最小控制递归平均算法对光纤声音传感系统的降噪作用

为了解决恶劣环境下分布式光纤声音传感系统的声音还原问题,搭建了一种基于改进最小控制递归平均(IMCRA)算法的多通道光纤声音传感系统。采用Sagnac和Mach-Zehnder复合光路结构,以单模光纤作为传感单元拾取声音信号,借助光开关实现了多通道信号采集,并通过改进最小控制递归平均算法对声音信号进行降噪、还原及增强处理。实验结果表明:该系统可在长为4km的传感光纤上实现对单音信号和语音信号的多通道扫描拾取,并能够在复杂情况下实现对语音信号信噪比的有效提升,为光纤声音传感系统在恶劣环境下的应用提供了一种新途径。

基于改进最小值搜索的IMCRA噪声估计算法

当噪声水平升高时,现有的噪声估计算法存在跟踪时延和估计不准确的问题,为提高噪声估计的准确性,对改进的最小值控制的递归平均噪声估计算法(improved minima controlled recursive averaging,IMCRA)中的最小值搜索方法进行改进,利用连续最小值跟踪算法取代最小值统计算法,打破求解最小值受窗长影响的现状,减少跟踪时延;提出一种基于语音存在概率的偏差补偿函数模型,偏差补偿的大小由各个频带决定。实验结果表明,不管是平稳还是非平稳噪声环境,改进后的算法都能有效提高增强后语音的质量。

基于活动性检测动态估计噪声的心音降噪算法

针对基于小波分解和最优改进对数幅度谱估计的心音降噪算法存在噪声残留和心音失真的问题,提出一种基于心音活动性检测(HSAD)动态估计噪声的心音降噪算法。通过设计的HSAD判断当前心音帧是否为基础心音帧(FHS),根据判断结果分别采用改进最小值控制递归平均(IMCRA)算法和递归平滑算法对噪声功率进行动态估计与更新,采用非因果先验信噪比,实现心音信号的降噪。实验结果表明,提出算法能更好在提升降噪性能的同时,降低FHS的失真。

基于改进谱平滑策略的IMCRA算法及其语音增强

噪声谱估计算法在单通道语音增强方法中起着重要作用,为了改善噪声谱估计算法对噪声的估计和更新能力,结合最小统计(MS)算法,对改进的基于控制的递归平均(IMCRA)噪声谱估计算法的递归平均参数进行改进,并用一阶递归的方式对平滑功率谱的最小值进行改进。采用谱减法对含噪语音信号作去噪处理,从客观和主观两方面对不同算法的性能进行评价,对比分析不同噪声不同信噪比下增强前后语音的分段信噪比(segSNR)、PESQ得分、MOS得分。实验结果表明,提出的方法能够更好地跟踪噪声信号变化,改善语音质量。

基于双向搜索方法的最小值控制递归平均语音增强算法

语音增强效果的提高,有赖于对噪声的准确估计和对噪声变化的及时跟踪与更新。为了提高对非平稳噪声的估计和更新能力,本文基于"改进的最小值控制递归平均"(IMCRA)算法,提出了噪声谱最小值双向搜索的改进算法。该算法结合前向搜索和后向搜索谱最小值方法的特点,有效提高噪声估计的准确性、减小非平稳噪声跟踪的延迟。实验仿真表明:在非平稳噪声环境和低信噪比条件的语音信号增强处理中,本文提出的改进算法非常有效,与IMCRA算法相比,它可以获得更好的分段信噪比的提高。

基于连续频谱最小值跟踪的语音增强算法

噪声估计的准确度决定着语音增强效果的好坏。为了提高噪声估计的准确度,并及时跟踪非平稳噪声,在最小值控制递归平均算法的基础之上,提出了连续频谱最小值跟踪的改进最小值控制递归平均算法。通过对含噪语音功率谱的每一个频点进行连续平滑,然后再在子窗内采用最小值搜索的方法来实现噪声谱的估计。仿真实验结果表明,改进后的算法相对于原算法,在输出信噪比上提高大约0.8~2.1dB,能够更加准确的估计噪声谱,提升语音质量。

一种控制系统在线辨识方法的实现

讨论了以计算机虚拟仪器为硬件平台,使用Delphi语言编写辨识模块,实现对控制系统的在线辨识,提出一种改进的最小二乘递推算法提高辨识精度。实现了对控制系统的状态进行预测估计,实验结果验证了算法的正确性。

