基于DST的实值离散Gabor变换

Gabor变换已被公认为是通信和信号处理中信号与图像表示的最好的方法之一,一直以来对Gabor变换的研究和应用实际上是基于Fourier变换的复值Gabor变换,因此这里对实值Gabor变换进行了研究。采用双正交分析方法,定义了一种基于离散正弦变换(DST)的实值离散Gabor变换(RDGT),该变换不仅适用于临界抽样条件而且适用于过抽样条件,并证明了变换的完备性条件(即该变换中综合窗与分析窗的双正交条件),该实验结果也验证了变换的完备性。针对实值信号,该变换由于仅涉及实值运算,并可利用快速DSTI、DST算法来加速变换,因此比传统复值离散Gabor变换在计算、实现方面更为简单。在实际应用中,将更方便于软件和硬件的实现。     

基于DST的实值离散Gabor变换

Gabor变换已被公认为是通信和信号处理中信号与图像表示的最好的方法之一,一直以来对Gabor变换的研究和应用实际上是基于Fourier变换的复值Gabor变换,因此这里对实值Gabor变换进行了研究.采用双正交分析方法,定义了一种基于离散正弦变换(DST)的实值离散Gabor变换(RDGT),该变换不仅适用于临界抽样条件而且适用于过抽样条件,并证明了变换的完备性条件(即该变换中综合窗与分析窗的双正交条件),该实验结果也验证了变换的完备性.针对实值信号,该变换由于仅涉及实值运算,并可利用快速DST、IDST算法来加速变换,因此比传统复值离散Gabor变换在计算、实现方面更为简单.在实际应用中,将更方便于软件和硬件的实现.     

实值离散Gabor变换用于雷达信号的表示

针对雷达在检测弱目标能力的不足,基于雷达信号与噪声的实际模型,为构建基于实值离散Gabor变换的移动目标检测系统(MTD),提出了一种基于实值离散Gabor变换(RDGT)的快速的雷达信号Gabor表示算法.基于DCT的实值离散Gabor变换是一种重要的联合时频域分析工具,文中采用基于DCT的实值离散Gabor变换的算法对雷达信号进行Gabor域表示,并给出了一些仿真实验来验证算法的有效性.仿真结果表明该算法能够将被白噪声污染的不同多普勒频率不同到达时间的雷达目标回波信号在联合时频域中进行有效地区分.     

基于多高斯窗的实值离散Gabor变换

传统的单窗复值离散Gabor变换具有固定的时频分辨率,由于受窗函数时宽-带宽之间的制约关系,即不确定性原理限制,其时间分辨率和频率分辨率是矛盾的关系。为了改善传统离散Gabor变换时频分辨率并加快其变换速度,提出了一种基于多高斯窗的实值离散Gabor变换,实验结果表明能有效改善联合时频域内的聚集性,从而提供了一种快捷地计算非平稳信号进化谱方法。     

实值离散Gabor变换窗函数的快速求解方法

为了有效地实现实值离散Gabor变换,给出了一种基于DHT的实值离散Gabor变换窗函数的快速求解方法。该方法利用Hartley函数的正交性将原求解窗函数的双正交条件式简化,将原求解方程组分解成若干独立的子方程组,从而节省了大量的计算量,加快了求解速度。文中还给出了实验做比较,验证了方法的有效性和在计算时间方面的优越性。     

拉普拉斯分布下的MMSE谱减语音增强算法

针对基于高斯分布的谱减语音增强算法,增强语音出现噪声残留和语音失真的问题,提出了基于拉普拉斯分布的最小均方误差（MMSE）谱减算法。首先,对原始带噪语音信号进行分帧、加窗处理,并对处理后每帧的信号进行傅里叶变换,得到短时语音的离散傅里叶变换（DFT）系数;然后,通过计算每一帧的对数谱能量及谱平坦度,进行噪声帧检测,更新噪声估计;其次,基于语音DFT系数服从拉普拉斯分布的假设,在最小均方误差准则下,求解最佳谱减系数,使用该系数进行谱减,得到增强信号谱;最后,对增强信号谱进行傅里叶逆变换、组帧,得到增强语音。实验结果表明,使用所提算法增强的语音信噪比（SNR）平均提高了4.3 dB,与过减法相比,有2 dB的提升;在语音质量感知评估（PESQ）得分方面,与过减法相比,所提算法平均得分有10%的提高。该算法有更好的噪声抑制能力和较小的语音失真,在SNR和PESQ评价标准上有较大提升。     

