语音端点检测中能零比方法的改进

传统的基于语音信号短时能量与短时过零率之比的单参数双门限端点检测方法对高信噪比的语音信号能实现较好的检测,而在低信噪比的情况下检测正确率却很低。本文在研究了语音信号的非线性分析方法后,提出了一种改进的端点检测方法。首先,对分帧加窗后的每一帧带噪语音信号进行经验模态分解求其短时Teager能量;然后,求每一帧的短时过零率,平滑处理之后进行归一化;最后,求出短时Teager能量与归一化短时过零率之比用于端点检测。经过仿真实验证明,本文提出的改进方法能够在低信噪比的带噪环境下实现比传统能零比方法更好的端点检测效果。     

基于改进型AlexNet的LPI雷达信号识别

为了识别低截获概率(LPI)雷达信号,给出一种基于Choi-Williams分布(CWD)和改进型AlexNet网络模型。首先,利用CWD时频分析方法获得LPI雷达信号的二维时频图像;然后,对获取的原始图像进行预处理,建立改进型AlexNet网络模型对处理后的图像进行训练,获得训练模型;最后,利用训练模型对常见LPI雷达信号(FMCW,Costas,Frank,P1,P2,P3,P4)进行识别。仿真结果表明,与AlexNet网络模型相比,改进型AlexNet对LPI雷达信号识别率更高。     

信号短时分析方法在机械故障诊断中的应用

定性研究了短时能量分析法的特性,指出该方法在时域中相当于用能量法检测瞬态信号,而在频域中相当于用自相关函数法检测频谱中的周期成分。并根据方差与一步自相关系数的关系讨论了可用于分析调频的短时一步自相关函数法。给出了２种计算短时参数的快速算法,最后以振动信号分析实例验证了短时分析法的有效性。     

基于小波基函数选取与阈值法的语音去噪算法研究

小波变换是一种新的变换分析方法,它继承和发展了短时傅立叶变换局部化的思想,同时又克服了窗口大小不随频率变化等缺点,能够提供一个随频率改变的时间一频率窗口,是进行信号时频分析和处理的理想工具。通过对传统的线性滤波方法和非线性滤波方法的分析,以及对小波阈值去噪法传统阈值函数的研究,发现均存在一些缺点,因此通过对阈值函数采取改进措施来改善语音增强的效果,改进了仿真,很好的去除背景及环境中的噪音,减少语音信号的失真。     

半监督条件下基于朴素贝叶斯和Choi-Williams时频分布能量积累的雷达信号识别

针对非合作电子侦察雷达信号识别中先验信息残缺的问题,该文提出一种基于Choi-Williams时频分布(CWD)的改进半监督朴素贝叶斯的识别算法(ISNB)。首先对CWD进行降噪预处理,然后通过计算降噪后CWD不同时间下各频率采样值的积累量,从而得到CWD的能量积累量这一新特征;针对传统的半监督朴素贝叶斯(SNB)在更新训练样本集过程中会产生迭代错误的不足,通过在无标签样本集生成的置信度列表中选取置信度高的样本添加到有标签样本集中,再利用预测后的分类结果对分类器参数进行改进,进而构建改进的SNB分类器,有效解决了传统SNB算法分类精度低且分类性能不稳定的缺点。理论分析和仿真结果表明,所提方法相比于传统SNB算法均提高了3%左右;在相同信噪比下,相比于传统的主成分分析加支持向量机法,该算法具有更高的分类识别率和更好的分类性能。     

半监督条件下基于朴素贝叶斯和Choi-Williams时频分布能量积累的雷达信号识别

针对非合作电子侦察雷达信号识别中先验信息残缺的问题,该文提出一种基于Choi-Williams时频分布(CWD)的改进半监督朴素贝叶斯的识别算法(ISNB).首先对CWD进行降噪预处理,然后通过计算降噪后CWD不同时间下各频率采样值的积累量,从而得到CWD的能量积累量这一新特征;针对传统的半监督朴素贝叶斯(SNB)在更新训练样本集过程中会产生迭代错误的不足,通过在无标签样本集生成的置信度列表中选取置信度高的样本添加到有标签样本集中,再利用预测后的分类结果对分类器参数进行改进,进而构建改进的SNB分类器,有效解决了传统SNB算法分类精度低且分类性能不稳定的缺点.理论分析和仿真结果表明,所提方法相比于传统SNB算法均提高了3％左右;在相同信噪比下,相比于传统的主成分分析加支持向量机法,该算法具有更高的分类识别率和更好的分类性能.     

