Single-Channel Speech Enhancement Based on Improved Frame-Iterative Spectral Subtraction in the Modulation Domain

Aiming at the problem of music noise introduced by classical spectral subtraction,a shorttime modulation domain(STM)spectral subtraction method has been successfully applied for singlechannel speech enhancement.However,due to the inaccurate voice activity detection(VAD),the residual music noise and enhanced performance still need to be further improved,especially in the low signal to noise ratio(SNR)scenarios.To address this issue,an improved frame iterative spectral subtraction in the STM domain(IMModSSub)is proposed.More specifically,with the inter-frame correlation,the noise subtraction is directly applied to handle the noisy signal for each frame in the STM domain.Then,the noisy signal is classified into speech or silence frames based on a predefined threshold of segmented SNR.With these classification results,a corresponding mask function is developed for noisy speech after noise subtraction.Finally,exploiting the increased sparsity of speech signal in the modulation domain,the orthogonal matching pursuit(OMP)technique is employed to the speech frames for improving the speech quality and intelligibility.The effectiveness of the proposed method is evaluated with three types of noise,including white noise,pink noise,and hfchannel noise.The obtained results show that the proposed method outperforms some established baselines at lower SNRs(-5 to +5 dB).

Fast Image Segmentation Algorithm Based on Salient Features Model and Spatial-frequency Domain Adaptive Kernel

A fast image segmentation algorithm based on salient features model and spatial-frequency domain adaptive kernel is proposed to solve the accurate discriminate objects problem of online visual detection in such scenes of variable sample morphological characteristics,low contrast and complex background texture.Firstly,by analyzing the spectral component distribution and spatial contour feature of the image,a salient feature model is established in spatial-frequency domain.Then,the salient object detection method based on Gaussian band-pass filter and the design criterion of adaptive convolution kernel are proposed to extract the salient contour feature of the target in spatial and frequency domain.Finally,the selection and growth rules of seed points are improved by integrating the gray level and contour features of the target,and the target is segmented by seeded region growing.Experiments have been performed on Berkeley Segmentation Data Set,as well as sample images of online detection,to verify the effectiveness of the algorithm.The experimental results show that the Jaccard Similarity Coefficient of the segmentation is more than 90%,which indicates that the proposed algorithm can availably extract the target feature information,suppress the background texture and resist noise interference.Besides,the Hausdorff Distance of the segmentation is less than 10,which infers that the proposed algorithm obtains a high evaluation on the target contour preservation.The experimental results also show that the proposed algorithm significantly improves the operation efficiency while obtaining comparable segmentation performance over other algorithms.

SPEECH ENHANCEMENT BASED ON DYNAMIC NOISE ESTIMATION WITHIN AUTO-CORRELATION DOMAIN

Most noise suppression algorithms of single channel use the mean of noisy segments to estimate the characteristics of noise spectrum, ignoring the estimation of noise in speech segments. Therefore, when the energy level of noise varies with the time, the performance of removing noise will be degraded. To solve this problem, a speech enhancement approach based on dynamic noise estimation within correlation domain was proposed. This method exploits the characteristics that noise energy mainly concentrates on 0 th order correlation coefficients, signal is auto correlated but signal and noise, noise and noise are uncorrelated, then estimates and decomposes the noise, thus helps to solve the above mentioned problem. The results of recognition experiments on speech signals of 15 Chinese cities’ names corrupted by noise of exhibition hall shows, this approach is better than SS (Spectral Subtraction) method, adapts better to the variances of energy levels of speech signal corrupted by noise, has some practicability to improve the robustness of recognition systems under noisy environment.

NUMERICAL STUDIES ON RESONANT AND ENHANCEMENT EFFECTS FOR COUPLING OF MICROWAVE PULSES INTO NARROW SLOTS

In this paper, modifications to the finite-difference time-domain(FD-TD) method for modeling microwave pulse coupling into a slot, which is much narrower than one conventional FD-TD cell, are discussed. The coupling process of microwave pulse into a slot is studied by using the modified FD-TD method, and the dependence of microwave coupling on slot sizes, the carrier frequencies and the polarization directions of the incident waves is analysed. Resonant and enhancement effects which occur in this process are observed. The condition at which the resonant effect takes place is also presented.

