用盲反卷积和改进谱减法提取轴承微弱特征

为了有效提取滚动轴承早期损伤时微弱的故障特征,提出盲反卷积和改进谱减法(SSM)的振动信号分析方法。建立了滚动轴承振动信号卷积分析模型,阐述了冲击传递过程,根据无量纲特征构造了优化盲反卷积滤波器以检测振动信号中的微弱冲击成分。引入高效信号消噪方法——SSM消除盲反卷积后的背景噪声以增强故障特征。由于工程中轴承噪声频带较宽且幅值相差较大,易引起附加噪声分量,在经典SSM基础上,根据滚动轴承振动信号损伤信息存在于低频和高频调制区的特点,通过噪声能量和畸变量指标优化调整参数进行频域谱减。测试信号处理显示了改进SSM的优越性。最后将盲反卷积和改进SSM用于轴承诊断,结果表明该方法能提取滚动轴承早期损伤的冲击特征。

基于小波分析与Boll改进谱减法的普米语语音增强算法

小波分析和Boll改进谱减法具有很好的减噪效果,但同时也存在"音乐噪声"和语音失真.为了解决这2个问题,基于这2种算法,研究了一种它们的联合算法并对加噪后的普米语进行语音减噪实验.通过对减噪后语音的试听和波形图的观察以及信噪比的对比,对实验的结果进行分析.实验结果表明,针对叠加了随机高斯白噪声的普米语,算法能有效地减少这2种方法单独使用时所产生的"音乐噪声"和语音失真.

基于改进谱减法的语音增强

针对传统谱减法具有残余音乐噪声过强,清音部分损失严重的缺点,提出了一种利用语音信号的短时平均幅度差特征(AMDF)并结合短时平均幅度(AM)的语音检测算法,在原始语音估计式中引入了参数α和β,对传统的谱减法进行改进。根据采集的真实带噪语音数据,将传统谱减法和改进的谱减法结果进行了比较分析。在研究基于改进的谱减法的语音增强算法基础上,构建了以TMS320VC5509和TLV320AIC23 Codec为核心器件的实时系统,能够有效地提高语音信噪比,信号的信噪比由12.2 dB提高到了4.0 dB,改善了语音质量。

谱减法与改进谱减法的性能分析

语音增强技术在说话人识别系统中起着很重要的作用,其结果的好坏直接影响后续的特征提取和模板匹配的准确性。谱减法因计算简单,是语音增强技术中常用方法,但存在"音乐噪声"。改进谱减法利用近似估计非零项法,能够对其进行优化。本文介绍了基本谱减法和改进谱减法的原理,并利用MATLAB软件进行仿真实现,验证了改进谱减法的优越性。

基于改进谱减方法的语音增强研究

由于噪声的影响导致语音信号的质量降低,因此需要对语音信号进行语音增强。语音增强是语音信号处理的前沿领域,其主要目标是从带噪语音中提取纯净的原始语音信号。介绍了实现语音增强方法的原理,利用实验仿真了传统谱减法和改进谱减方法,改进法通过对带噪信号进行参数调整,然后进行频域谱减,实验结果表明改进方法对语音增强效果明显好于传统方法。此外,对传统谱减法和改进谱减法的信噪比分别进行了计算,结果表明改进谱减方法的信噪比相对传统谱减方法有很大提高。

基于谱熵的耳语音增强研究

建立了一个小型耳语音库,并分析了耳语音的特点。在此基础上引入基于子带功率谱熵的改进谱减法对耳语音进行增强处理。该方法通过分析耳语音信号的子带功率谱熵,检测出耳语音的噪音段和语音段,然后对噪音段和语音段分别进行改进谱减处理,以达到良好的去噪效果。实验证明:此方法能有效分离出耳语音的噪声段和语音段,与传统谱减法相比,信噪比有了较大的提高。

