基于多窗谱估计谱减法和能熵比法的语音端点检测算法

语音端点检测是语音处理中非常关键的一个环节,目前主要的语音端点检测算法都侧重于语音特征参数的提取而忽略了之前的语音增强。论文提出一种基于多窗谱估计谱减法和能熵比的语音端点检测复合算法,该算法利用多窗谱估计谱减法将有噪声环境下的语音信号减噪,提高性噪比,达到语音增强的效果,再结合能熵比法进行端点检测。仿真结果表明,算法在低信噪比情况下,可以提高语音端点检测的正确率。

多窗谱估计的语音增强减法研究

多带谱熵不仅能体现和谱熵一样的频率特性,还能体现能量的分布情况,因此在进语音检测时更趋向于采用多带谱熵估计。通过仿真,证明多带谱熵估计在非平稳信号检测中相比于谱熵估计的优越性,确定适合坦克环境的多带谱熵噪声估计算法。结合多带谱熵估计、相关加权、分帧相减等理论,提出一种以多窗谱估计为基础的改进的语音增强算法。仿真结果表明,提出的算法不仅能更好地抑制背景噪声和音乐噪声,而且还较好地保持了语音的可懂度和自然度。

基于多窗谱估计的改进的维纳滤波语音增强算法

针对语音活动检测(VAD)噪声谱估计的算法在现实场景中(噪声谱不断的变化)难以取得理想的效果,很容易对噪声谱的估计偏小或者偏大的问题,本文提出基于改进的最小控制的递归平均算法(The improved minimum control recursion average,简称IMCRA)用来进行的噪声谱估计,与多窗谱的维纳滤波相结合的算法。该算法先将带噪语音进行多窗谱估计,然后用小波阈值技术进一步改进谱估计,从而得到相应频点处的先验信噪比,最后通过计算增益,得出增强的语音信号。通过仿真结果表明:在不同的背景噪声下,本文的算法和使用VAD,MCRA,Martin最小值跟踪作为噪声估算的语音增强算法相比,该算法能获得更好的语音增强信号。

多正弦窗谱估计应用于振动信号频谱分析

为了保证振动信号频谱分析在确保分辨力时具有良好的方差性能,引入多正弦窗,结合Thomson提出的多窗算法,进行了多正弦窗谱估计算法的理论分析与基于实测汽轮机振动信号的频谱分析效果仿真,分析了算法的分辨力与方差性能,并讨论了正弦窗口数对算法性能的影响.仿真结果表明多正弦窗谱估算法可在谱分辨力和方差性能间取得较好均衡,适合于振动信号频谱分析,性能优于传统的周期图及其各种改进算法.

多窗谱估计法估计相干函数的双端语音检测

双端语音检测是声回波对消系统的重要组成部分。鉴于目前采用的基于相关的双端语音检测运算量较大,文中采用基于相干的双端语音检测方法,利用多窗谱估计法估计相干函数。该谱估计法能够利用较短的数据段获得可接受的频率分辨率而估计方差较小。软件仿真结果表明,基于相干的双端语音检测与基于相关的双端语音检测相比较,前者能够在不严重增大漏报概率的情况下大大提高运算效率。

基于非参数谱估计的一种认知无线电频谱空洞检测方法

介绍了认知无线电作为一种用于提高无线通信频谱利用率的新的智能技术及检测频谱的空洞,给出利用现代信号谱分析中的多窗谱估计算法,结合认知无线电中的干扰温度机制,提出了一种多窗谱估计合并奇异值分解来检测认知无线电中频谱空穴的方案。

多窗谱分析在Q值估算中的应用

正弦窗谱分析和Slepian窗谱分析是两种常用的多窗谱分析方法,本文利用两种窗函数分别对含噪声的衰减模型进行谱分析对此,并根据谱比法估算了Q值,研究结果表明:正弦窗函数谱分析应用的效果优于Slepian窗谱分析应用的效果,而且多正弦窗谱估计更接近真实的谱,对于深部地层,噪声的影响更加严重,利用多正弦窗谱估计估算的Q值更接近理论的Q值。