基于辅助双正交的实值离散多Gabor变换

为了改善传统离散Gabor变换的时频分辨率,降低离散Gabor变换计算的复杂性,提出了一种基于多高斯窗的实值离散Gabor变换分析窗的快速求解算法。对多高斯窗下离散Gabor变换双正交关系式进行了简化,给出了分析窗组的代数方程表达式。该算法相对于多高斯Gabor展开的计算复杂度明显降低,仿真实验的结果也证明了该算法的有效性。     

小波包分解下的多窗谱估计语音增强算法

传统谱减法是基于短时傅里叶变换的单一分辨率算法,具有较大方差。为此,提出一种基于小波包分解下的多窗谱估计语音增强算法。将含噪语音在小波包下分解成不同频段,在不同频段下进行多窗谱谱减运算,并逐一进行小波包重构,以得到去噪后的语音信号。仿真结果表明,该算法能提高含噪语音的信噪比,降低语言失真度。     

基于多窗谱估计的改进维纳滤波语音增强

为减少维纳滤波在语音增强中残留的"音乐噪声",将多窗谱估计和改进的维纳滤波方法结合,并进行语音合成。设计了基于多窗谱估计的改进维纳滤波语音增强方法,该方法采用多窗谱估计噪声功率谱,改进维纳滤波降噪得到增强语音,以及重叠相加语音合成,并给出仿真对比验证。结果表明,基于多窗谱估计的改进维纳滤波方法在抑制噪声,减少音乐噪声方面优于基于维纳滤波的增强算法和基于多窗谱估计的改进谱减法的增强算法。     

基于噪声估计的二值掩蔽语音增强算法

针对现有的助听器语音增强算法在非平稳噪声环境下,残留大量背景噪声的同时还引入了“音乐噪声”,致使增强语音可懂度和信噪比不理想等问题。提出了一种基于噪声估计的二值掩蔽语音增强算法,该算法利用人耳听觉感知理论,结合人耳的听觉特性和耳蜗的工作机理。采用最小值控制递归平均（Minima-Controlled Recursive Averaging,MCRA）算法获得估计噪声和初步增强语音;将估计噪声和初步增强语音分别通过可以模拟人工耳蜗模型的gammatone滤波器组进行滤波处理,得到各自的时频表示形式;利用人耳的听觉掩蔽特性,计算含噪语音在时频域的二值掩蔽;利用二值掩蔽得到增强语音。实验结果表明：该算法很大程度上去除了谱减法引入的“音乐噪声”,与基于MCRA谱减法相比,增强语音的语言可懂度指数（Speech Intelligibility Index,SII）、主观语音质量评估（Perceptual Evaluation of Speech Quality,PESQ）和信噪比（Signal to Noise Ratio,SNR）都得到了提高。     

一种改进的基于谱熵的语音端点检测技术

论文提出了基于时频谱减增强和谱熵的语音端点检测算法。算法对带噪语音在频域利用谱减法去除宽带加性噪声,在时域去除由谱减带来的残差噪声从而对语音进行了增强。对增强后的语音利用谱熵特征进行端点检测。实验结果表明,此算法快速有效,具有较强的抗噪能力,特别适合低信噪比的语音端点检测。     

一种基于仿生小波变换的语音增强方法

提出了一种新的基于仿生小波变换的语音增强方法。该方法通过对仿生小波变换系数进行阈值处理,从而达到语音增强的目的。实验结果表明：该方法在四种实际噪声环境下均优于一些经典方法如：谱减法、维纳滤波和基于离散小波变换的阈值去噪方法,具有更好的语音增强效果。     

