基于ERB尺度的车内低频声品质优化

以某轿车为例,建立了其FE-BEM的低频声学响应模型,并通过实车试验验证了模型的正确性。基于等矩形带宽(ERB)尺度,并以车速50km/h时采集的驾驶员右耳处20-200Hz频带的声信号为基础,运用正交试验设计生成16个声样本。编程计算了各样本的客观参量,并完成了主观评价试验。综合遗传算法与支持向量机,构建了声样本的声品质预测模型。以低频段各REB频带声压级为变量,声样本主观烦躁度最小为目标,建立了声品质优化模型,优化得到了比原来显著改善的声样本,通过主观评价结果验证了该方法的有效性。

基于ERB尺度划分的多子带语声信号抗噪谱减算法

为了研究心理声学在语声增强方面的应用,本文提出了一种基于等效矩阵带宽(ERB)尺度划分的多子带语声信号抗噪谱减算法。此算法根据ERB尺度将带噪信号的频谱划分成多个子带,然后再根据每个子带的分段信噪比以及心理声学掩蔽原则分别计算每个子带的谱减参数,最后在每个子带中分别进行谱减算法处理。实验结果表明,应用新算法所获得的语声增强结果在信噪比、IS失真以及PESQ方面均优于之前提出的多子带语声信号抗噪谱减算法。

利用ERB尺度划分对补偿相位谱语音增强算法的改进

论文基于多带谱减法提出了一种改进的单通道语音增强算法研究。对补偿相位谱中的相位补偿函数进行改进,将等效矩形带宽(Equivalent Rectangular Bandwidth)尺度应用于相位补偿函数中,最终把谱减后的语音幅度谱与修正的补偿相位谱相结合得到增强的语音复频谱,而不是保留带噪语音信号的相位谱。对提出的语音增强算法进行性能分析发现,本文提出的算法从主、客观两方面评价均可有效地抑制背景噪声与残余噪声。

基于ERB响度特征的深度学习鸟鸣声识别

为了适应现代化生态系统监测需求,提出了一种基于ERB尺度的响度特征的鸟鸣声识别方法,该方法先对信号进行分帧、加窗和傅里叶变换得到其短时功率,然后输入到外、中耳传递函数,最后将听觉域信号映射到临界带域获得时间-临界带的响度特征。根据八类鸟鸣声分别制作基于响度特征、时频特征和梅尔倒谱特征的数据集,输入到深度神经网络中进行了识别。实验结果表明:该方法与基于时频特征和基于梅尔倒谱特征的识别方法相比在保持了最高的平均识别率的同时极大地减少了识别时间和数据处理量。