应用平均幅度差函数之和分析心电信号对除颤最佳时机的预测价值

目的应用平均幅度差函数之和(the sum of average magnitude difference function,SAMDF)处理室颤的心电信号,通过与常用预测除颤时间方法振幅谱面积(amplitude spectrum area,AMSA)进行对比找到预测除颤时间更优的方法。方法应用56头重(40±5)kg雄性家猪,诱导室颤后进行10 min未处理的室颤、6 min的心肺复苏和除颤。在室颤和心肺复苏过程当中会记录每1 min SAMDF和AMSA的数据并记录下来。进而计算受试者工作特征(receiver operating characteristic,ROC)曲线,应用单向方差分析(one-way analyses of variance,one-way ANOVA)以及正负样本散点图的比较,以此说明两者均能优化最佳除颤时间。比较除颤成功组(Group R)和除颤失败组(Group N)的SAMDF和AMSA的数值以说明两者预测除颤成功的能力。结果散点图显示SAMDF和AMSA均能够区分阳性和负样本(P<0.001)。ROC曲线显示SAMDF(AUC=0.801,P<0.001)和AMSA(AUC=0.777,P<0.001)一样有着相同的能力预测最佳除颤时间。两组SAMDF和AMSA数值比较,Group R的SAMDF和AMSA数值明显高于Group N(P<0.001)。结论SAMDF在优化预测除颤时机方面具有很高的潜力,并且可以作为AMSA等现有有效预测除颤时机特征的补充。

基于短时能量的循环AMDF基音检测算法

在语音识别优化问题的研究中,基音周期是语音信号的重要特征参数,准确提取十分困难。传统自相关函数(ACF)、平均幅度差函数(AMDF)等基音检测算法在基音周期提取中容易出现估计结果减半或者加倍的情况,导致检测结果准确率降低。针对上述问题,提出了短时平均能量和循环平均幅度差函数(CAMDF)相结合的基音周期检测方法。实验结果表明,改进方法在有效分离清浊音的基础上,加强了浊音基音周期所处采样点的谷值特性,减少了估计结果的半倍频错误,提高了基音周期估计精度,性能优于传统算法。

基于EMD的AMDF基音检测改进算法

提出了一种基于经验模式分解的平均幅度差函数基音检测改进算法.该算法首先求取每帧浊音语音的AMDF;而后利用EMD对AMDF进行分解,得到有限个本征模式函数和残余分量,利用所有的IMF重构组成新的EMDAMDF;最后利用EMDAMDF检测出该语音帧的基音.仿真结果表明,由于能够有效地去除传统AMDF的均值下降趋势,该算法的性能明显优于传统的AMDF和CAMDF.

基于ACF-AMDF的气井环空液面回波特征提取方法

为了精确有效地提取声波法检测气井环空液位的回波周期,在分析环空中测试波的传播特征及基音周期检测的基础上,提出1种基于检测信号短时自相关函数(ACF)及平均幅度差函数(AMDF)的液面回波周期提取方法;利用自主搭建的室内模拟实验系统开展了不同初始环空压力下环空液位检测实验;对检测信号进行中心削波处理并计算ACF/AMDF,提取出液面回波周期并与理论计算值对比分析;同时分析了现场环空液位检测信号,提取其回波周期。研究结果表明:提出的新方法能有效地用于提取环空液面回波周期;室内实验中,该方法最大误差绝对值为1.54%;该方法能够有效抑制液面回波信号中的随机噪声及接箍反射波等,处理后的信号曲线在回波周期处峰值更加突出、集中,而在其他位置更加平滑,提高了对液面回波周期特征的辨识能力。

幅值补偿的AMDF基音周期检测算法

传统的基于AMDF及其改进算法LV-AMDF容易导致检测基音周期时产生加倍、减半等错误。针对该现象,分析了AMDF、LV-AMDF函数的特性及其用于基音检测时存在的不足,提出了幅值补偿AMDF算法来检测基音周期,降低了基音检测中经常出现的半频、倍频错误,提高了检测的精度。实验表明该方法基音检测性能优于AMDF和LV-AMDF的方法。