基于功率归一化倒谱的端点检测

传统的端点检测在低信噪比(SNR)非平稳噪声下性能会失效,因此文章提出了将最优改进的对数谱幅度估计(OMLSA)以及最小控制递归平均算法(IMCRA)相结合的方法对包含噪声的语音指令进行去噪处理,提取PNCC的第一维静态特征作为特征参数。同时,文章在单参数双门限法的基础上设计了一个自适应阈值,可以更好地跟踪预测实际语音的起始与终止端。Matlab仿真结果显示,该算法在各种非平稳噪声下比经典算法优势更大。

一种基于χ~2分布的子带噪声估计方法

提出了一种基于χ2分布的子带噪声估计方法。带噪语音信号在临界带进行分解,并且假设子带信号服从χ2分布,然后在各个子带,采用基于χ2分布的改进最小统计量控制递归平均方法进行噪声估计。与传统的改进最小统计量控制递归平均噪声估计相比,该子带噪声估计方法可以利用人耳感知特性,并大大减少计算量。实验结果表明,提出的方法具有较好的噪声跟踪能力和较小的计算需求。采用该噪声估计的语音增强系统具有更强的噪声抑制性能和较好的增强语音信号质量。

一种适用于双微阵列的语音增强算法

考虑到传统单通道语音增强算法对噪声抑制的局限性,采用由两个微型麦克风阵列组成的双微阵列;利用该阵列空间结构的时空域特性对含噪语音进行处理,提出了一种适用于双微阵列的语音增强算法;该增强算法是将各通道采集到的带噪语音信号先使用对数最小均方误差(logarithmic minimum mean square error,Log MMSE)提升其信噪比;然后利用频域宽带最小方差无畸变响应(MVDR)通过对目标声源信号的获取,保留目标声源方向的信号并抑制其他方向的信号干扰;最后通过一个改进可懂度结合改进最小控制递归平均(improved minimum controlled recursive average algorithm,IMCRA)噪声估计的维纳滤波器来去除噪声残留提升语音质量。仿真实验结果表明,相比传统的单通道语音增强算法,该算法具有良好的噪声抑制性能。

基于多窗谱估计和几何谱减的低信噪比语音增强方法

在低信噪比条件下,传统谱减算法对语音和噪声的独立性假设会产生一定的"音乐噪声",从而降低了语音的可懂度.对此,本文提出了一种结合多窗谱估计和几何谱减的语音增强算法.本算法利用多窗谱估计带噪语音信号的功率谱,采用改进最小值控制递归平均算法实时跟踪估计噪声谱,应用几何谱减算法求解增益函数,从而恢复出精确的语音信号.通过在IEEE数据集上进行实验,并以PESQ和LSD作为评价指标,结果表明本算法在低信噪比条件下,缩短了带噪语音与纯净语音之间的频谱距离,并有效的抑制了增强语音的背景噪声,提高了语音可懂度.

基于麦克风阵列的语音增强研究

麦克风阵列的自适应算法通过迭代运算获取波束形成的最优权矢量时,噪声模型的估计是一个非常关键的因素。它的好坏直接影响着系统波束形成的性能。系统地分析了最小均方(LMS)自适应语音增强算法,并针对阻塞矩阵在估计噪声时存在的缺陷,在该算法的基础上提出了一种利用最小值控制递归平均(MCRA)来估计噪声的方法。将此方法应用于波束形成,并用Matlab软件进行仿真。仿真实验结果表明,MCRA估计出的噪声使LMS自适应语音增强的效果更好和抗噪性更强。

基于麦克风线阵的语音增强算法研究

介绍了最小方差无失真响应波束形成及改进的最小控制递归平均算法,并根据麦克风线阵的特点提出一种多通道语音增强算法,可适应多通道语音信号的特点。最后,使用线性麦克风阵列采集语音信号,应用提出算法进行语音增强处理,实验结果表明,算法能较好地适用于麦克风线阵采集的语音信号的增强处理。

车站运行列车异音检测方法

针对运行列车异音检测的高实时性和高准确率要求,提出一种改进的最小值控制递归平均噪声估计算法(minima controlled recursive averaging,MCRA)和一种以改进能熵比值为特征值的异音检测算法。根据无法提取纯净行车音频和列车运行环境噪声变化大的特点,改进MCRA算法中最优平滑因子及功率谱最小值跟踪算法,有效解决MCRA算法中存在的噪声估计延时问题和噪声功率谱估计不准确问题。针对异常类型较多的特点,采用改进的能熵比检测算法,有效识别四类异常情况。实验结果表明,结合上述两种方法能够有效确定异常车厢和异常行驶类型,准确率达91%。

