基于MMSE和小波变换的语音增强算法

提出一种最小均方误差与小波变换相结合的改进算法来提高语音识别系统的性能. 首先通过小波变换对带噪语音进行多尺度分解, 然后对不同尺度的小波系数采用MMSE算法, 最后对MMSE处理过的小波系数进行重构得到增强语音. 实验结果表明: 与传统算法相比较, 提出的新算法去噪效果显著, 有效地提高了语音的质量.     

基于最优平滑和统计最小的语音增强

针对传统最优平滑和统计最小的噪声估计方法存在较大搜索延时的缺点，提出了反向搜索噪声估计算法，从而在不需要语音活性检测的基础上有效地解决了搜索延时问题，并且运用反向搜索噪声估计器构造了新的语音增强系统．实验结果显示，该系统使语音得到进一步的增强，而且提高了噪声估计的精确度，具有一定的实用价值．     

回归系数的Bayes估计与最小二乘估计的相对效率

考察在错误指定在先验假定下的回归系数的Bayes估计（BE），并将其与最小二乘估计（LSE）进行比较，对BE与LSE的两种新的相对效率导出了它们的上下界。     

基于改进阈值的小波域语音增强算法

提出了一种基于改进阈值的小波域语音增强算法.在阈值函数中引入参数,通过调整参数以获得较优的小波系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间.利用改进阈值对染噪语音的小波系数进行阈值处理,达到了语音增强的目的.实验结果表明,该方法在抑制白噪声的同时减少了语音信息的损失,较硬阈值与软阈值的小波域语音增强方法相比,增强语音的信噪比、均方误差等性能均有明显的提高.     

相依回归系统的主成分改进估计

对两个相依方程组成的回归系统,当设计矩阵呈病态时,提出了回归系数的一个主成分估计β_1**(k)及其相应的两步估计β_1**(k,T),并在均方误差意义下研究了它们的优良性质。     

回归系数估计的渐近分析

讨论正态线性模型回归系数的一种非线性有偏估计，给出了它的偏差及其均方误差的渐近展开式，在均方误差意义下，得到了该估计优于最小二乘估计的渐近充要条件。     

基于自适应预测滤波理论的模数转换器设计方法

基于自适应差分量化理论，提出了在不增加转换位数的情况下提高模数转换器(ADC)动态范围的一种设计方法。该方法通过量化输入与预测的差值来获得预测增益，从而扩大ADC的动态范围；通过差分量化值与预测值相加得到输出信号，并将该分别采用LMS和RLS算法进行处理．得到输入信号的预测值．计算机模拟结果证实，上述两种算法均能使模数转换器的动态范围提高约25dB．比较而言，RLS算法收敛速度更快，收敛性更好，但计算量较大．     

随机截断下PL 估计的强表示式以及密度函数的核估计

本文在随机左截断情形下, 研究了分布函数的乘积限估计(PL 估计) Fn 的一致强表示式, 对文献[ 4] 给出的强表示式的误差项的阶加以改进, 并用此强表示式研究了核密度估计fn(x)的渐近性质.对于渐 近最优窗宽的选择以及MSE 的阶, 得到与完全样本下相同的结果.     

基于沃尔什-哈达玛变换和信噪比的自适应音频盲水印算法

针对加性水印中嵌入强度因子的自适应问题进行了研究,提出了一个基于信噪比的自适应音频水印算法.该算法在保证听觉质量的同时,利用信噪比自适应地调节嵌入强度因子,并将水印信号嵌入到音频数据经沃尔什-哈达玛变换后的低频系数中,水印检测时不需要原始音频信号参与.仿真实验结果表明该算法对诸如加噪、滤波、重量化、重采样和MP3压缩等常规信号处理具有较强的鲁棒性,可用于音频数据的版权保护.     

条件密度双重核估计的积分均方误差的中心极限定理

条件密度函数f(y|x)的双重核估计的积分均方误差为在适当条件下,本文讨论了I_n的渐近正态性。