排序方式: 共有12条查询结果,搜索用时 0 毫秒
1.
本文研究了一种在背景噪声和干扰噪声存在的情况下基于麦克风阵列的噪声消除方法,具有准确的指向性。波束形成可以更好的获取指定方向的增强语音及抑制其它方向的噪声的效果。而现已存在的波束形成的方法处理后,增强之后的语音仍然会存在部分的干扰噪声。针对这样的问题,本文提出了一种利用信号功率谱密度比值的广义旁瓣消除波束形成方法来进一步实现对背景噪声和干扰噪声的抑制。此外,本文还进一步利用深度神经网络的方法,通过训练多目标函数下的掩蔽值结合最优改进对数谱幅度,做后置滤波可以更高效地对残留干扰噪声进行消除。本文中通过对比实验,比较了不同的基线方法,更好地验证了所提出算法的有效性。 相似文献
2.
3.
针对实际中信道估计存在误差,从阵列信号处理的角度提出了V-BLAST(Vertical Bell Labs Layered Space-Time) OFDM系统中一种稳健的检测算法.将接收数据的协方差矩阵进行特征值分解,得到信号子空间,将存在估计误差的信道矢量向该子空间投影,就可以得到较为准确的信道矢量,然后利用波束形成计算出检测滤波器的系数.仿真结果表明,当信道估计存在误差时,该方法性能显著优于ZF(Zero-Forcing)和MMSE(Minimum Mean Square Error)算法. 相似文献
4.
5.
针对语音识别系统在噪声环境下不能保持很好鲁棒性的问题,提出了一种切换语音功率谱估计算法。该算法假设语音的幅度谱服从Chi分布,提出了一种改进的基于最小均方误差(MMSE)的语音功率谱估计算法。然后,结合语音存在的概率(SPP),推导出改进的基于语音存在概率的MMSE估计器。接下来,将改进的MSME估计器与传统的维纳滤波器结合。在噪声干扰比较大时,使用改进的MMSE估计器来估计纯净语音的功率谱,当噪声干扰较小时,改用传统的维纳滤波器以减少计算量,最终得到用于识别系统的切换语音功率谱估计算法。实验结果表明,所提算法相比传统的瑞利分布下的MMSE估计器在各种噪声的情况下识别率平均提高在8个百分点左右,在去除噪声干扰、提高识别系统鲁棒性的同时,减小了语音识别系统的功耗。 相似文献
6.
7.
针对现有穿墙雷达探测研究中,墙体回波抑制算法需要采集全部雷达回波导致运算复杂的问题,提出了一种低秩联合稀疏模型下的墙体回波抑制方法。在提出的方法中,从雷达回波中分离墙体回波和目标回波的任务被转化为一个低秩保持和稀疏约束的优化模型,并使用交替方向乘子法求解该优化模型;最后分离出墙体回波后的回波信号被用于雷达成像。仿真实验结果表明,该方法对各种情况下的墙体回波都能有效去除。与当前经典的奇异值分解、迭代软阈值方法相比,所提出的杂波抑制方法在穿墙雷达成像中具有更高的目标杂波比。 相似文献
8.
本文提出了一种在干扰声源和背景噪声存在条件下麦克风阵列噪声消除的方法。麦克风阵列通过波束形成增强由导向矢量所指定方向的目标声源来抑制背景噪声。然而,现有的波束形成算法在干扰声源存在的情况下,无法进行准确的导向矢量估计。为此,本文提出一种基于音频信号互相关功率谱相位的麦克风阵列噪声消除方法。首先通过音频信号的相位时频掩码估计导向矢量,并对其进行波束形成,从而有效抑制干扰声源和背景噪声;然后利用语音存在概率,采用最大似然的方法估计波束形成后信号中残留的干扰噪声功率谱密度,对其进行后处理,进一步抑制残留干扰和噪声。实验结果表明在干扰声源和背景噪声存在的条件下,所提方法有效地实现了麦克风阵列噪声消除,且各种性能指标优于基线方法。 相似文献
9.
10.