基于Mel倒谱特征顺序统计滤波的语音端点检测算法

为提高噪声环境下语音端点检测的准确性,提出一种基于Mel倒谱距离顺序统计滤波的端点检测算法.该算法首先提取每帧语音信号的Mel频率倒谱系数,以前16帧估算背景噪声,计算每帧语音与背景噪声的倒谱距离;然后将当前帧前后相继若干帧的倒谱距离,经过一组顺序统计滤波器得到加权倒谱距离;最后根据各帧加权倒谱距离对输入语音进行分类.在TIMIT语音库上的实验结果表明,该方法在白噪声、粉噪声、汽车噪声和战斗机噪声等噪声环境下,均能得到理想的端点检测结果,且在低信噪比时依然有效.

一种基于颜色特征的运动对象分割方法

提出了一种基于RGB颜色空间和高斯-拉普拉斯算子对运动对象的阴影检测及消除、利用互帧差的高阶统计特性和数学形态学算子进行运动对象分割的方法。实验结果表明该方法能有效克服阴影的影响，从而实现运动对象的分割。

强噪声背景下的信号检测方法研究

提出了一种利用高阶统计量对强噪声背景下的弱信号进行检测的方法。这种检测方法对加性噪声中的确定性信号以及非高斯信号均有效 ,且可以弥补似然比检测的不足。

基于高阶统计量的信号分析与处理

介绍了信号分析与处理的一种新方法,即基于高阶统计量的方法,使用这种方法,可以同时获得信号的幅度信息和相位信息,并且通过理论分析与实验结果表明,高阶统计量能有效地解决客观存在的非高斯及非线性问题,是现代信号分析与处理研究的重要内容。

基于切片谱的主动水声信号处理方法

针对传统FFT对主动水声信号处理无法获得可观的处理增益,提出了基于切片谱的主动水声信号处理方法。研究分析了不同信噪比的噪声背景情况下,通过对主动水声信号计算切片谱来进行处理。仿真结果表明,基于切片谱的主动水声信号处理方法能够较好地抑制高斯噪声,提高输出信噪比,从而获得良好的处理增益,与传统的FFT处理方法相比,在输入信噪比从-10～+10dB之间变化时,处理增益平均提升了6.9987dB。

一种基于双谱的信号检测方法

分析了信噪比为-3 dB噪声背景下,采用基于双谱的检测方法对微弱信号叠加随机噪声进行处理。由于任何高斯随机过程或服从高斯分布的随机矢量的高阶累计量为0的特点,高阶累计量可完全抑制高斯噪声的影响。仿真结果表明,基于双谱的目标检测方法也能较好抑制随机噪声,与传统的FFT检测方法相比,检测效果良好。

关于三阶统计量定义的研究

高阶统计量是信号处理中的一种重要方法,已经得到较为广泛的运用。本文在三阶统计量的传统定义上提出了一种新的三阶统计量定义,提出新定义较之旧定义的优越性,并通过实验验证该结论。

基于高阶统计量的多模噪声中的信号检测

按照概率密度函数形状,给出了一种比较通用的非高斯噪声模型——多模噪声。多模噪声总体上属于非高斯噪声,但兼容了高斯噪声。改进了高阶统计量的双谱算法,给出一种基于双谱的多模噪声中信号的检测方法,并在此基础上结合无惯性非线性变换器和双谱技术,改进了传统的自适应幅频干扰抑制器,可以精确估计或检测信号。仿真表明该方法可以抑制高斯噪声,同时在强噪声和复杂背景下可以以较高的检测概率检测出信号,优于传统的似然比检测。

基于LPC高阶统计量语音活动检测算法的设计与实现

论文提出了一种基于LPC残差信号高阶统计量对加性噪声中的确定性信号及非高斯随机信号进行检测的方法,通过理论分析与实验结果表明,高阶统计量能有效地解决客观存在的非高斯及非线性问题,是现代信号分析与处理研究的重要内容,这种检测方法对加性噪声是否有色或是否为高斯分布并不敏感,而只要求噪声具有对称的概率密度函数。利用这种方法对确定性LPC残差信号进行检测的性能与已知波形时匹配滤波器的检测性能要好。利用这种方法还非常易于实现非高斯随机信号的检测。