基于双分支注意力U-Net的语音增强方法

针对语音增强网络对全局语音相关特征提取困难、对语音局部上下文信息的捕捉效果不佳的问题,提出了一种基于双分支注意力U-Net的时域语音增强方法,该方法使用U-Net编码器-解码器结构,将单通道带噪语音经过一维卷积后得到的高维时域特征作为输入。首先利用残差连接设计了基于Conformer的残差卷积来增强网络降噪的能力。其次设计了双分支注意力机制结构,利用全局和局部注意力获取带噪语音中更丰富的上下文信息,同时有效表示长序列特征,提取更多样的特征信息。最后结合时域频域损失函数构建了加权损失函数对网络进行训练,提高网络的语音增强性能。使用了多个指标对增强语音的质量和可懂度等进行评价,在公开数据集Voice Bank+DEMAND上的增强后的语音感知质量(PESQ)为3.11,短时可懂度(STOI)为95%,信号失真度(CSIG)为4.44,噪声失真测(CBAK)为3.60,综合质量测度(COVL)为3.81,其中PESQ相较于SE-Conformer提高了7.6%,相较于TSTNN提高了5.1%。实验结果表明,所提方法在语音降噪的各个指标都表现出更优的实验结果,能够完成语音增强任务的相关要求。

面向买卖合同的词汇增强细粒度实体识别

对于合同文本中当事人信息、合同基本信息、合同条款等细粒度实体的正确提取,可以有效提升合同的审查效率,为智能合同管理赋能。然而现有的实体识别方法,难以解决合同文本中实体类型复杂和合同实体细化的问题。因此,该文提出一种新的基于词汇增强的细粒度实体识别模型BLBC-CFER,该方法通过对预训练语言模型提供的字级增强、字加词嵌入提供的词级增强以及词汇集合结构提供的词级增强进行融合并嵌入到模型输入中,然后采用深度神经网络获取最优标记序列。该文在自行构建的买卖合同细粒度实体语料集和两个不同领域的公开数据集上进行实验。实验结果表明,该方法不仅可以有效地完成合同文本的细粒度实体识别任务,而且具有较好的鲁棒性,效果优于基线模型。

加速康复外科领域国内外研究现状及趋势对比分析

目的:基于文献计量学探讨国内外加速康复外科(enhanced recovery after surgery,ERAS)领域的研究热点及发展趋势。方法:利用中国国家知识基础设施(China National Knowledge Infrastructure,CNKI)检索平台、万方数据知识服务平台和Web of Science核心合集检索相关中外文文献,检索时间范围为建库至2023年2月10日,使用Citespace 6.1.R6、VOSviewer 1.6.13软件可视化分析年发文量、期刊、作者、国家、机构、学科和关键词信息。结果:共纳入中文6166篇、外文6212篇。ERAS相关中外文献的年发文量均呈逐年上升趋势;《齐鲁护理杂志》和Surgical Endoscopy and Other Interventional Techniques分别为国内外发文量最多的期刊,前10位共被引期刊的2022年期刊影响因子(Journal Impact Factor,JIF)多高于5分;美国、中国、英国的外文发文量排名前三,且差距明显,美国对外合作最为广泛;四川大学华西医院和哥本哈根大学发文量最多,伦敦大学学院是对外合作最密切的科研机构;国内外发文量最多的作者分别为江志伟和Kehlet H;学科主要分布在外科学、麻醉学、胃肠病学与肝病学等;中外文高频关键词为围手术期、腹腔镜、结直肠肿瘤、胃肠肿瘤、并发症、length of stay、colorectal surgery、perioperative care和postoperative complications等;研究热点集中于ERAS的外科应用、围手术期管理、应用效果和循证研究;达芬奇机器人、并发症、生活质量、预康复、循证护理、multimodal analgesia、pain management、same-day discharge等突现词体现了研究前沿。结论:国内ERAS的研究内容以临床/护理应用效果为主,同质性较高,创新性略显不足,缺乏大样本前瞻性研究,且实施过程存在困难和瓶颈,需重视高质量研究的开展,借鉴国外ERAS专业团队的成功经验,探索具有中国特色的ERAS发展之路。

