基于分形缝隙的短波突发信号暂态特征提取

对信号的暂态特征提取有利于通信电台的个体识别。针对分形维数在特征提取中存在的非普适性问题,提出了基于分形缝隙的短波突发信号暂态特征提取方法,该方法以幅度值为尺度计算缝隙值作为暂态特征,与分形维数相比,可以更有效地描述信号的暂态特性。在高斯白噪声和短波信道下进行了仿真分析,实验结果验证了缝隙值作为暂态特征的有效性。     

单一分形与多重分形轴承故障识别算法的研究

分形维是一种可以量化表征事物非线性特性的参数。本文首先介绍了单分形维数和多重分形维数。然后对采集到的高速轴承正常状态、内环及外环故障时振动信号作小波去噪处理;最后,利用编写的盒维数、关联维数及多重分形去趋势波动法算法,对去噪后的信号进行单一分形与多重分形轴承故障识别分析。结果表明:振动信号具有强多重分形特征,采用多重分形去趋势波动算法能良好识别轴承故障;对比分析可知,单一分形维在描绘非线性特征方面有局限性,多重分形在刻画动力学非线性特征方面具有一定的优点。     

基于分形特征的水声目标信号分类识别

在水声信号的研究中,应提高准确性.由于水声信号不具有严格的线性区域,过去直接对近似线性区域进行最小二乘拟合求得分形维数误差较大,不利于信号的识别.为解决上述问题,在分形布朗运动的基础上,提出采用水声目标信号近似线性区域进行了分段处理,运用最小二乘拟合求得各段的分形维数,并将各段的分形维数作为目标信号的特征矢量,进而以BP神经网络作为分类器进行目标的分类识别.实测目标的分类结果表明,上述方法提高了分形维数的稳定性,为水声目标信号的检测和识别提供良好的理论依据,并给出了具体的算法的步骤.     

基于可调Q-因子小波变换的语音增强算法

针对语音增强算法中传统的小波阈值法的局限性,提出一种基于可调Q-因子小波变换和清浊音分离的语音增强算法。首先用过零率和短时能量法判别清音和浊音;然后在可调Q-因子小波变换下,对清、浊音采用不同的阈值处理,在不同尺度上,分别结合系数能量和噪声方差得到的阈值作为清音和浊音的阈值确定准则;再利用改进的阈值函数分别处理清音和浊音的小波系数,估计出不含噪声的系数;最后进行小波逆变换,得到抑制了噪声的语音信号。对含有高斯白噪声和有色噪声的语音进行仿真实验,结果表明：与目前许多经典的去噪方法相比,该方法在去噪效果和提高语音可懂度方面均有一定的改善。     

基于分形维数的雷达信号脉内调制方式识别

分形维数是分形理论中的重要参数,其中盒维数可以描述分形信号的几何尺度信息,信息维数描述分形信号在平面空间上的分布信息。因此利用分形理论从信号中提取盒维数和信息维数作为分类特征,这种特征可包含信号幅度、频率和相位的变化规律,并集中了不同调制信号之间的差异信息。通过计算若干种常见脉内调制雷达辐射源信号的盒维数与信息维数,表明了分形维数在分类意义上是有效的特征。并由分类识别的仿真实验验证了基于分形维数进行的分类具有较高的识别率。     

基于MFCC与分形维数混合参数的语音识别

针对语音气流中具有混沌特征,而分形可以定量地分析混沌现象,故分形可用来分析语音信号。语音波形具有分形特征,将分形用于改善语音识别技术更好地表现语音的特征,避免传统的分段线性处理所产生的局限性。将传统特征参数MFCC与分形特征结合起来,组成混合参数用于语音识别。实验结论显示,基于MFCC与分形维数混合参数的语音识别方法要好于使用单一MFCC参数的语音识别方法。     