机载环境下的语音端点检测

由于传统的语音端点检测方法仅以信号的短时能量、过零率等简单的单一特征作为判决特征参数,这些方法在实际应用中,很多都无法满足系统的需要。针对机载环境下的带噪语音进行研究,在传统方法的基础上作了两点改进:把短时能量和过零率结合为一个特征即短时能零积,并把其和短时自相关函数结合起来作为端点检测的特征参数。对于短时自相关的门限,不是利用传统的主副峰比值,而是利用达到副峰的时间间隔作为判决门限。通过对不同信噪比的机载环境下的带噪语音进行试验仿真,发现这种方法比单一的特征参数更有优越性,效果更明显。     

短时三谱分析在通信电台个体识别中的应用

提出一种利用短时Fourier变换理论构造三谱的新方法,用类似于普通三谱的短时Fourier三谱来分析信号的局部频谱特征,推导了短时三谱的数学形式,并用短时三谱系数提取信号频率相位特征。通过仿真实验分析了窗函数及其参数的选择,并运用支撑向量机（SVM）完成信号的识别。实验结果表明,此方法与普通双谱特征相比能够更好地反应通信电台个体的细微差异,具有更强的分类能力。     

基于DSTFT的FSK信号数字解调方法仿真

本文介绍了一种利用离散短时傅里叶变换（DSTFT）来实现FSK信号解调的方法。分析了利用DSTFT解调FSK信号的可行性,设计出DSTKT解调FSK信号的算法,利用计算机仿真了整个解调过程,通过中值滤波的方法优化待判曲线,讨论了各种窗函数以及窗函数宽度对解调性能的影响。计算机仿真结果表明,该方法具有较好的解调性能。     

话音检测算法分析及其DSP实现

短时自相关检测法是检测话音信号的一种最基本的方法.本文首先引入话音短时自相关检测算法;然后提出一种话音信号检测的改进算法,即短时自相关慢速下降检测算法;最后给出该改进算法在三军协同网关电台噪声静噪中的应用,试验证明该算法是有效的.     

Nonstationarity broadening reduction in pulsed Doppler spectrummeasurements using time-frequency estimators

The spectral width of Doppler signals is used as measure of lesion-induced flow disturbance. Its estimation accuracy is compromised using the conventional short-term Fourier transform (STFT) since this method implicitly assumes signal stationarity during the signal window while the Doppler signals from arteries are markedly nonstationary. The Wigner-Ville (WVD), Choi-Williams (CWD) and Bessel distributions (BD), specifically designed for nonstationary signals, have been optimized for spectral width estimation accuracy and compared to the STFT under different signal to noise ratios using simulated Doppler signals of known time-frequency characteristics. The optimum parameter values for each method were determined as a Hanning window duration of 10 ms for the STFT, 40 ms for the WVD and CWD and 20 ms for the BD and dimensionless time-frequency smoothing constant values of five in the CWD and two in the BD. Thresholding was used to reduce the effect of cross terms and side lobes in the WVD and BD. With no added noise the WVD gave the lowest estimation error followed by the CWD. At signal-to-noise ratios (SNRs) of 10 dB and 20 dB the CWD and BD had similar errors and were markedly better than the other estimators. Overall the CWD gave the best performance     

一种改进的语音信号特征参数提取算法研究

为了提高语音信号的识别率,提出了一种改进的语音信号特征提取算法。该算法在MFCC参数的基础上,增加每帧信号的短时能量和短时过零率,使得新参数能够更为准确地表征语音信号。通过仿真实验。说明了新特征参数取得了较高的识别率。     

基于短时迭代自适应-逆Radon变换的微多普勒提取方法

对于频率交叠严重且频率成分接近的多分量信号,常用的短时傅里叶变换(Short Time Fourier Transform,STFT)和S方法(S-Method,SM)频率分辨能力不足,重构精度低.针对该问题,本文结合逆Radon变换提出了基于短时迭代自适应-逆Radon变换(Short Time Iterative Adaptive Approach-Inverse Radon Transform,STIAA-IRT)的微多普勒特征提取方法.首先采用基于加权迭代自适应的STIAA时频分析方法分析了散射点模型的微多普勒特性,然后利用逆Radon变换分离重构不同散射点的微多普勒分量.该方法在低信噪比、邻近时频分布情况下能获得高分辨的多分量信号的完整微多普勒信息,性能分析显示STIAA-IRT重构精度较高,明显优于STFT-IRT (Short Time Fourier Transform-Inverse Radon Transform)和SM-IRT (S-Method-Inverse Radon Transform)特征提取方法.     