考虑多尺度纹理特征的红外传感图像频域增强

红外传感图像质量容易受探测器和传输距离影响,导致图像亮度和对比度较低、轮廓细节模糊等问题。为此,提出了考虑多尺度纹理特征的红外传感图像频域增强方法。引入残差学习策略,基于多尺度纹理特征搭建多尺度卷积神经网络模型,进行图像去噪。对去噪后图像进行傅里叶变换,获取红外传感图像的低频图像和高频图像。针对低频图像部分,调节图像灰度和对比度以增强低频分量。针对高频图像部分,利用Log算子和Laplace算子增强图像细节及边缘。加权融合两者处理结果,选取Gamma校正调节对比度,增强高频分量。融合两种增强后图像,实现红外传感图像频域增强。实验结果表明,该方法峰值信噪比高于43,信息熵大于8,边缘强度超过82,对比度熵大于8.1,平均梯度大于8。

基于深度域适应迁移学习的滚动轴承故障诊断方法研究

在实际工业生产中,滚动轴承故障数据稀疏,构建的小样本数据集易导致模型过拟合,需要进行数据增强构成训练域。由于机械设备在运行中存在工况时变性,导致训练数据和测试数据之间存在差异,进而造成轴承故障诊断准确率不高,故提出一种基于生成对抗网络和多核最大均值差异(MK-MMD)的深度域适应迁移学习方法。文中通过有限元模拟获得大量带有标签的仿真故障数据,在此基础上构建深度域适应迁移学习的故障诊断模型,并利用凯斯西储大学的轴承数据集对轴承故障诊断模型进行测试。此外,通过与卷积神经网络(CNN)、深度适配网络(DAN)和深度域自适应网络(DANN)的故障诊断结果对比,证明基于有限元模拟的数据增强和迁移学习的轴承故障诊断方法可有效提高轴承故障诊断的准确度。

太赫兹时域光谱成像增强算法

低分辨率是扫描太赫兹时域光谱(THz-TDS)系统图像的一个重要缺点.本文提出了一种针对太赫兹时域光谱图像的超分辨率增强算法,该算法结合了多层感知机(MLP)和超分辨率卷积神经网络(SRCNN),创建了一个复合网络.本文算法针对太赫兹光谱图像的特点,通过引入新的目标函数,避免了传统机器学习算法需要采集或模拟生成大量训练集的弊端,实现了训练图像即目标图像的单幅光谱图像增强.为了实现这一目标,本文算法的基本原理是,让试件产生一个刚体位移,利用THz-TDS系统采集位移前后两幅三维(1个时间维,2个空间维)光谱图像作为输入数据.机器学习网络包括两部分:首先,利用一个MLP网络实现三维光谱图像到二维光强图像的转化;其次,采用传统针对二维图像的SRCNN网络获取一幅高分辨率图像,对位移前后图像处理后计算得到新的高分辨率图像的位移场,并将位移场方差作为目标函数,再通过机器学习算法,优化网络中的成像参数,实现太赫兹光谱图像的分辨率增强.典型验证性实验最终得到的峰值信噪比为42.65 dB,结构相似度为0.816,均比其他现有方法高,表明本文算法能获得良好的图像增强.

基于多尺度梯度域引导滤波的煤矿井下图像增强方法

煤矿井下图像存在较严重的光照不均匀和噪声干扰,现有基于Retinex的方法直接应用于煤矿井下图像增强易出现光晕伪影、边缘模糊、过增强和噪声放大等问题。针对上述问题,提出了一种基于多尺度梯度域引导滤波的煤矿井下图像增强方法。首先,将多尺度思想引入梯度域引导滤波中,实现对非均匀光照的准确估计,有效解决了增强图像时光晕伪影及边缘模糊的问题。然后,利用Retinex模型分离出光照分量和反射分量:对于光照分量,通过自适应伽马校正函数逐像素地修正光照信息,实现对图像暗区域增强的同时,抑制亮区域过增强,并使用限制对比度自适应直方图均衡化方法调整图像对比度;对于反射分量,将梯度域引导滤波与多尺度细节提升相结合,在准确去除噪声后提升纹理细节,避免了增强图像时噪声放大的问题。最后,将处理后的光照分量及反射分量融合,计算图像增益系数,并使用线性色彩恢复方法实现对原始RGB图像的逐像素增强,提升方法处理效率。实验结果表明,从主客观角度与现有方法相比,经所提方法处理后的图像在色彩保持、对比度、噪声抑制、细节保留等方面均取得了较好的增强效果,同时处理效率较高。

