基于子带频谱墒算法检测表面肌电信号肌肉疲劳性

目的:针对传统检测肌肉疲劳方法灵敏度较差问题,提出按肌肉收缩区分割表面肌电信号。该方法考虑到肌肉动态收缩时肌肉发力、形状等因素影响特征参数平均功率频率的表征效果,因此,在分割表面肌电信号上以肌肉收缩区的个数作为单位,摒弃以时间作为单位的传统分割。方法:采用单参数结合双阈值的方法判断肌肉收缩区起、止点。利用肌肉动态收缩区特征参数平均功率频率的灵敏度波动比表征肌肉疲劳的灵敏度。表面肌电信号采集设备品牌为NORAXON、型号为MR3.6版本,程序设计采用MATLAB编程。结果与结论:仿真结果证明与传统定长分割方法相比,该方法检测肌肉疲劳具有较高的灵敏度和较好的表征性。

实时语音端点鲁棒检测

提出了一种适应复杂环境下的高效的实时语音端点检测算法,给出了每帧声信号在滤波中的噪声功率谱的推算方法。先将每帧语音的频谱进行迭代维纳滤波,再将它划分成若干个子带并计算出每个子带的频谱熵,然后把相继若干帧的子带频谱熵经过一组中值滤波器获得每帧的频谱熵,根据频谱熵的值对输入的语音进行分类。实验结果表明,该算法能够有效地区分语音和噪声,可以显著地提高语音识别系统的性能,在不同的噪声环境条件下具有鲁棒性。该算法计算代价小,简单易实现,适合实时语音识别系统的应用。

基于顺序统计滤波的实时语音端点检测算法

针对嵌入式语音识别系统,提出了一种高效的实时语音端点检测算法.算法以子带频谱熵为语音/噪声的区分特征,首先将每帧语音的频谱划分成若干个子带,计算出每个子带的频谱熵,然后把相继若干帧的子带频谱熵经过一组顺序统计滤波器获得每帧的频谱熵,根据频谱熵的值对输入的语音进行分类.实验结果表明,该算法能够有效地区分语音和噪声,可以显著地提高语音识别系统的性能.在不同的噪声环境和信噪比条件下具有鲁棒性.此外,本文提出的算法计算代价小,简单易实现,适合实时嵌入式语音识别系统的应用.