基于线性预测编码与AMDF的高精度基音检测算法

根据语音信号产生原理,结合线性预测编码(LPC)与平均幅度差函数法(AMDF),提出了一种高精度的基音检测算法。该算法首先利用线性预测分析提取残差信号;然后采用累积平均归一化差分函数与差分信号修正,使基音周期的谷值点更加尖锐;最后利用二次函数拟合与基音周期的倍数检查筛选候选值,得到了准确的基音周期。实验结果表明,与传统方法相比,该算法的基音检测效果有了明显改善,减少了基音检测中的半频错误,在高信噪比下具有良好的准确性和鲁棒性。

基于趋势分析的AMDF基音检测改进算法

针对语音信号处理中传统AMDF基音检测算法存在下降趋势易出现检测错误问题,提出基于去均值下降趋势的AMDF算法改进框架,并以线性多项式表示AMDF均值下降趋势,给出基于最小二乘法的AMDF改进算法。利用最小二乘法拟合均值下降趋势;将其从AMDF中减去获得改进的AMDF(LSAMDF)。仿真实验表明LSAMDF性能明显优于多种AMDF改进算法,验证了改进框架的正确性及以线性趋势表示均值下降趋势的合理性。

基于LV-AMDF的自适应基音检测算法

根据语音信号的基音周期范围有限和周期相对稳定的特点,改进了可变长平均幅度差函数法(LV-AMDF),提出一种自适应幅度差法检测基音周期。它在语音非稳定段通过简单的谷值点评选机制,筛选当前谷值点以及历史谷值点,得到较精确的基音周期;在语音稳定段依据历史谷值点缩短语音段的比较范围,减少计算代价。还改进了浊音起止点检测算法,使浊音起止点的定位更精确。实验证明,该方法在不同的信噪比环境下有效地降低了半周期和倍周期点的发生率。

基于AMDF的脉搏周期检测改进算法

针对传统脉搏周期检测方法的准确率低、误差大的问题,提出一种基于平均幅度差函数AMDF(Average Magnitude Difference Function)的脉搏周期检测改进算法。根据干扰谷点的分布范围提出脉搏信号的噪声阈值,并运用新提出的阈值削波函数排除噪声干扰,获得了更精确的脉搏周期检测结果。实验结果表明,该算法运算复杂度低,能准确地提取脉搏周期,错判率低,稳健性好。

改进LVAMDF及综合多因素基音检测算法

在对语音信号静音、清音、浊音划分的基础上,针对语音信号周期特征明显段分布随机性问题,提出改进的变长度平均幅度差函数LVAMDF及综合多因素基音检测算法,该算法对语音信号进行周期特征明显段和周期特征不明显段的聚类划分,同时,获取周期特征明显语音段的所有基音周期的起止端点,针对少数基音周期划分倍频或半频问题,提出识别、修正方法,其识别、修正率极高;在对大量真实语音处理中,能够精确地检测出语音特征明显段的基音周期端点,基本没有倍频和半频划分,并且和AMDF、ACF算法作了对比。

基于DWT的AMDF基音检测改进算法

平均幅度差函数(AMDF)法是一种常用的基音检测算法,但由于AMDF存在严重的均值下降趋势,使得用这种算法在提取基音的过程中易产生错误.为克服该缺点,提出了一种基于离散小波变换(DWT)的AMDF改进算法(DW-AMDF),该算法首先求取每帧浊音信号的AMDF,利用DWT提取出AMDF中的下降趋势,去除下降趋势后得到DW-AMDF用于检测基音.实验结果表明,与传统的AMDF算法及其几种典型的改进算法相比,该算法的检测精度有了明显的提高.

一种基于多项式拟合的AMDF基音检测改进算法

为了解决传统平均幅度差函数(Average Magnitude Difference Function,AMDF)基音检测算法在实际使用中有时发生检测错误的问题,在基于趋势分析的改进框架下,提出了多项式拟合的方法表示和提取AMDF的均值下降趋势。首先假设均值下降趋势为多项式的形式并利用最小二乘法估计出多项式的参数,接着根据基于趋势分析的AMDF改进框架,从AMDF中减去提取的均值下降趋势,从而得到改进的AMDF(文中定义为PFmAMDF)。最后,使用Keele基音数据库对PFmAMDF的性能进行了评价和测试。实验结果表明,基于多项式拟合表示和提取均值下降趋势的方法是完全合理可行的;无论是纯净语音还是不同信噪比的噪声环境下,PFmAMDF的检测准确率均明显优于CAMDF、EAMDF、EMDAMDF和LSAMDF。

