利用深度神经网络实现分布式相干瑞利光纤振动事件分类

该文利用分布式相干瑞利光纤传感系统,在西气东输一线无锡至苏州段开展现场测试,采集了光纤沿线车辆行走、机械挖掘、人工锄地、定向钻孔等8种振动作业产生的光纤信号,并提出了一种具有5层结构的全连接深度神经网络用于振动事件分类识别以实现不同振动作业的分级管理。振动作业产生的光纤信号能量集中在低频,该文利用梅尔对数频率的非均匀特性提取了25维单帧信号特征量,并将连续40帧信号特征量组合成高维向量作为网络输入特征向量,实现对不同振动作业时变特性的建模。分类识别结果表明,基于深度神经网络结构的振动信号分类识别器能够有效识别不同振动作业类型,实际线路实验验证了该文算法的有效性。

两阶段复数谱卷积循环网络立体声回声消除

提出了一种两阶段复数谱卷积循环网络(CRN)的立体声回声消除(SAEC)算法,该算法无需对立体声信号进行去相关,因而能够在保证立体声音质和空间感的同时,解决自适应滤波SAEC算法非唯一解问题。所提算法采用两个阶段进行回声消除,第一阶段根据传声器接收信号和参考信号估计回声信号,第二阶段将估计回声信号作为先验信息,联合传声器接收信号作为输入特征,估计近端语音。相对于单阶段CRN算法,该方法能够提高网络对回声和近端语音的区分度,有助于近端语音的提取。另外,网络的输入特征和训练目标均采用复数谱,降低了近端语音的相位估计误差,因而可以进一步提升算法性能。实验表明,基于两阶段复数谱CRN的SAEC算法在单端讲话时的回声抑制量和双端讲话时的语音质量都明显优于传统算法以及单阶段CRN算法。

高压变电站噪声分离算法及其应用

为测量分析高压变电站同时存在的线路电晕噪声、电器(变压器、电抗器等)本体噪声和周边环境准平稳噪声,根据变电站噪声源的时频特性,提出一种基于梳状滤波器与小波变换相结合的高压变电站噪声分离算法。首先根据本体噪声的线谱特性,利用通带梳状滤波器滤波实现本体噪声的估计;其次利用高频小波系数构造电晕噪声检测信号实现电晕噪声与准平稳态噪声的分离。实验结果表明:噪声分离算法能有效估计出电晕噪声、本体噪声以及准平稳态噪声,噪声声压级以及A计权声压级估计误差<1 d B;不同区域的噪声组成差别较大,靠近电抗区区域电晕噪声、本体噪声、准平稳态噪声是变电站噪声的主要来源,而在变电器附近主要为本体噪声与准平稳态噪声,电晕噪声衰减较大。

球谐域类正则化宽带超指向性波束形成算法

提出一种球谐域类正则化宽带超指向性波束形成算法,通过结合超指向性波束形成器与延迟求和波束形成器控制阵列白噪声增益和指向性因数,推导类正则化宽带超指向性波束形器的球谐域表达式。在此基础上设计新的可控指向性因数波束形成器,可在不显著放大低频白噪声的前提下实现设定的波束宽度。采用32元球阵的仿真结果表明,对于语音测试场景,类正则化波束形成器的最高PESQ得分相比于传统的超指向性波束形成器与延迟求和波束形成器分别提高了约0.5和0.4,平均词错率分别减少了约9.5%和8.1%。主观测试实验也表明类正则化波束形成器在方向性噪声和扩散场噪声环境下都可以获得更好的主观听觉感受。利用实验数据对算法性能进行测试,实验结果同样验证了该方法在实际声学环境中的有效性。

球谐域自适应混响抵消与声源定位算法

提出了一种基于球谐域的自适应混响抵消与声源定位算法,该方法通过去混响处理改善语音质量,并提高球谐域定位算法在混响环境下的定位性能。推导了基于多通道线性预测的自适应混响抵消算法在球谐域的表达式,针对刚球模型提出分阶处理的去混响方法,并对去混响后的信号进行波达方向估计。采用32元球阵的仿真结果表明,相比于球谐域不分阶去混响方法,该方法最大可减少约2/3的运算量,同时语音PESQ得分及SRMR均显著提高。利用实验数据对算法性能进行测试,实验结果验证了该方法在实际声学环境中去混响和声源定位的有效性。