认知无线电中基于小波变换和干扰温度估计的频谱感知

干扰温度是认知无线电领域中引入的一种衡量频段上干扰强度的量。本文提出了基于小波变换和干扰温度估计的频谱感知策略。该思想首先利用小波变换分析无线宽带系统中信号功率谱密度变化的奇异点,将整个宽带频谱分为几个子区域,实现对无线传播环境的"粗感知";再运用多窗谱估计与奇异值分解(MTM-SVD)算法进行处理,获得每个子区域的干扰温度值;最后与干扰温度门限比较判决,从而得到适合认知无线电系统应用的频谱空洞,完成对无线传播环境的"细感知"。

基于在体植入电极的生物嗅觉传感系统设计及其气味识别

目前生物嗅觉系统在气味识别方面相比于化学传感器阵列构成的电子鼻系统具有更高的灵敏度、特异性和响应速度。为了探讨生物嗅觉传感系统气味识别的可行性,构建了基于微电极阵列传感器植入大鼠嗅球构成的嗅觉传感系统,研究记录了浓度为10 mM的异丁醇、苯甲醚、香芹酮和柠檬醛4种气味刺激引起的嗅球僧帽层低频场电位信号,采用多窗谱估计算法和移动窗技术结合得到随时间分布的功率谱密度图。实验结果发现气味刺激后信号功率谱能量较多分布在gamma频段(40 Hz～120 Hz)。使用K最邻近分类方法对120组数据进行分类识别,4种气味分类正确率达到77.4%。实验结果表明该嗅觉传感系统结合多窗谱估计时频图与K最邻近分类算法可以初步实现气味识别。

基于时频结合的带噪语音端点检测算法

为了改善在低信噪比条件下,传统语音端点检测算法准确率较低的情况,提出了一种结合多窗谱估计的谱减法和能熵比的语音端点检测算法。该算法在低信噪比下,对带噪语音进行多窗谱估计的谱减语音增强后,结合语音信号的短时能量和子带谱熵,对增强后的语音信号进行能熵比的计算,并用于端点检测。实验结果表明,在不同的背景噪声且信噪比为-5 d B环境下,相对其他端点检测算法更有效地检测出语音端点,可达到70%以上的正确率,此算法更适合于低信噪比环境下的语音端点检测。

低信噪比环境下改进的语音端点检测算法

端点检测在语音识别中具有非常重要的作用,其准确性将直接影响语音识别系统的正确率。为了提高低信噪比环境下语音端点检测的正确率,提出了一种基于多窗谱估计的改进谱减法和能量谱熵的端点检测算法。该算法首先利用多窗谱估计改进谱减法对含噪语音进行去噪以提高语音信号信噪比,接着对去噪后的语音信号使用新的能量谱熵算法进行端点检测。仿真实验结果表明,同常见端点检测算法相比较,该算法在低信噪比环境下具有较好的端点检测正确率且有一定的鲁棒性,证明了该算法的有效性。

基于加权混合特征的话者识别算法

用多窗谱估计和伽马通滤波改进经典的梅尔倒谱特征(MFCC)的识别性能,并与delta特征相结合,提出了一种基于加权参数设置策略的混合特征话者识别算法.该算法解决了梅尔倒谱系数方差过大、听觉特征不明显及话者识别算法特征单一的问题.仿真结果表明:与MFCC和线性预测的提取方法相比,该算法鲁棒性能更优,对不同噪声环境的适应性更好.

基于主体-延伸法的基音周期检测改进算法

针对带噪语音信号基音周期检测过程中易出现较多野点的情况,提出一种改进的基音周期检测算法。首先,结合谱减法与小波变换进行降噪处理,将降噪后获得的有用语音信号序列进行第一次加窗分帧,从而用于信号端点和元音主体检测;其次,在第二次加窗分帧的过程中引入多窗谱估计法,进一步减少部分共振峰和残留噪声对基音检测的影响;最后,结合改进的主体-延伸法进行基音检测。实验仿真结果表明:与传统的基音周期检测方法相比,改进的基音周期估算方法采集到的有话段样点率为87%,比改进前提高了至少5%,提高了基音周期检测的精度。

认知无线电中频谱检测技术研究

认知无线电系统可以通过检测周围的频谱环境,有效地利用空闲频谱。频谱检测是认知无线电的关键技术之一,通过搜寻频谱空洞,为高层决策提供辅助。针对认知无线电中的多窗谱估计和加权交叠分段平均法等频谱检测算法进行了简要介绍。对多窗谱估计算法的性能进行了仿真,分析了算法中重要参数对估计能力的影响。对频谱检测算法的硬件实现进行了验证,结果表明算法达到了比较理想的性能。