加权短时自相关函数的基音周期估计算法

语音基音频率的准确检测是语音信号处理的难点之一。提出一种加权短时自相关函数(Autocorrelation Function,ACF)算法提取基音频率。在传统的ACF方法基础上,利用短时平均幅度差函数(Average Magnitude Difference Function,AMDF)的平方对ACF函数进行加权,由此加强短时自相关函数在基音周期倍数处的峰值特性。对提取出的基频曲线做平滑处理。实验结果表明,该方法提高了基音周期检测的准确率。

改进的基音检测算法

提出了一种改进的基音检测算法。利用LMS自适应滤波器对带噪语音信号进行语音增强,再求语音信号的自相关函数(ACF)和平均幅度差函数(AMDF),对ACF峰值和AMDF谷值进行分析,提取改进的ACF/AMDF加权平方特征进行基音检测。实验结果表明,改进算法的检测效果明显优于传统方法,在低信噪比环境下,鲁棒性较好,提高了检测精度。

一种改进的模糊Smith预估器

针对具有不确定特性的大滞后系统,基于传统的Smith预估器结构,提出了一种改进方案。利用相关性分析技术实时调整预估器的滞后时间估计,并采用自适应模糊补偿器在线修正预估器的增益估计,在对象参数不稳定或受扰动的情况下可使预估器的参数迅速跟踪并收敛于对象参数,从而确保系统状态的稳定。该方案增强了系统的鲁棒性,克服了传统Smith预估器需要精确模型的缺点。仿真结果表明,该方案具有较强的参数适应性,对时变大滞后对象具有良好的控制效果。

噪声环境下的基音检测方法

噪声环境下的基音检测在语音信号分析和识别中占有重要地位。自相关法和平均幅度差函数是两种常用的基音检测方法。结合两种方法 ,提出了一种有效的噪声环境下基音检测方法。实验表明 ,该方法是可行的 ,与传统方法相比鲁棒性好 。

改进的基音周期检测算法研究

针对传统的短时平均幅度差函数(AMDF)法由于出现均值下降趋势,谷点并非全局最低谷点而导致基音周期提取中的倍频和半频错误出现的情况,提出一种改进算法。将传统的AMDF经过经验模式分解(EMD)处理后去掉趋势项重组新的EMDAMDF,再利用短时自相关函数(ACF)对其进行加权,构造新的EMDAMDF/ACF加权平方特征检测该语音帧的基音。仿真结果表明,该方法有效地加强了AMDF的谷值特性提高了基音周期检测的准确率。

利用小波变换加权自相关的基音检测法

自相关函数法、平均幅度差函数法及小波变换法是经典的基音检测方法,本文简要分析了单独使用它们进行基音检测时存在的不足,提出了一种基于小波变换的加权自相关的检测方法。将多级小波变换的近似分量加权求和以突出基音信息,采用改进的平均幅度差函数加权自相关函数的方法以突出真实基音周期处的峰值,提高基音检测的正确率。实验表明,与传统的自相关函数法和平均幅度差函数法相比,本文方法减少了倍频和半频错误,提高了基音检测的精度,在信噪比为-5 dB时仍能得到较准确的结果。

一种改进的自适应Smith预估器

传统的Smith预估器是基于被控对象的精确数学模型而设计的,对于缺乏精确数学模型且参数时变的大时滞系统,常规的Smith预估控制规则就很难获得令人满意的控制效果。文章在一种增益自适应Smith预估补偿器的基础上,利用信号的相关性分析技术中的平均幅度差函数,实时调整预估器的滞后时间;仿真表明,该算法具有较好的性能,加强了Smith预估器抗干扰能力,改善了参数时变的大时滞系统的鲁棒性。

基于线性预测的综合基音检测法

由于传统基音检测方法在信噪比较低时对弱浊音和清浊音过渡帧的检测效果较差,提出了一种综合的基音检测法。该方法利用线性预测分析和低通滤波器对含噪语音进行预处理,再采用改进的平均幅度差函数加权自相关函数的方法对浊音帧进行基音检测,对于清浊音过渡帧,则利用小波变换进行基音检测。实验结果表明,该法提高了检测精度,即使信噪比降至-5 dB,仍能较准确地检测大部分弱浊音和清浊音过渡帧的基音周期,准确性和鲁棒性较好。