色噪声下基于白化频谱重排鲁棒主成分分析的语音增强算法

基于鲁棒主成分分析(RPCA)的单通道语音增强算法是高斯白噪声环境下语音增强的一种重要处理手段,但其对低秩语音分量处理效果欠佳且无法较好地抑制色噪声。针对此问题,该文提出一种基于白化频谱重排RPCA的改进语音增强算法(WSRRPCA),通过优化噪声白化模型,将色噪声语音增强转换成白噪声语音信号处理,利用频谱重排改进RPCA语音增强处理算法,从而获得色噪声环境下语音信号处理性能的整体提升。仿真实验表明,该算法能够较好地实现色噪声环境下的语音增强,且相对于其他算法具有更佳的噪声抑制和语音质量提升能力。

探地雷达信号消噪中的时频谱分解重排算法

为了改善现有的时频域算法对于探地雷达信号消噪效果不佳的现状,本文利用时频谱分解重排算法实现了探地雷达信号的优化消噪处理。由于采用窗口函数对信号进行划分,传统的时频变换方法得到的结果是模糊化的信号时频分布,这使得在时频消噪过程中,如果阈值取不好,信号的有用成份极容易受到损伤。而采用时频谱分解重排算法可以对信号的时频变换结果进行重排,使得信号能量更加集中在真实频率点附近,从而获得更高的分辨率,而且可以显著降低消噪过程中对有用信息损伤的几率。仿真数据和实际资料对比结果表明,时频重排谱分解算法比传统消噪方法具有更好的消噪效果。

基于重排频谱时频脊的海面小目标检测

针对由于传统W-H算法计算量大,检测效率不高,海面小目标检测难度较大的问题,提出了基于重排频谱时频脊的小目标检测新算法。通过研究实测数据的时频谱能量分布特点,对比了在不同极化条件下,传统算法与新算法对多组实测数据的分析结果,研究了Hough参数域内的尖峰特性,对小目标实现了有效检测,验证了算法的可行性。最终得出结论:新算法选取重排算法以及提取重排谱时频脊提高了检测能力,降低了运算量,对海面小目标实现有效检测,且HH极化条件下新算法的检测性能更好。

基于希尔伯特变换的改进地震信号谱重排

谱重排最早被称为改进的滑动时窗法,用来提高常规的时频谱分析的分辨率,其基本原理是将原时频谱中每一点的能量进行聚焦重排。由于该算法仅对信号在频率域进行重排,致使其重排过程是不可逆的。为了优化时频重排算法,将原始的谱重排算法与希尔伯特变换相结合,通过对信号求取导数并使用加窗傅里叶变换对理论信号进行再处理得到改进后的处理结果。结果表明,基于希尔伯特变换的改进谱重排算法不仅兼顾了时频谱重排和加窗傅里叶变换的优势,提高了对信号时频变换的分辨率,而且在地震勘探领域具有广泛的应用前景。

基于AOK TFR理论的电力系统暂态信号分析新方法

提出一种基于自适应最优核时频分布(AOKTFR)理论的电力系统暂态信号特征分析新方法。该方法首先对信号求取模糊函数,并在模糊域采用自适应最优高斯核函数抑制交叉项,然后求模糊函数的二维傅里叶变换,从而得到仅有自项分量的时频分布,并在此基础上实现时频平面脊信息的提取。分别以绕线式异步电动机转子绕组单相开焊故障和变压器内部、外部故障的区分为例进行仿真。仿真结果表明:该方法适用于多分量、时变的非平稳信号的分析,具有很好的时频聚集性、强自适应性和抗噪声性能,且不受交叉项的影响;脊信息的提取进一步提高了时频分辨率。

稀疏傅里叶变换理论及研究进展

稀疏傅里叶变换(sparse Fourier transform,SFT)是一种稀疏信号离散傅里叶变换的新算法,比传统快速傅里叶变换(fast Fourier transform,FFT)更加高效.综述了SFT的理论框架、约束条件及频谱重排、窗函数滤波、降采样FFT等关键技术问题,结合算法最新理论成果,归纳出4种不同的重构方法:哈希映射法、混叠同余法、相位解码法、二分查找法.最后介绍了SFT理论的应用成果,并展望了其未来可能的发展方向.

使用时频盲源分离和小波包去噪的胎儿心电信号提取

提出一种使用时频盲源分离(TFBSS)和小波包去噪的胎儿心电信号提取新方法。首先通过重排时频谱时频盲源分离方法进行胎儿心电信号的初次提取,并将初次提取得到的母体心电信号和噪声对应的各路分量置零,其余分量由混合矩阵进行重构;然后再利用重排时频谱的时频盲源分离方法对重构信号进行胎儿心电信号的二次提取,得到含噪声的胎儿心电信号;最后通过小波包去噪抑制胎儿心电信号中的基线漂移和噪声。在胎儿心电信号和母体心电信号的QRS波无重叠、部分重叠或完全重叠的情况下,通过该方法能有效抑制母体心电信号和噪声的干扰,提取胎儿心电信号。实验结果表明该方法能提取清晰的胎儿心电信号。

一种基于迭代更新的稀疏傅里叶变换改进算法

快速傅里叶变换（FFT）是信号分析领域的重要算法，具有极其重要的地位。稀疏傅里叶变换（SFFT）是一种低复杂度的傅里叶变换算法，其计算速度是FFT的10～100倍，但是目前的SFFT算法均需要知道信号的稀疏度。针对该问题，文章提出了一种基于迭代更新的SFFT改进算法。该算法在信号稀疏度未知的情况下，通过循环迭代对信号进行更新并设置合适的噪声门限来终止迭代。实验结果表明，该算法计算精度高，抗噪性能好，能很好地解决稀疏度未知信号的频谱分析问题，扩展原算法的适用性。