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。

一种低信噪比下语音端点检测的改进算法

端点检测在语音信号的处理与识别过程中占据着极为重要的位置。为了解决其在低信噪比环境下检测准确率低的难题,提出一种改进的语音端点检测方法。该方法首先使用Boll的改进谱减法对带噪语音降噪,然后求出降噪后每帧语音的对数能量与自相关函数余弦角值之比,最后把对数能量-自相关夹角余弦比值用作双门限算法的参数,用于语音段起止点位置的判断。经仿真实验验证,与其他传统端点检测算法相比,该算法在低信噪比环境中具有更高的端点检测准确率,对语音信号的后续处理也提供了较大帮助。

基于多窗谱减和LMS在工厂中的去噪实现

为有效抑制工厂复杂环境中的背景噪声,获取音频信号中包含的有用信息,提出了一种基于多窗谱谱减法和自适应最小均方误差滤波算法相结合的音频降噪方法。首先使用改进多窗谱谱减法即修改谱减关系中的增益因子对含噪音频进行初步噪声抑制,有效避免了音乐噪声的产生并提升在了非平稳噪声干扰下的音频感知质量。然后再使用基于双曲正切函数调整步长因子的变步长自适应LMS滤波算法对已经初步去噪后的音频信号进行二次降噪处理,从而达到消除音频中噪声分量目的。仿真实验结果表明,该方法相较传统多窗谱谱减法去噪后信噪比提升7 d B左右,较固定步长LMS算法提升3~4 d B,较传统多窗谱级联定步长LMS算法提升1~2 d B,且该方法简单易行,且具有较好的实际应用价值。

无线电通信中的端点检测算法

针对无线电语音传输过程中低信噪比(Signal-to-Noise Ratio,SNR)的情况,改进优化谱减法,通过对多窗谱谱减算法中参数的自适应选择,获得对噪声频谱的合理估计,提高信号的降噪效果,并使用谱熵为特征的端点检测算法对人声进行提取。仿真对比实验结果显示,在强噪声环境下,所提算法在语音增强方面表现更出色,识别准确率更高。

蛋鸡声音信号去噪方法对比分析

声音分析技术已成为研究动物行为、动物福利的一种重要工具,蛋鸡声音可用来评价其健康或福利状况,然而规模化蛋鸡舍中存在较多风机噪声等声源干扰,这对准确识别蛋鸡发声有很大影响。本文以海兰褐蛋鸡为例,预处理获取的声音信号,以减少风机噪声的干扰。利用数字化声音采集平台采集不同类型的蛋鸡发声和风机噪声音频,采用Lab VIEW软件进行声音信号处理并分析蛋鸡声音和风机噪声的时频特征。同时,对比分析不同去噪方法(IIR滤波器去噪、小波阈值去噪和改进谱减法去噪)在去除风机噪声方面的效果。结果表明,在信噪比为-8~20 d B声音环境下,改进谱减法均方根误差最小(0.03~0.38),算法运行耗时最短(6~7 ms),在实际应用中去噪效果较好,可为规模化蛋鸡舍中风机噪声环境下的蛋鸡声音信号处理和分析提供参考。

语音增强技术在DSP芯片中的实现

介绍了一个基于DSP芯片实现实时处理的语音增强系统。采用了一种改进了的谱减法较好的实现了对带噪语音的降噪 ,同时对可懂度也有了一定的改善。

基于SPCE061A的语音增强

本文对凌阳科技公司的处理器SPCE061A进行简要介绍,并分析了该芯片作为语音控制平台的功能的实用性,着重从语音识别功能优化,语音增强方面进行探讨及比较。

基于传统能零比和自相关函数主副峰结合的端点检测法

端点检测是语音信号处理中的一个非常重要的步骤,其准确度直接影响语音信号处理的速度和效果。传统的端点检测方法可以在高信噪比环境下准确地检测语音端点,但在低信噪比情况下,传统的端点检测特征参数不能充分描述语音信号的特征,导致端点检测效果的下降。为此,本文提出了一种对语音进行改进的多窗谱减法降噪和中值滤波减少低信噪比环境下无话段的起伏后,在结合对数能量、过零率和自相关函数主副峰比值的端点检测方法,实验表明,该方法比传统的端点检测方法具有更好的精度和鲁棒性,在低信噪比环境下取得了良好的端点检测效果。