的功率谱估计方法具有更好的性能;同时与双谱估计等常用的高阶谱估计方法相比,11/2维谱估计大大简化了计算.通过对实测直升机噪声数据进行仿真,结果证明,将11/2维谱估计用于直升机声信号的特征提取可行、有效.     

Kalman滤波在Yule-Walker谱估计中的应用

在现代谱估计中,由于Yule-Walker沃克谱估计算法中平稳随机序列的长度n在某些情况下偏小,使计算出的ARMA随机过程的功率谱密度不能精确逼近真实值,所以我们在用自相关法估计AR模型参数时加入了kalman滤波器。将估计的AR模型系数及高斯白噪声作为滤波器的输入及部分参数,对最终估计的功率谱进行修正。实验结果表明,...     

基于有限长序列分析的Welch法谱估计研究

研究功率谱估计,为提高谱的性能,Welch法是经典谱估计中性能较好且在实践中得到广泛应用的方法.通过分析影响有限长序列傅里叶变换性能的因素(包括离散傅里叶变换的长度和窗函数类型及其长度),根据上述因素对Welch法谱估计性能的影响,得到参数选择的一般原则,为实验参数选择提供依据.用仿真信号以及实际语音信号进行仿真分析,实验结果表明,Welch参数选择方法可以得到较理想的谱估计性能.     

改进相位谱补偿的语音增强方法

针对传统单通道语音增强方法中用带噪语音相位代替纯净语音相位重建时域信号，使得语音主观感知质量改善受限的情况，提出了一种改进相位谱补偿的语音增强算法。该算法提出了基于每帧语音输入信噪比的Sigmoid型相位谱补偿函数，能够根据噪声的变化来灵活地对带噪语音的相位谱进行补偿；结合改进DD的先验信噪比估计与语音存在概率算法（SPP）来估计噪声功率谱；在维纳滤波中结合新的语音存在概率噪声功率谱估计与相位谱补偿来提高语音的增强效果。相比传统相位谱补偿（PSC）算法而言，改进算法可以有效抑制音频信号中的各类噪声，同时增强语音信号感知质量，提升语音的可懂度。     

基于隐马尔可夫模型的非监督噪声功率谱估计

噪声功率谱估计是语音增强算法的基本组成部分,传统算法大多采用启发式的估计方法,因而不能保证噪声估计值的统计最优。提出了一种基于极大似然的非监督噪声功率谱估计方法,采用隐马尔可夫模型(Hidden Markov model, HMM）在每个子带建立语音和非语音对数功率谱的统计模型,模型包含语音和非语音两个高斯分量,其中非语音高斯分量的均值表示噪声功率谱估计值,根据最大期望（Expectation maximization, EM)算法得到包括噪声均值在内的HMM参数集。针对语音信号可能出现的长时缺失,对HMM引入了一些约束条件,保证了模型的稳定性。实验表明,该方法获得的极大似然噪声估计优于基于启发式的经典方法获得的噪声估计。     

基于FPGA的测风激光雷达功率谱估计系统设计

为了从测风激光雷达回波信号中获il取i大气径i向风速信息，本文设计了一套基于FPGA的测风激光雷达功率谱估计系统。系统采用14位250MSPS的AD芯片进行高速采样，以X部触发、数据存储、功率谱估计以及数据通信等系列功能。通过对系统进行功能仿真和实验验证，对比分析出其功率谱估计与MATLAB计算结果最大相对误差在10-4量级，验证了本系统设计的正确性和可靠性。     

基于谱估计的飞行目标声特征提取方法

目标噪声特征分析和提取是目标分类器设计的关键技术.本文针对战场目标声识别,着重研究了基于Welch功率谱估计的特征分析方法,并将其应用于飞机、直升机、坦克、汽车等战场目标的声信号处理中.通过分析得出不同类型目标的谱特征,以此达到对战场目标类型进行分类识别的目的.通过实验验证了该方法具有较好的分类效果.     

随机振动多窗口谱分析法模型建立及统计分析

针对随机振动中谱估计算法,分析了周期图估计算法对噪声系列的功率谱相关系数及加窗造成的信息损失,在此基础上分析了由直接谱估计算法构建的多窗口谱分析法,建立了其噪声模型,推导了估计方差减小与参与运算的窗口数的关系。针对白噪声序列,得到MTSA估计器避免加窗而造成信息损失时窗口数与信号序列的关系,最后推出了MTSA估计器的统计特征。     

基于约束方差的噪声谱估计算法

为了进一步提高非平稳环境下噪声估计的准确性,提出了一种基于约束方差的噪声谱估计算法,通过约束方差计算得出平滑参数,对噪声功率谱进行估计。实验结果表明,相对于其他三种算法,该算法能较低时延地跟踪背景噪声的轨迹,且它的噪声谱估计均方误差较小,在非平稳噪声及噪声突变环境下尤为明显。     