基于生成对抗网络的小波域自适应图像分割技术

当图像对比度低或者光照条件复杂时,图像目标形状、颜色等特征都具有很高的变异性,难以准确地识别目标边界,导致图像分割结果中目标区域与真实标注的重合程度较低。为此,文章研究基于生成对抗网络的小波域自适应图像分割技术。该技术利用小波域分析基函数,将图像从空间域转换为模糊集域;考虑图像对比度,计算图像变换的扩散强度与各向同性扩散系数;采用反模糊变换函数恢复图像中存在的模糊效应,获取目标边缘增强的图像,计算图像像素之间的相似度;通过引入距离信息,计算分割图像的相对熵和权值,对生成对抗网络进行优化处理,实现图像的自适应分割。实验结果表明,所提技术可以对图像进行精准分割,并保留丰富的细节信息,平均重叠率达到了96.3%,分割准确性较高,这表明该技术在图像分割任务中具有较高的可靠性,为后续的图像处理任务提供高质量的输入数据。

小波域在无线局域网络信号增强中的应用

为提升无线局域网络信号增强中的去噪效果,应用小波域思想,设计一种无线局域网络信号增强算法.针对无线局域网络,收集无线局域网络原始功率谱数据,通过功率谱拟合因子提取信号特征,识别网络信号.对于识别的无线局域网络信号,通过过零率和短时功率提取该信号.基于小波域对无线局域网络信号实施去噪处理,分为二维小波变换、二进剖分、信号重构三个步骤.通过贝叶斯方法,在实施稀疏字典训练的同时,实现无线局域网络信号的增强处理,在训练中结合K-SVD算法,将信号增强过程和稀疏字典学习过程进行迭代和融合.将MATLAB R2019a作为测试设计算法的实验平台,利用计算机开展算法性能测试.测试结果表明:设计算法的无线局域网络信号增强性能良好,同时信号去噪性能较强,说明算法满足设计需求,在完善细节后可以投入实际应用.

基于改进Faster R-CNN的红外目标检测算法

为提升红外目标的检测精度,提出了一种引入频域注意力机制的Faster R-CNN红外目标检测算法。首先,针对红外图像边缘模糊和噪声问题,设计了一种并行的图像增强预处理结构;其次,在Faster R-CNN中引入频域注意力机制,设计了一种新型红外目标检测主干网络;最后,引入路径增强金字塔结构,融合多尺度特征进行预测,利用底层网络丰富的位置信息,提升检测精度。在红外飞机的数据集上进行实验,结果表明,改进后的Faster R-CNN目标检测框架比以ResNet50为主干的算法的AP提升了7.6%。此外,与目前主流算法对比,本文算法提高了红外目标的检测精度,验证了算法改进的有效性。

基于多域融合及神经架构搜索的语音增强方法

为进一步提高语音增强模型的自学习及降噪能力,提出基于多域融合及神经架构搜索的语音增强方法。该方法设计了语音信号多空间域映射及融合机制,实现信号实复数关联关系的挖掘;围绕模型卷积池化运算特点,提出了复数神经架构搜索机制,通过设计的搜索空间、搜索策略及评估策略,高效自动地构建出语音增强模型。实验搜索到的最优语音增强模型与基线模型的对比泛化实验中,语音质量客观评价(PESQ)、短时客观可懂度(STOI)两大指标较最优基线模型均最大提升5.6%,且模型参数量最低。

EnGAN:医学图像分割中的增强生成对抗网络

原始采集的医学图像普遍存在对比度不足、细节模糊以及噪声干扰等质量问题,使得现有医学图像分割技术的精度很难达到新的突破。针对医学图像数据增强技术进行研究,在不明显改变图像外观的前提下,通过添加特定的像素补偿和进行细微的图像调整来改善原始图像质量问题,从而提高图像分割准确率。首先,设计引入了一个新的优化器模块,以产生一个连续分布的空间作为迁移的目标域,该优化器模块接受数据集的标签作为输入,并将离散的标签数据映射到连续分布的医学图像中;其次,提出了一个基于对抗生成网络的EnGAN模型,并将优化器模块产生的迁移目标域用来指导对抗网络的目标生成,从而将改善的医学图像质量知识植入模型中实现图像增强。基于COVID-19数据集,实验中使用U-Net、U-Net+ResNet34、U-Net+Attn Res U-Net等卷积神经网络作为骨干网络,Dice系数和交并比分别达到了73.5%和69.3%、75.1%和70.5%,以及75.2%和70.3%。实验的结果表明,提出的医学图像质量增强技术在最大限度保留原始特征的条件下,有效地提高了分割的准确率,为后续的医学图像处理研究提供了一个更为稳健和高效的解决方案。