基于频域时域联合分析的语音端点检测

通过计算语音频谱上谐波基频能量,在频域上检测浊音信号。因谐波频谱是乐音的基本特征,所以这种算法可以有效地消除各种非乐音噪音信号的影响,具有较高灵敏度和准确性。根据检测到的浊音位置和基频值,利用语音信号时域短时平稳特性,在时域上应用互相关系数确定相邻基音节,进而精确检测浊音信号的起始和终止端点。根据清音频率较高的特点,先对语音信号通过二阶微分提升高频能量。应用Teager能量算子可以同时分析能量和频率变化的特点检测纯净语音信号中清音的起始和终止端点。实验研究结果表明语音端点检测算法具有较高的可靠性和精确性。     

通信中数字调制信号自动识别算法

将信号的高阶累积量作为信号的特征参数具有很好的抗噪声性能.然而,不同调制信号提取的高阶累积量参数可能相同,造成不能完全识别.针对这种情况,引进了分形理论.提出了将信号的高阶累积量和分形维数结合共同作为识别的特征参数.这种方法不仅很好的避免了高斯噪声对调制识别产生的影响,并且解决了单一的将高阶累积量作为识别的特征参数中存...     

基于相空间重构的语音特征研究

本文通过重构语音信号相空间。研究语音的相似序列重复度及其熵信息,分析比较了语音信号在相空间中的非线性特征。根据清音和浊音在多维相空间中的不同空间分布特性,对语音音素进行了分类。利用语音信号在相空间中的非线性特征可以为语音识别研究提供一个新的方向。     

相位匹配信号与混沌背景分离方法

针对混沌背景下的信号提取问题,提出了混沌噪声背景下的相位匹配噪声去除方法。它不同于以往的混沌背景下的信号提取方法,不需要相位重构对混沌进行预判估计,也不需要对信号和混沌在有限维相空间中进行几何分析。通过对混沌背景下的不同相位不同幅值的正弦信号进行分离仿真验证了本方法的有效性,通过分离度的分析表明,本方法对于弱信号的混沌背景分离效果明显,可以获得很好的去除混沌背景噪声的效果。     

一种新的VDR浊语音检测方法

针对驾驶室的低信噪比和非平稳复杂噪声环境, 根据浊语音谐波结构特性, 提出一种鲁棒的浊语音检测算法。将输入信号分帧, 检测每帧信号中与谐波对应的峰, 对连续多帧的峰进行谱跟踪, 得到一簇谱线, 这簇谱线能很好地表征浊语音的谐波特性, 并提取谱线簇的谐波特征, 进行浊语音判别。船舶驾驶环境下的浊语音检测实验表明, 该方法能够在低信噪比条件下, 从突发噪声、非平稳噪声中可靠地检测出浊语音, 表现出较强的抗噪能力和较高的准确率。     

语音清浊音分类及浊音谐波提取算法——三阶累积量基于正弦语音模型的应用

在低信噪比和非平稳噪声干扰下,语音信号的清浊音检测是语音信号处理中的一个重要研究问题。论文基于语音正弦模型,提出了一种清浊音分类和浊音谐波提取算法。该方法在分析了语音的三阶累积量谱后,用子谐波-谐波方法取得基音,并计算出谐波参数和高低频能量比值。它利用谱包络估计器得到谱包络及尖峰信号,结合最小均方估计准则下的迭代算法计算语音谐波的信噪比;通过对上面各计算结果的综合评价得出语音帧的浊音度,从而得到语音清浊音的分类和浊音谐波数。仿真结果表明,该算法在复杂噪声背景下,能有效进行语音分类,准确得到浊音度。同时该算法还具有实时性好、语音参数分析精度高的特点。     

Bark子带小波包自适应阈值语音去噪方法

为了克服低信噪比输入下,语音增强造成清音弱分量损失,导致信号重构失真的问题,提出了一种新的语音增强方法。该方法采用小波包拟合语音感知模型的临界带,按子带能量对语音清浊音分离,然后对清音和浊音信号分别作8层和4层小波包分解,在阈值计算上采用Bark子带小波包自适应节点阈值算法,在Bark子带实时跟踪噪声水平,有效保护清音中高频弱分量,减少失真。通过与传统语音增强方法的仿真对比实验,证实该方法在低信噪比输入时,具有明显优势,输出信噪比高,语音失真度低。将该方法与谱减法相结合,进行语音二次增强,能进一步提高增强语音质量。     

