融合数据预滤波和频谱展宽的骨导语音增强方法

骨导语音具有天然的抗环境噪声能力,然而,受骨导麦克风佩戴位置和方式的影响,骨导语音在采集过程中常混入骨导麦克风与皮肤或衣服之间的摩擦声,导致现有基于深度学习的骨导语音增强方法鲁棒性不高、适应性不强。为提高骨导语音增强的鲁棒性,提出一种融合数据预滤波和频谱展宽的骨导语音增强方法。该方法首先通过低通滤波对骨导语音数据进行预处理以去除高频噪声,然后对预滤波后的骨导语音进行时频变换,并分别基于U-Net和CRNN两种深度网络进行频谱展宽,最后通过时频逆变换重构出全频带语音。仿真结果表明,与现有深度网络增强方法相比,所提方法可以取得更好的PESQ和STOI客观评价指标,主观听感具有更好的清晰度,且对不同说话人具有更好的适应性。

机载雷达的预滤波直接数据域算法

空时自适应处理(STAP)作为一种地杂波环境下机载雷达自适应检测小目标的方法已得到广泛研究,干扰非一致性是当前的一个重要方面。由杂波脊外的强干扰(或目标)引起的分立非一致性是市区和尖峰状杂波环境下STAP性能下降的主要原因。利用级联算法得到的自适应权可用于STAP干扰的分立非一致性问题。该方法由一个直接数据域算法和一个统计自适应算法级联构成。该文提出一种带杂波衰减预滤波器的直接数据域算法来增强算法对分立非一致干扰的抑制,从而提高了STAP对付分立非一致干扰的性能。