一种低信噪比环境下的语音端点检测算法

端点检测技术是语音信号处理的关键技术之一，为提高低信噪比环境下端点检测的准确率和稳健性，提出了一种非平稳噪声抑制和调制域谱减结合功率归一化倒谱距离的端点检测算法。该算法首先通过抑制非平稳噪声再采用调制域谱减消除残余噪声来提升信噪比，减少语音失真。然后再提取每帧信号的功率归一化倒谱系数，计算每帧信号与背景噪声的功率归一化倒谱距离。最后将该倒谱距离作为检测参数，采用双门限判决方法进行端点检测。实验结果表明，该端点检测算法对语音帧和噪声帧具有较好的区分性。此外，在低信噪比环境下，所提出的算法对于不同类型的噪声都具有较好的稳健性。     

数字语音识别系统

为了较好地实现数字语音的识别,运用隐马尔可夫理论研究数字语音识别系统,通过软件编程研究其在语音识别系统中的应用,在Matlab环境下该系统实现了汉语数字语音的识别.实验结果表明,其达到了较高的识别率.     

NMF的有监督算法在瞬变电磁信号降噪中的应用

瞬变电磁信号易受各种噪声的干扰,尤其是在信号晚期,噪声甚至会淹没有效信号,严重影响了后期的反演。为此,提出了将瞬变电磁信号分为早中期和晚期两部分进行处理的思路,并首次将非负矩阵分解(NMF)的有监督算法应用于受噪声影响较大的瞬变电磁晚期信号的处理。首先,在训练阶段,将纯净信号进行短时傅里叶变换和非负矩阵分解处理,得到表征信号特征的原子字典。然后,在降噪阶段,利用原子字典和降噪模型处理含噪信号,得到初步估计的瞬变电磁信号。最后,多次重复以上步骤,将初步估计的瞬变电磁信号的晚期数据和含噪信号的原始早中期数据分别累加,求各自的算术平均值,再将两者拼接,估计出最终的完整的瞬变电磁信号。仿真实验和实测数据处理结果表明,该算法可以有效改善信噪比和均方根误差,减少波形的失真,降噪效果明显优于小波变换、Hilbert-Huang变换(HHT)和奇异值分解(SVD)等传统降噪方法,为提高后续反演的准确度奠定了基础。     

基于双微阵列与卷积神经网络的语音识别方法

为解决噪声环境下语音识别率降低以及传统波束形成算法难以处理空间噪声的问题,基于双微阵列结构提出了一种改进的最小方差无畸变响应（MVDR）波束形成方法。首先,采用对角加载提高双微阵列增益,并利用递归矩阵求逆降低计算复杂度;然后,通过后置调制域谱减法对语音作进一步处理,解决了一般谱减法容易产生音乐噪声的问题,有效减小了语音畸变,获得了良好的噪声抑制效果;最后,采用卷积神经网络（CNN）进行语音模型的训练,提取语音深层次的特征,有效地解决了语音信号多样性问题。实验结果表明,提出的方法在经CNN训练的语音识别系统模型中取得了较好的识别效果,在信噪比为10 dB的F16噪声环境下的语音识别率达到了92.3%,具有良好的稳健性。     

低信噪比环境下的语音识别方法研究

单通道语音信号在信噪比较大的环境下经过增强后再识别,能表现出较高的识别率。但是在低信噪比环境下,增强后语音信号的识别率急剧下降。针对此种情况,提出了一种用在识别系统前端的语音增强算法,该增强算法将采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimum Mean Square Error,Log MMSE)提高其信噪比,然后再利用改进的维纳滤波去除噪声残留并提升语音可懂度,最后用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔科夫模型(Hidden Markov Model,HMM)对增强后的语音信号做特征提取并识别。实验分析结果表明,该方法能有效地抑制背景噪声并减少噪声残留,显著提升低信噪比环境下语音识别的准确性。     

一种基于DSP的自适应盲均衡器

论述了一种基于TMS320C6713浮点DSP的自适应盲均衡器的设计,采用CMA算法.对EDMA通道设计进行了介绍,并对DSP编程的一些关键代码进行了介绍,分别给出了Matlab仿真和C代码仿真的结果图形.     

语音增强算法的研究与改进

为了研究和提高语音增强的效果,针对语音信号的非平稳性,根据卡尔曼滤波能处理非平稳信号,其是以最小均方误差为估计的最优准则,提出一种改进的卡尔曼滤波语音增强算法。该方法首先在改进谱减法和人耳掩蔽效应增强的基础上,利用语音信号的生成模型,通过线性预测系数组成状态转移矩阵,采用基于听觉掩蔽效应改进的谱减法估计语音和噪声的AR参数,该分析改进后的参数更加准确并提供给卡尔曼增强算法,最终实现卡尔曼滤波的语音增强。仿真实验表明,在不同信噪比下该算法均有效地实现了语音增强,去噪效果较好,提高了语音质量。     

结合深度学习的多通道InSAR高程反演方法

针对干涉合成孔径雷达探测技术中的高程反演问题,提出一种结合深度学习的多通道InSAR高程反演方法。该方法通过构建一种多通道特征连接与融合网络(MCFCF Net)来建立多通道干涉图和高程图的直接映射关系。首先,网络采用融合了SE注意力模块的残差单元,在保护干涉图信息完整性的同时提升了对重要通道的关注力;其次,用密集连接的方式实现多通道特征复用,加强了特征图的传播,提高了网络对多幅干涉图信息的融合能力;最后,MCFCF Net为对称结构,有利于获取多通道干涉图间的关联信息并准确还原高程。不同类型地形的多通道InSAR高程反演实验表明了该方法有效性和稳健性。     

基于TCP协议模型的路由器缓存容量设置方法

路由器的不同缓存容量使得网络性能有很大不同,因此缓存容量设置是一个研究的热点."拇指法则"和"斯坦福法则"是基于TCP协议模型的两种缓存设置方法.根据这两种法则的算法思想,用NS2在局域网中进行了仿真.实验结果表明:高链路利用率时,缓存的设置需要综合考虑多种网络性能参数;而牺牲一定的链路利用率,设置较低的缓存,在降低成本的同时仍能保持核心路由器的稳定.