强背景噪声下语音端点检测的算法研究

多带谱熵法对语音频段进行分带处理形成新的分带谱熵函数,在低信噪比时,该方法能够更好地检测出语音,还能体现能量分布情况,应用较为广泛。多窗谱分析方法对同一数据序列用多个正交的数据窗分别求直接谱,是一种低方差、高分辨率的谱分析方法,尤其适合非线性系统中高噪声背景下弱信号、时频演变信号的分析。提出基于多窗谱及多带谱相结合的语音检测方法,仿真结果表明:改进算法较其他算法占有绝对的优势,而且性能稳定。

基于改进PNCC和i-vector的说话人识别鲁棒性

针对传统的梅尔频率倒谱系数(MFCC)在说话人识别系统中鲁棒性不足的问题,提出一种基于改进幂率归一化倒谱系数(PNCC)特征算法和身份向量(i-vector)训练模型的方法。与传统的MFCC不同,PNCC利用长时帧估计背景噪声;在此基础上,通过多窗谱估计、平滑幅度谱包络和均值方差归一化(MVA)等技术进一步提升其鲁棒性。以i-vector为基准模型,在TIMIT语音库上进行说话人识别实验,实验结果表明,在不同噪声、不同信噪比下,所提算法相比其它特征有最低的等错误率,鲁棒性最强,在信噪比低于10dB的噪声环境中具有更大优势。

利用频谱峰值特征的窄带频谱感知方法

针对全盲条件下窄带频谱感知在低信噪比时性能不理想的问题,提出了一种基于频谱峰值局部密度的频谱感知(MTSE-MLD)方法。该方法对接收信号采用多窗谱(MTSE)估计功率谱,提取其最大值组成峰值序列,借鉴聚类思想利用频谱峰值局部密度的最大值(MLD)作为检测统计量,理论推导并仿真验证了其服从Ⅱ型极值分布,从而得到给定虚警概率下的检测门限,实现信号的盲检测。实验结果表明:MTSE-MLD方法无需任何先验信息,对噪声方差不敏感,适用于加性高斯白噪声信道与多径衰落信道下通信信号的检测;在数据量相同的条件下,与特征值能量法相比性能提高了1dB。

佤语语音语料端点检测算法

端点检测是语音信号处理的过程中非常重要的一个环节,其准确性直接影响语音信号处理的速度和结果.特别是在实际应用中因信噪比较低,使得某些高信噪比下性能好的端点检测算法准确率也比较低.为了提高在低信噪比的环境下佤语语音端点检测的准确率,本文使用了一种基于多窗谱估计谱减法和能熵比法的语音端点检测复合算法.该算法首先利用多窗谱估计谱减法去除语音的背景噪音以提高信噪比;其次再对去噪后的语音使用能熵比算法进行端点检测;最后借助Matlab工具对佤语语音进行仿真实验.仿真结果表明:对于低信噪比的环境下的佤语语音,本文使用的基于多窗谱估计谱减法和能熵比法复合算法同常规能熵比算法相比,端点检测的准确率提高了34%.

基于改进MFCC的说话人特征参数提取算法

在说话人识别系统中,传统梅尔倒频谱系数(MFCC)所提取特征不能够很好的反映说话人动态特征,尤其在噪声环境中,识别率较低,鲁棒性不足。针对以上问题,提出一种基于改进梅尔倒频谱系数(MFCC)的方法,通过多窗谱估计和一阶、二阶差分的方法提升识别性能。实验结果证明,在纯净语音和添加信噪的情况下,改进后方法的识别准确率都有所提升。当训练集为纯净语音,只为测试集添加噪声时,实验结果依然有较高的准确率。

认知无线电中的宽频段频谱感知器设计

无线频谱感知器是认知无线电系统的核心。文章针对认知无线电中的宽频段频谱感知问题,提出了利用谐波滤波器组周期性检测的方案,并给出了基于能量检测的硬件实现框图。理论与仿真分析表明,基于快速傅里叶变换的周期图法不满足一致性估计条件,方差性能很难满足实际应用需求;分段平均周期图法与加窗平均周期图法收敛性好,方差小,但是功率谱密度主瓣较宽,分辨率低;多窗谱估计法具有较小的估计偏差,且其方差性能和频谱分辨率均远远优于周期图法,因而比较适合应用在实际的认知无线电系统中。