在超声检测中使用DSP实现最大熵谱估计

最大熵谱估计法与传统的谱估计法比较具有高分辨率、谱线平滑、适用于短数据序列等优点,但是分辨率越高计算的工作量就越大,为了解决分辨率和计算速度二者的矛盾,本文在粘接质量超声检测中使用DSP实现最大熵谱估计,在保证高分辨率的情况下有效地提高了处理速度.     

最大熵谱估计及DSP实现

最大熵谱估计法与传统的谱估计法比较具有高分辨率、谱线平滑、适用于短数据序列等优点,但是分辨率越高计算的工作量就越大,为了解决分辨率和计算速度二者的矛盾,本文利用高速DSP实现最大熵谱估计算法,在保证高分辨率的情况下有效地提高了处理速度.     

强背景噪声下语音端点检测的算法研究

多带谱熵法对语音频段进行分带处理形成新的分带谱熵函数,在低信噪比时,该方法能够更好地检测出语音,还能体现能量分布情况,应用较为广泛。多窗谱分析方法对同一数据序列用多个正交的数据窗分别求直接谱,是一种低方差、高分辨率的谱分析方法,尤其适合非线性系统中高噪声背景下弱信号、时频演变信号的分析。提出基于多窗谱及多带谱相结合的语音检测方法,仿真结果表明：改进算法较其他算法占有绝对的优势,而且性能稳定。     

低信噪比环境下子带能熵比端点检测算法

语音端点检测是将采集到的语音信号从复杂的噪声背景中提取出来，确定每段语音的开始和结束，是后续处理的基础。对于语音端点检测在低信噪比的复杂噪声环境下准确率低的问题，提出了一种多窗谱估计减噪和子带能熵比法结合的语音端点检测算法。该算法通过改进多窗谱谱减法对语音信号进行减噪，在分析了常规谱熵端点检测算法的基础上结合对数能量，以改进的子带能熵比作为阈值进行端点检测。实验表明，该算法在不同环境的低信噪环境下，准确率高，具有较高的鲁棒性。     

互功率谱参数谱估计的矩估计方法

互功率谱估计量谱估计领域里一个重霜分支。传统的互谱估计由于存在着谱估计方差大，谱分辨率低，谱窗泄漏及频率混叠等诸多弊病而极大地限制了它的应用，针对这一问题，本文首先从理论上证明了互相关函数的Ｙｕｌｅ－Ｗａｌｋｅｒ方程，并在此基础上提出了互功率谱的矩估计方法，文中还给出该方法的仿真实验结果。     

多窗谱估计的语音增强减法研究

多带谱熵不仅能体现和谱熵一样的频率特性,还能体现能量的分布情况,因此在进语音检测时更趋向于采用多带谱熵估计。通过仿真,证明多带谱熵估计在非平稳信号检测中相比于谱熵估计的优越性,确定适合坦克环境的多带谱熵噪声估计算法。结合多带谱熵估计、相关加权、分帧相减等理论,提出一种以多窗谱估计为基础的改进的语音增强算法。仿真结果表明,提出的算法不仅能更好地抑制背景噪声和音乐噪声,而且还较好地保持了语音的可懂度和自然度。     

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.     

脑电信号的分析和监测

通过对脑电信号时频均谱熵的分析,研究用于描述临床手术麻醉深度的实时监测参数。随机采集33例麻醉状态下脑电信号序列,分析其时频均谱熵变化趋势,判断病人的神经活动状态。实验结果显示,脑电信号的时频均谱熵值随着麻醉深度的增加而减少,当肌电熵值接近零时,病人进入麻醉状态。表明时频均谱熵算法简单、计算所需数据序列短、抗干扰强,采用时频均谱熵对脑电信号进行分析,可为临床麻醉深度监测提供一种实时的方法。     

基于加权门限谱熵的改进端点检测方法

为了进行有效的语音信号处理,降低语音信号的冗余度,通常采用端点检测技术来提取语音信号中的有效部分。而传统谱熵端点检测算法由于判定门限为固定值,其在低信噪比条件下检测性能急剧下降,提出了一种基于动态加权门限的检测方法,对每个判定的噪音帧的谱熵与无声段噪音谱熵进行加权平均,得到新的噪音谱熵作为更新后的门限值;在判定过程中引入谱减法提高信噪比,进一步降低噪声干扰。仿真实验结果证明,相对于传统谱熵端点检测方法,该方法在低信噪比的条件下仍然能够更为准确地检测到语音的端点。     

现代谱估计方法在仿真可信性研究中的应用

仿真可信性研究是仿真研究的重要组成部分,其主要工作包括模型的验证、确认和认定（ＶＶ＆Ａ）。谱分析方法是研究仿真可信性的定量方法,适合于对系统动态性能进行分析,是一种统计检验方法,且可信度较高。特别是现代谱估计方法,既有高分辨率,又可以分析非平稳时间序列,具有广泛的应用。该文分别分析了傅立叶谱估计、最大熵谱估计、交叉谱估计、瞬时谱估计、演变谱估计等的统计特性、应用特点和适用范围。