基于改进的小波阈值函数语音增强方法

传统的小波阈值去噪方法会造成有用语音信号的损失, 信噪比改善情况不理想. 通过分析小波去噪原理, 提出了一种改进的小波阈值函数语音增强方法. 该方法结合小波软、硬阈值函数去噪的优点, 克服了硬阈值函数的不连续及软阈值函数存在偏差的缺点. 该方法首先对清浊音信号进行判断, 接着采用变化的阈值对清浊音信号的小波系数进行不同的阈值处理. 仿真实验结果表明, 改进的方法非常适用于强噪声背景下的语音增强, 无论在保留含噪语音信号中的清音信息, 还是在信噪比改善指标上均优于传统的软阈值法、谱减法和听觉感知小波变换法.     

一种基于清浊音分离的动态阈值小波去噪方法

低信噪比下,传统的小波去噪算法会造成语音信号中有用信息的损失,从而导致去噪性能的下降。针对这一问题,提出了一种基于清浊音分离的动态阈值小波去噪方法。采用谱减法去除部分噪声,再运用短时能量法判别清浊音,有效地降低了误判率;融入了小波包分解法以保护清音部分不被损失;根据各层的分解系数来动态地确定阈值,以避免过平滑真实信号;采用了一种新的阈值函数,有效弥补了软、硬阈值函数在去噪性能上的不足。仿真结果表明,该方法能较好地提高语音信号的重构质量。     

Parametric modeling of speech by complex AM and FM signals

Complex AM and FM signal models can be used for parametric modeling of speech signals. Complex AM signal model has been found to be suitable for voiced speech phonemes, whereas complex FM signal model can be used for representation of unvoiced speech phonemes. This article explains the basic principles of parameter estimation of these two models, and presents techniques for fast on-line processing of speech data and automated model fitting.     

分形理论在语音信号处理中的应用

分形理论是描述语音信号的一个非常有效的工具,并已取得了一系列应用成果。本文叙述了分形的基本概念与基本特性。阐述了分形理论在语音分割、端点检测、语音合成、语音增强、信息隐藏、语音识别和语音预测等语音信号处理领域的应用和研究成果。最后对分形理论在语音信号处理中的应用与发展进行了展望。     

分形理论在语音信号处理中的应用

分形理论是描述语音信号的一个非常有效的工具,并已取得了一系列应用成果。本文叙述了分形的基本概念与基本特性。阐述了分形理论在语音分割、端点检测、语音合成、语音增强、信息隐藏、语音识别和语音预测等语音信号处理领域的应用和研究成果。最后对分形理论在语音信号处理中的应用与发展进行了展望。     

浊音隶属度参数及F-LBG算法

为了克服低速率声码器因清浊音硬判决、粗判决而导致解码语音有帧过渡等不自然感的缺陷,在分析比较目前主流声码器编码算法中激励参数提取和量化算法的基础上,将模糊数学中的隶属度概念引入语音子带清浊音描述中,提出了5维的浊音隶属度矢量概念,用于精细描述语音丰富的激励信息;介绍了浊音隶属度矢量的提取算法;提出了矢量量化码本的模糊聚类与LBG级联训练算法(F-LBG);用提取算法提取、建立了浊音隶属度码本的训练样本集,用F-LBG训练了浊音隶属度码本;将提取算法和F-LBG法训练得到的浊音隶属度码本分别应用于正弦激励声码器、混合激励声码器和同态声码器进行语音编、解码仿真;结果表明,用浊音隶属度矢量描述和合成语音激励信号的算法,具有较高的准确性和较强的噪声鲁棒性。