基于Patch域对抗训练的语音增强

在基于深度学习的语音增强方法中,往往会遇到训练数据和测试数据分布不匹配的问题,这种不匹配包括两个数据中说话人、说话内容、噪声类型及信噪比的不匹配。严重的数据不匹配问题会导致语音增强的性能大幅下降,针对这种情况提出了一种基于Patch域对抗训练的语音增强方法。该方法在先前域对抗训练的语音增强方法基础上,通过域判别器的隐式建模,能使整段语音被划分为多个独立Patch再进行判别,实现了对训练数据的适应性学习,从而减小训练数据和测试数据之间的分布差异,提高了模型在测试数据上的增强能力。实验结果表明,该方法在不同程度的数据不匹配问题下较先前方法都表现出优异的性能,且作为对抗训练也保持了良好的稳定性。

基于空间域与频域特征自适应融合和类间边界区域增强的三维海马分割

目的海马萎缩是诊断阿尔茨海默病等诸多精神疾病的临床重要标志,因此准确分割海马是一个重要的科学问题。随着深度学习的发展,人们提出了大量先进的自动分割方法。然而,由于MRI中各种噪声的影响以及海马不同类别之间不清晰的边界,三维海马分割仍然具有挑战性。因此本文旨在提出新的自动分割方法来更精确地分割海马头、体、尾。方法为了克服这些挑战,本文提出了两个策略。一种是空间域与频域特征自适应融合策略,通过快速傅立叶变换和卷积自动选择合适的频率组合,减少噪声对特征提取的影响。另一种是类间边界区域增强策略,它允许网络通过加权每个类之间边界区域的损失函数来增强对边界区域的学习,以达到精确定位边界和调节海马头、体、尾大小的目的。结果在50例青少年大脑MRI数据集上进行的实验表明,我们的方法实现了较先进的海马分割,海马头、体、尾相较于现有的方法都取得了一定的提升。消融实验证明我们提出的两种策略有效,我们还在260例Task04_Hippocampus数据集上验证了网络具有强大的泛化能力,说明本文提出的方法可用于更多的海马分割场景。结论我们提出的方法可以帮助临床医生更清楚地观测海马萎缩,并完成更精确的病情诊断和追踪。

单源域泛化中一种基于域增强和特征对齐的元学习方案

基于元学习的单源域泛化(single domain generalization,SDG)已成为解决领域偏移问题的有效技术之一。然而,源域和增强域的语义信息不一致以及域不变特征和域相关特征难以分离,使SDG模型难以实现良好的泛化性能。针对上述问题,提出了一种单源域泛化中基于域增强和特征对齐的元学习方案(meta-learning based on domain enhancement and feature alignment,MetaDefa)。利用背景替换和视觉损害技术为每一张图像生成多样且有效的增强图像,保证了源域和增强域之间的语义信息一致性;多通道特征对齐模块通过关注源域和增强域特征空间之间的相似目标区域和抑制非目标区域的特征表示充分挖掘图像信息,进而有效地提取充足的可迁移性知识。通过实验评估,MetaDefa在office-Caltech-10、office31和PACS数据集上分别取得了88.87%、73.06%和57.06%的精确度。结果表明,MetaDefa方法成功实现了源图像和增强图像之间的语义一致性和对域不变特征的充分提取,从而显著提升了单源域泛化模型的泛化性能。

知识增强的BERT短文本分类算法

为解决短文本信息不全且缺乏领域知识导致关键信息难以充分挖掘而造成的深度学习模型分类性能不足等问题,提出一种知识增强的双向编码器表示转换器(BERT)短文本分类算法(KE-BERT)。提出一种建模短文本与领域知识的方法,通过知识图谱进行领域知识的引入;提出一种知识适配器,通过知识适配器在BERT的各个编码层之间进行知识增强。通过在公开的短文本数据集上,将KE-BERT与其它深度学习模型相比较,该模型的F1均值和准确率均值达到93.46%和91.26%,结果表明了所提模型性能表现良好。