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。

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。

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。

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。

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。

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。