多噪声环境下双微阵列语音增强算法

为提高双微阵列语音增强系统在多噪声环境下的消噪性能,提出一种适用于双微阵列的改进广义旁瓣抵消器语音增强算法。根据双微麦克风阵列的结构特点,首先,用基于噪声互功率谱估计的改进相干滤波算法消除距离较远麦克风之间产生的弱相关噪声;然后,利用广义旁瓣抵消算法消除距离较近麦克风之间产生的强相关噪声;最后,通过基于最小值控制递归平均的子带谱减法有针对性地消除不同频带上的残留噪声。仿真实验表明,在多噪声环境下所提算法较现有的双微阵列语音增强算法取得了更好的感知语音质量评价得分,一定程度上改善了双微阵列语音增强系统对复杂噪声的抑制效果。

基于维纳过滤的IMCRA算法

为了改善噪声谱估计算法对噪声的估计能力,提出基于维纳过滤的最小值控制递归平均(improved minimum control recursion average,IMCRA)算法。采用二级过滤技术,第一级利用参变维纳滤波算法过滤带噪语音得到语音频谱的估算值,计算其先验信噪比和后验信噪比,通过维纳滤波传递函数计算输出语音。第二级利用IMCRA算法对语音信号进行噪声估计,使用基本谱减法过滤噪声得到语音信号。对比实验结果表明,该算法提高了噪声的估计能力,同时语音信号的可懂度和清晰度也有所提高。

一种用于回声消除的变步长SC-MPNLMS频域分块算法

针对回声路径的冲激响应时间长,稀疏控制μ律比例归一化最小均方算法(SC-MPNLMS)计算复杂度高的问题,提出一种变步长的频域分块SC-MPNLMS的线性回归,得到估计回声每个频点的自相关,以及估计回声与误差信号的互相关来确定泄漏系数,从而调整全局步长因子对自适应滤波器系数进行变步长矩阵的更新,改善了算法在稳态阶段时步长因子过大的缺点。针对频域分块自适应滤波算法初始收敛速度慢的问题,将滤波器初始权值赋值为稀疏度适中的随机序列。实验结果表明,在回声路径不同的稀疏程度条件下,保持了与SC-MPNLMS算法相近的收敛速度与稳态回声返回损耗增量(ERLE),并且降低了算法复杂度。

基于MCRA和OM-LSA的语音增强算法

本文介绍了一种结合最小值控制的递归平均(MCRA)噪声谱估计和最优改进对数幅度谱估计(OM-LSA)的语音增强算法。MCRA对于噪声的估计是无偏的,对输入信噪比和加性噪声具有鲁棒性,计算效率高,并且能够快速跟踪噪声谱。而OM-LSA既可保留语音周期成分,又可避免音乐噪声残留,两个算法相结合可以实现最优滤波,取得较好的噪声抑制效果。

一种抗干扰变电站1/3倍频程噪声测量方法

针对变电站噪声测量容易受外界干扰的问题,提出了一种抗干扰变电站噪声测量系统实现方法。利用最小值控制递归平均算法实时估计每个时频点变电站噪声存在概率,再综合成每个1/3倍频程中外界干扰信号存在概率;对干扰信号存在的1/3倍频程,不进行1/3倍频程噪声更新,从而避免外界干扰信号对变电站噪声测量的影响。仿真结果证明,该方法可以有效减小瞬态干扰对变电站噪声的影响。

噪声动态估计下的心音降噪

针对基于小波分析和经验模式分解的降噪方法本质上不能追踪并消除噪声且容易造成心音失真的问题,本文提出了一种融合改进最小值控制递归平均和最优修正对数谱幅度估计的心音降噪方法。该方法采用短时窗平滑动态追踪、估计噪声最小值,并将噪声估计用于获取最优频谱增益函数,通过最小化干净心音与估计的干净心音的差异来最大限度地抑制噪声。此外,结合心音时频图主观分析和对正常与异常心音分类系统贡献性的客观分析,提出了一种更为严格的评价机制。实验结果表明,本文提出的方法有效地改善了心音信号的时频特征,并在正常与异常心音分类系统中获得了更高的评分。本文提出方法能够帮助医务工作者提高听诊的准确性,对计算机辅助诊断系统的构建与应用也具有十分重要的参考价值。