基于最小均方误差对数谱幅度估计的心音降噪算法

将基于最小均方误差对数谱幅度估计的语音增强算法用在心音降噪中,该方法基于统计模型方法将降噪归于统计框架中,通过对带噪心音信号进行最优幅度谱估计,最小化估计心音与干净心音的差异来去除噪声,恢复原始的信号。实验结果表明,本文算法有效改善了心音信号的时频特征,并在后续的心音分类算法中获得了更高的准确率。本文方法在心音降噪中表现优秀,对电子听诊器、心脏病自动检测技术的发展具有重要意义。

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性,提出了一种联合自适应阈值活动语音检测(VAD)算法和最小均方误差对数谱幅度估计(MMSE-LSA)的实时降噪算法。首先,在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计,对得到的背景噪声进行实时更新并保存;然后,将实时更新的背景噪声作为MMSE-LSA的参考噪声,并对噪声幅度谱进行自适应更新,最后进行降噪处理。通过在真实场景中对四类声信号进行实验,结果表明,该算法在保证对低SNR声信号的实时处理的情况下,相较于传统MMSE-LSA算法,降噪信号的SNR能够提高10~15 dB,且不存在信号过减的情况,可应用于实际工程。

基于PCNN和遗传算法相结合的新型混凝土桥梁裂缝检测方法

针对混凝土桥梁裂缝对比度低、裂缝图像噪声干扰强等难题,提出了基于脉冲耦合神经网络(PCNN)和遗传算法相结合的混凝土桥梁裂缝检测新算法(GA-PCNN)。该算法首先利用遗传算法优化裂缝PCNN模型参数;然后通过改进的最小对数误差适应度函数区分裂缝与背景,当适应度值大小几乎无变化时,停止分割图像;最后通过连通域去噪算法滤除残余噪声,实现裂缝的自动检测。比较GA-PCNN、PCNN和基于熵及动态阈值算法对裂缝图像的分割效果,并绘制PR和ROC曲线评价分割质量,经计算GA-PCNN算法的PR和ROC曲线下面积为90.6%和91.6%,分别高于PCNN算法10.1%和6.8%、基于熵和动态阈值6.5%和6.7%。实验结果表明,GA-PCNN新算法分割效果好且去噪能力强,该算法能准确地提取混凝土桥梁裂缝特征。

低信噪比环境下的语音识别方法研究

单通道语音信号在信噪比较大的环境下经过增强后再识别,能表现出较高的识别率。但是在低信噪比环境下,增强后语音信号的识别率急剧下降。针对此种情况,提出了一种用在识别系统前端的语音增强算法,该增强算法将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)提高其信噪比,然后再利用改进的维纳滤波去除噪声残留并提升语音可懂度,最后用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔科夫模型(Hidden Markov Model,HMM)对增强后的语音信号做特征提取并识别。实验分析结果表明,该方法能有效地抑制背景噪声并减少噪声残留,显著提升低信噪比环境下语音识别的准确性。

基于听觉感知的LSA-MMSE改进型语音增强方法

传统增强方法的增益函数对每个频点都进行估计,必然会引进相对较多的语音失真。为了提高低信噪比下的语音增强效果,提出了一种计算掩蔽概率的方法,得到优化的语音增强方法。基于听觉感知特性,对噪声被掩蔽部分的带噪语音谱和未掩蔽部分采用不同处理方法。增强后的语音可以表示为这两个状态下单独估计的加权和,其中权重与噪声被掩蔽概率有关。通过与Virag的方法、LSA-MMSE估计等方法进行比较,实验结果表明所提的增强方法能在低信噪比下有效地抑制残留噪声的同时保持更小的语音失真。

基于噪声特性的语音增强算法

针对不同的语音增强算法对不同噪声的增强效果不同,提出了一种基于深度神经网络的噪声分类的语音增强算法。首先,使用深度神经网络(DNN)算法对噪声进行分类。分类算法包括训练阶段和分类阶段。在训练阶段,采用babble,car,street,train四中噪声对DNN进行训练;在分类阶段,将提取的噪声输入训练好的DNN中,得到分类结果,并对分类性能进行评估。其次,采用PESQ,LSD及SNR等语音评估方法,对不同的含噪语音在不同信噪比、不同语音增强算法下进行评估。语音增强算法包括子空间法、维纳滤波算法、谱减法及对数最小均方误差法(log MMSE),噪声包括babble,car,street,train,信噪比为-5db,0db和5db,并对通过评估得到的值采用平均值法得到噪声和语音增强算法的最佳匹配;最后,针对不同分类噪声,采用不同的增强算法进行语音增强,并对4种噪声之外的噪声根据本文算法选取相应的语音增强算法。

基于PSO和改进神经网络的图像滤波方法的研究

提出了一种基于改进BP神经网络和粒子群优化算法(PSO)的图像滤波方法。该方法利用对数最小均方误差函数(LNLS)代替BP神经网络传统的最小均方误差函数(LMS),用来减小图像噪声对神经网络精度的影响;并将改进后的BP神经网络利用PSO算法优化,从而避免神经网络陷入局部极小值点,进一步提高神经网络滤波能力。实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像细节。

结合人耳听觉感知的两级语音增强算法

针对现有语音增强算法面临残留噪声这一问题,结合人耳听觉系统的掩蔽特性,本文提出了一种优化的语音增强算法。算法分为两级,第一级利用MMSE-LSA谱估计法对带噪语音进行降噪处理,经过处理后,带噪语音信号的信噪比得到了提高。然后,针对第一级增强语音信号中的残余噪声利用人耳听觉掩蔽特性掩蔽掉。为此,算法结合人耳听觉掩蔽特性设计了感知增强滤波器,该滤波器能够有效去除第一级增强语音信号中的残留噪声。仿真实验表明,在各种复杂背景噪声以及信噪比环境下,经过本文算法处理后的增强语音信号残留噪声明显减少,算法提升了增强语音的主观感知质量。

结合掩蔽特性的LSA-MMSE语音增强方法

基于听觉掩蔽特性,给出了计算噪声被掩蔽概率的方法,用其概率对LSA—MMSE进行加权得到一种单声道语音增强方法。通过与Azirani方法进行比较,实验结果表明所提的增强方法能在低信噪比下有效地抑制残留噪声的同时保持更小的语音失真。

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。