基于信号功率谱密度分布的动态非均匀子带分解方法

针对频谱变化范围较大的宽带信号的子带分解问题,为了动态地调整子带的宽带与数量,合理地控制子带信号的自相关矩阵特征值扩散度,提高子带信号处理的性能和效率,在基于离散傅里叶变换(DFT)子带分解方法的基础上,提出了一种基于信号功率谱密度(PSD)的动态非均匀子带分解的新方法。对于给定序列,通过功率谱估计,确定子带数目和子带幅度范围,通过子带调制实现不同子带向零频处搬移,实现信号的分解。利用Matlab对子带信号特征值扩散度和信号重建性能进行了仿真。实验结果表明,与均匀子带分解相比,提出的方法直接利用PSD的分布信息实现非均匀子带分解,有效地控制了子带信号特征值扩散度在合理范围内的分布,并具有较好的重构性能。

基于功率谱的非均匀子带自适应滤波

根据输入信号的功率谱特征,非均匀滤波器组能够动态调整子带滤波器的带宽和位置,可以获得比均匀滤波器组更好的收敛性能.根据子带最小均方(least mean square,LMS)自适应算法的收敛特性,以提高其收敛速度为目标,提出了一种基于功率谱信息的非均匀子带自适应滤波方法,并详细讨论了非均匀滤波器组实现结构和信号重建性能.计算机仿真实验和分析表明,与现有的均匀和非均匀滤波器组设计方法相比,在子带数目相同的条件下,本文提出的方法能有效地降低子带信号的最大特征值扩散度,而信号重建性能基本相同.

车载命令词识别系统背景音乐的自适应抵消

在车载命令词识别系统中,背景音乐的播放降低了命令词识别率。而音乐信号因自相关矩阵特征值扩散度较大和谱平坦度较小在算法收敛速度上比语音信号慢,以至于传统的自适应抵消算法很难将音乐干扰消除干净,保证不了命令词识别率。为了解决这一问题,文中引入了预白化自适应滤波器来减小其自相关矩阵特征值扩散度和增大谱平坦度,并将此方法结合双滤波自适应算法,用来消除车内的背景音乐,以提高车载命令词识别系统的识别率。实验结果表明,经过背景音乐消除,命令词识别率有明显的提高,并且预白化也提高了识别率。