基于短时分析的数字调制信号识别方法的研究

研究了一种新的数字调制信号识别方法。该方法用短时分析提取数字调制信号在幅度、频率和相位随时间变化的特征，并利用这些特征对各种数字调制信号进行识别。在加性高斯白噪声条件下给出了相应的最佳阈值，并通过仿真研究了该识别方法的性能。仿真结果表明该方法对噪声不敏感，在SNR为OdB时仍能获得90％以上的正确识别率。     

基于局部多项式傅里叶变换的语音盲源分离

频域的语音信号盲源分离多采用短时傅里叶变换以及Wigner-Ville分布(WVD)求信号的功率谱,而短时傅里叶变换对于多分量信号的频率分辨率受窗函数影响很大,WVD是一种非线性时频变换,处理多分量信号受交叉项影响很大。局部多项式傅里叶变换(LPFT)不仅提高了频率估计精度而且大大减少了时频分布中交叉项的影响。将语音信号表示为多分量的多项式相位信号,对语音信号作二阶LPFT,求得其局部多项式傅里叶变换谱(LPP),并构造时频矩阵,采用联合近似对角化算法求得能使信号功率谱矩阵近似对角化的一个酉矩阵,通过信号的白化以及酉矩阵来估计源信号,有效地分离出了原始信号。仿真结果表明,在噪声环境下可以将两个不同的语音信号进行分离。     

基于短时傅里叶变换测向技术

针对传统测向算法对短时信号测向性能差的问题,提出了一种基于短时傅里叶变换(Short-time Fourier Transform,STFT)的频域处理与信号功率门限的自动判决相结合的测向技术,在除去干扰信号的同时提取目标信号的有效信息,然后利用测向算法进行测向。给出了该算法的具体实现过程,并对算法进行了仿真分析,验证其可行性,同时给出了仿真结果并指出了算法的优点与不足。     

高脉冲噪声坏境中双门限法语音端点检测研究

语音端点检测是对有效语音段的识别关键技术,准确的端点检测使语音信号的后续处理计算量减少,有效地节约资源。现在多数语音端点检测技术例如能频值、谱熵、小波能量熵变换等都能准确检测出有效的语音段。文中介绍了一种双门限端点检测法,即利用短时平均过零率和短时平均能量法进行双门限检测,再设置一个最短时间门限,有效地在高脉冲噪声环境中准确识别汉语发音。通过与其他方法对比实验,文中双门限技术在短时高脉冲噪声环境下能有效提高语音识别率。仿真结果表明,端点检测正确率达93%。     

A resolution comparison of several time-frequency representations

Two signal components are considered resolved in a time-frequency representation when two distinct peaks can be observed. The time-frequency resolution limit of two Gaussian components, alike except for their time and frequency centers, is determined for the Wigner distribution, the pseudo-Wigner distribution, the smoother Wigner distribution, the squared magnitude of the short-time Fourier transform, and the Choi-Williams distribution. The relative performance of the various distributions depends on the signal. The pseudo-Wigner distribution is best for signals of this class with only one frequency component at any one time, the Choi-Williams distribution is most attractive for signals in which all components have constant frequency content, and the matched filter short-time Fourier transform is best for signal components with significant frequency modulation. A relationship between the short-time Fourier transform and the cross-Wigner distribution is used to argue that, with a properly chosen window, the short-time Fourier transform of the cross-Wigner distribution must provide better signal component separation that the Wigner distribution     

基于短时自相关及过零率的语音端点检测算法

传统的基于短时能量端点检测算法,在高信噪比环境下可以比较准确地检测出语音端点,但在低信噪比环境下检测效果不理想。文中提出了基于短时自相关最大值与短时过零率之积的改进算法。利用短时自相关最大值可以有效地区分出语音段和噪音段,利用短时过零率可有效地检测出清音信号,将两参数相结合可有效地检测出低信噪比语音信号的端点。实验证明,在低信噪比环境下该改进算法相比短时能量算法减小了检测误差,可以有效地检测出语音端点。