用于自适应波束形成语音增强的球谐域掩蔽函数估计方法

提出一种用于球形阵列自适应波束形成的掩蔽函数估计方法。该方法利用包含空间信息的球谐系数提取低维空间向量,并采用复高斯混合模型和深度学习两种方案来估计掩蔽函数,最终利用估计的掩蔽函数设计最小方差无失真响应波束形成器,以达到空域滤波的效果。理论分析和仿真实验证明,对于相同时长的声信号,球谐域掩蔽函数估计方法的计算复杂度比传统阵元域估计方法低了一个数量级。并且在大部分声场环境中,尤其在低信噪比情况下,所提方法的语音质量感知评估测度得分、分段信噪比和短时客观可懂度明显高于阵元域方法,三者最高分别可提升1.31 dB,4.54 dB和35%。另外,实际声学环境的测量实验也验证了所提方法在不影响可懂度的条件下比传统阵元域方法具备更高的降噪量。

室内两步法监督式学习双耳声源距离估计

提出一种室内环境下两步法监督式学习双耳声源距离估计算法,该算法通过预先估计声源方位角信息以克服声源方位角的变化对声源距离估计性能的不利影响.该算法第1步利用深度神经网络模型估计声源的方位角,并将不同方位角的双耳信号分类;第2步中对每个方位角的双耳信号采用独立的深度神经网络模型进行声源距离估计,其中距离特征选用双耳信号的一些双耳特征和统计特性。在仿真和实际环境下,本文提出的两步法声源距离估计算法的距离估计准确率比现有算法提高了3%~5%左右,并且在各种不匹配环境下的距离估计准确率比现有算法高出5%~10%左右。实验结果表明利用声源方位角信息可以有效提高双耳声源距离估计算法的性能。

偏度最大化多通道逆滤波语声去混响研究

房间混响会降低语声质量和语声可懂度。高阶统计量是衡量非高斯性的重要参量,基于语声非高斯特性可实现语声去混响。该文提出一种基于高阶统计量的多通道语声去混响方法,该方法首次用多通道语声信号线性预测残差的三阶统计量偏度构造代价函数,以去混响重建信号线性预测残差的偏度最大化为目标自适应地更新逆滤波器,同时引入通道逆滤波和语声产生系统的联合估计。实验结果表明,该方法相较于已有的基于线性预测残差四阶统计量峰度的方法具有更好的去混响效果,且对噪声具有更强的鲁棒性。

人耳听觉相关代价函数深度学习单通道语声增强算法

均方误差函数是深度学习单通道语声增强算法最常用的一种代价函数。然而,均方误差值的大小与语声质量好坏并非完全相关。为了提高算法性能,该文在深度神经网络训练中引入了两类与人耳听觉相关的代价函数。第一类是加权欧氏距离代价函数,考虑了人耳听觉掩蔽效应;第二类是Itakura-Satio代价函数、COSH代价函数和加权似然比代价函数,强调语声谱峰的重要性,侧重于恢复干净语声谱峰信息。基于长短期记忆网络结构分析比较了两类代价函数在深度学习单通道语声增强算法中的性能,并与均方误差代价函数进行对比。实验结果表明,基于加权欧式距离代价函数的深度神经网络单通道语声增强算法能够获得更好的语声质量和更低的噪声残留。

声景生态学研究进展和展望

声景生态学以景观中的声音为研究对象,探讨其在不同时空维度上的分布和变化模式,从而揭示自然环境、野生动物和人类活动的相互作用关系。本文通过系统检索声景生态学研究的相关文献,回顾了该学科的研究框架和研究方法,总结了目前常用的声学指标,重点归纳了声景生态学的研究内容,包括声景组成和各组分间的相互作用,声景的时空格局,以及声景生态学在生物多样性监测中的应用。目前,声景监测中存在的问题主要包括监测的生态系统类型和物种类群有限、声学指标效力有待提高等。建议未来着重推进建立系统性的声景监测网络和数据管理平台,开发和完善音频数据采集、分析方法和评估指标,并重视声景数据的采集,将声景视作一种资源进行研究和保护。

浅谈小学语文课堂中教学有效性策略

本文从学生的角度,探讨了适合小学语文课堂教学的有效性策略问题,这些策略包括课堂教学中调动学生学习积极性的策略,课堂教学中发挥学生主体作用的策略,课堂教学中组织学生运用各种形式学习的策略等,并提出一些具体实施的办法和途径。