多抽样率Gabor变换并行算法的FPGA仿真和设计

Gabor变换在信号处理领域被公认为十分有效的时频分析方法,然而却因为Gabor变换算法具有较高的计算复杂性而限制了其实时应用,最近提出的基于多抽样率滤波实现离散Gabor变换的并行算法可很好地解决实时应用问题。讨论用FPGA来实现多抽样率Gabor变换并行算法的仿真,并运用Quartus II 9.0和modelsim等软件以及Verilog硬件描述语言来辅助设计。     

Noise reduction in biomedical speech signal processing based on time and frequency Kalman filtering combined with spectral subtraction

The goal of this paper is to study and propose a new technique for noise reduction used during the reconstruction of speech signals, particularly for biomedical applications. The proposed method is based on Kalman filtering in the time domain combined with spectral subtraction. Comparison with discrete Kalman filter in the frequency domain shows better performance of the proposed technique. The performance is evaluated by using the segmental signal-to-noise ratio and the Itakura-Saito’s distance. Results have shown that Kalman’s filter in time combined with spectral subtraction is more robust and efficient, improving the Itakura-Saito’s distance by up to four times.     

基于谱减法的听觉模拟的语音增强

提出了一种适于低信噪比下的语音增强算法。该算法以传统的谱减法为基础,所用减参数是根据人耳听觉掩蔽效应提出的且是自适应的。对该算法进行了客观和主观测试,结果表明:相对于传统的谱减法,该算法能更好地抑制残留噪声和背景噪声,特别是对低信噪比的语音信号。     

基于Hilbert-Huang变换的语音增强技术研究

提出了一种基于Hilbert-Huang变换的语音增强方法。首先利用经验模态分解方法（Empirical Mode Decomposition,EMD）,选择合适的固有模态函数对含噪语音进行初步降噪,然后根据信噪比分别确定过减因子进行谱减运算。实验结果表明,与传统的谱减法相比,该方法的输出信噪比提高了5 dB以上,尤其在非稳定噪声条件下,输出性能有更为明显的改善。经Hilbert-Huang变换后得到的特征量能较为有效地描述语音信号的非线性以及非平稳特性。     

基于多抽样率滤波实现离散Gabor展开与变换的快速并行算法

Gabor变换在信号处理领域一直被认为是一十分有用的时频分析工具,却因Gabor变换算法的高计算复杂性而限制了其实时应用.本文基于多抽样率滤波原理,设计了分析和综合滤波器组分别用于实现离散Gabor变换与展开,从而提出了全新的离散Gabor展开与变换快速并行算法.所设计的分析和综合滤波器组中的每一并行通道具有一致的结构并能够利用快速Fourier变换(FFT)及其逆变换(IFFT)减小计算量.每一并行通道计算复杂性非常小,只取决于输入离散信号的长度及Gabor频率抽样点数,并且每一并行通道计算复杂性不会随Gabor变换过抽样率增加而增大.本文对所提出的并行算法的计算复杂性进行了分析并与目前主要的离散Gabor展开与变换并行算法进行了比较,结果表明所提出基于多抽样率滤波实现离散Gabor展开与变换的并行算法对实时信号处理十分有利.     

基于RefineNet的端到端语音增强方法

为提高神经网络对语音信号时域波形的直接处理能力,提出了一种基于RefineNet的端到端语音增强方法.本文构建了一个时频分析神经网络,模拟语音信号处理中的短时傅里叶变换,利用RefineNet网络学习含噪语音到纯净语音的特征映射.在模型训练阶段,用多目标联合优化的训练策略将语音增强的评价指标短时客观可懂度(Short-time objective intelligibility,STOI)与信源失真比(Source to distortion ratio,SDR)融入到训练的损失函数.在与具有代表性的传统方法和端到端的深度学习方法的对比实验中,本文提出的算法在客观评价指标上均取得了最好的增强效果,并且在未知噪声和低信噪比条件下表现出更好的抗噪性.