用于自动语音识别系统的切换语音功率谱估计算法

针对语音识别系统在噪声环境下不能保持很好鲁棒性的问题,提出了一种切换语音功率谱估计算法。该算法假设语音的幅度谱服从Chi分布,提出了一种改进的基于最小均方误差（MMSE）的语音功率谱估计算法。然后,结合语音存在的概率（SPP）,推导出改进的基于语音存在概率的MMSE估计器。接下来,将改进的MSME估计器与传统的维纳滤波器结合。在噪声干扰比较大时,使用改进的MMSE估计器来估计纯净语音的功率谱,当噪声干扰较小时,改用传统的维纳滤波器以减少计算量,最终得到用于识别系统的切换语音功率谱估计算法。实验结果表明,所提算法相比传统的瑞利分布下的MMSE估计器在各种噪声的情况下识别率平均提高在8个百分点左右,在去除噪声干扰、提高识别系统鲁棒性的同时,减小了语音识别系统的功耗。     

现代谱估计在飞行器仿真模型验证中的应用

仿真模型的正确与否决定着仿真的精度和置信度，而仿真模型验证是保证仿真模型正确的有效手段。现代谱估计方法对窗口以外的行为进行合理假设，克服了古典谱估计方法的缺点，相对于古典谱估计方法有优势。重点介绍了最大熵谱估计方法的基本原理以及在飞行器仿真模型验证中的应用，并举例予以说明。     

基于改进谱平滑策略的IMCRA算法及其语音增强

噪声谱估计算法在单通道语音增强方法中起着重要作用,为了改善噪声谱估计算法对噪声的估计和更新能力,结合最小统计（MS）算法,对改进的基于控制的递归平均（IMCRA）噪声谱估计算法的递归平均参数进行改进,并用一阶递归的方式对平滑功率谱的最小值进行改进。采用谱减法对含噪语音信号作去噪处理,从客观和主观两方面对不同算法的性能进行评价,对比分析不同噪声不同信噪比下增强前后语音的分段信噪比（segSNR）、PESQ得分、MOS得分。实验结果表明,提出的方法能够更好地跟踪噪声信号变化,改善语音质量。     

基于小波分解的鼾音信号功率谱估计方法研究

为对鼾音信号进行有效地功率谱估计,同时精确研究鼾音和阻塞位置的关系,提出了基于小波分解的鼾音功率谱估计方法.首先将鼾音信号进行小波分解,然后对提取的三个子带信号分别采用Welch法、多窗谱法、基于AR模型的自相关法和Burg法进行功率谱估计,最后分析了不同阻塞位置的鼾音功率谱估计特点.仿真结果表明,基于小波分解Welc...     

基于在体植入电极的生物嗅觉传感系统设计及其气味识别

目前生物嗅觉系统在气味识别方面相比于化学传感器阵列构成的电子鼻系统具有更高的灵敏度、特异性和响应速度。为了探讨生物嗅觉传感系统气味识别的可行性,构建了基于微电极阵列传感器植入大鼠嗅球构成的嗅觉传感系统,研究记录了浓度为10 mM的异丁醇、苯甲醚、香芹酮和柠檬醛4种气味刺激引起的嗅球僧帽层低频场电位信号,采用多窗谱估计算法和移动窗技术结合得到随时间分布的功率谱密度图。实验结果发现气味刺激后信号功率谱能量较多分布在gamma频段(40 Hz～120 Hz)。使用K最邻近分类方法对120组数据进行分类识别,4种气味分类正确率达到77.4%。实验结果表明该嗅觉传感系统结合多窗谱估计时频图与K最邻近分类算法可以初步实现气味识别。     

信号能量聚点与特征提取方法研究

为了在特征提取中充分利用信号的真实特征信息，定义了刻画信号能量分布的A水平能量聚点的概念，并进行了简要分析。根据目标信号功率分布的特点，首先对目标信号进行小波阈值消噪以突出其能量分布的特征信息，然后对消噪后的信号作功率谱估计并计算功率谱信号的A水平能量聚点，以能量聚点各A水平的频率区间作为特征量，对目标信号进行特征提取。通过对水压场信号的仿真计算，采用模糊聚类的方法对提取的信号特征量作聚类分析，对特征量的有效性进行了检验。计算结果表明，在较低信噪比条件下，信号A水平能量聚点特征量模型能够反映出真实的目标特征；采用所给出的特征提取方法，达到了目标信号检测准确率高、虚警率低的效果。