基于模数混合子带划分的信号重构建模分析与优化

为了应对宽带阻塞式干扰,通信干扰对消系统通常应用基于子带划分的干扰对消技术来提升宽带干扰抑制能力,同时为了兼顾通信性能,将子带信号重构恢复为通信信号,保障通信质量。该文采用模拟电路与数字处理相结合的方式,搭建了子带划分与信号重构框架,通过模拟滤波器实现第1级宽滤波,减小信号处理带宽,利用数字滤波器完成第2级窄滤波,进一步提高信号信噪比。针对通信信号在子带划分过程中,存在跨子带重构失真的问题,建立了子带划分与信号重构系统时频域模型,分析子带间幅相不一致对信号重构的影响。为了解决重构信号的幅相不一致问题,提出了相位校准方法与滤波器幅频优化方法,从幅度和相位两方面同时保证跨子带信号的近似无失真重构。仿真与实验结果表明,该文所设计的滤波器幅频响应具有良好的重构精度,并且解决了跨子带信号重构的相位失真问题,有效降低了重构通信信号的误码率。

噪声环境中的双声道音频回波抵消模型构建

为提升远端说话人员的分辨率,保证真实空间化听觉感受效果,构建一种噪声环境中的双声道音频回波抵消模型。该模型以子带自适应滤波器组为核心分解音频信号,使其形成若干个子频带信号;在子带域内计算噪声干扰阈值,依据阈值的计算结果并结合人耳听觉特性,叠加独立分布白噪声,实现各个子带的回波抵消。在此基础上,引入步长补偿因子和反馈控制理念改进最小均方算法,优化滤波器组参数,提升双声道音频回波抵消效果。测试结果表明:所设计模型可有效处理音频信号中的噪声信号,抵消后的音频信号信噪比均在3.5 dB以上,音频信号的振幅误差均在0.2 V以下,能够提升远端人员说话的分辨率,保证音频质量。

盾构隧道结构稳定性识别方法

针对因盾构隧道底部介质种类过多、噪声影响过大,导致的识别精准度低问题,提出一种盾构隧道结构稳定性识别方法。在隧道的子频带中采集原始信号能量值,采用小波能量分解法计算原始信号的频谱密度,分别求解出现损伤和未出现损伤位置的信号能量值,以获得的能量偏差作为稳定性指标。分析盾构隧道在不同的结构、输送频率以及土质环境下运作时产生的脉冲信号,得到不同时间段的变化规律,根据盾构隧道的动力学方程,求解受不稳定产生的角量度、阻尼、刚度以及位移矢量等参数,明确其中占比最大、影响程度最高的是位移矢量与阻尼比值,定义为稳定性的识别临界值,实现识别。结果表明:所提方法识别精准度高,基本与实测值保持一致,无论基于哪种环境介质都能保证识别的效果。

一种低信噪比环境下的语音端点检测算法

为了改善在低信噪比背景下子带谱熵语音端点检测算法的性能,提出了一种多正弦窗子带谱熵检测算法。首先介绍了目前比较流行的子带谱熵语音端点检测算法的原理,其次分析了多正弦窗口谱估计的特点,最后将多正弦窗口谱估计引入到子带谱熵检测中形成多正弦窗子带谱熵这一新的特征,利用多正弦窗口谱估计具有更小的方差和更高的分辨率来改善低信噪比环境下子带谱熵检测算法的性能。通过在不同信噪比环境下仿真验证,证明了相对于子带谱熵检测算法,所提算法在低信噪比环境下拥有更高的检测准确率和更好的噪声鲁棒性。

基于子带处理的MPSK符号速率估计

本文针对未知频点短波MPSK信号研究宽带接收条件下的符号速率估计问题。由于宽带数据包括大量窄带信号,一般需利用分析滤波器组进行信道化处理,当信号频点未知且随机分布时,上述处理易造成信号频段被划分到相邻的若干个子信道中,从而产生存在频谱失真的子带信号。本文首先建立MPSK子带信号模型,通过理论分析指出可将信号频谱失真视为码元成型函数的改变,在此基础上提出一种新的基于子带信号复包络的波特率估计算法,并进行估计无偏性证明,最后给出不同频谱损失度及信噪比(SNR)下的参数估计性能仿真分析。仿真表明采用30%频谱损失的子带信号进行符号速率估计,在加性高斯白噪声(AWGN)背景下SNR提高4dB即可达到无失真情况下的估计精度,同时在CCIR短波中等信道条件下SNR提高约3dB即可达到AWGN背景下的参数估计精度。理论分析及仿真表明该方法可有效可靠应对频谱失真信号的符号速率估计问题。

时频域子带线性调频干扰抑制算法

通过对线性调频(LFM)信号子带分解的分析,提出了一种基于子带信号处理的时频单元剔除(SSP-TFCD)LFM干扰抑制算法.这种算法充分利用了子带分解的时频定位特性,在干扰基本消除的同时保证了信号的失真度较小,因此它可以为系统带来较大的性能增益.仿真结果进一步证实本算法的性能优于基于子带分解的子带剔除算法(SSP-SD).

基于DFT的信号子带分解与准确重构新方法

根据正交分解原理和离散傅里叶变换的物理意义,提出了一种分析滤波器组具有理想特性的信号分解与重构新方法(Discrete Fourier transform subband decomposition,DFTSD)。对于给定序列,通过离散傅里叶变换,将其变换到频域,通过谱线分组,在频域实现信号的分解,经反变换得到时域子带信号。频谱上无交叠的子带信号,从根本上解决了抽取过程所带来的带内混叠问题。综合滤波器组的设计仅需考虑内插后引入的镜像频率分量的滤除。实验结果表明,在无子带抽取和存在子带抽取情况下,重构信号与原信号的平均绝对误差在10-16量级。

一种双微阵列语音增强方法

为提高语音通信系统在噪声环境下的使用性能,该文提出一种基于子带谱减与广义旁瓣抵消的双微阵列语音增强方法。基于双微阵列及子带结构分析,首先分别在低频带采用可变过减因子谱减法抑制噪声,在高频带采用修改互功率谱谱减法抑制非相干性噪声部分,再结合广义旁瓣抵消与端点检测进一步抑制强相关性噪声的影响。实验结果表明,该方法能够更加有效地抑制噪声的影响并提高语音的可懂度。

基于虚拟孔径扩展的子带信息融合宽带DOA估计

如何有效地利用宽带信号各频点所提供的信息实现高精度波达角(direction of arrival,DOA)估计一直是热点问题,针对宽带DOA估计问题,提出一种基于孔径扩展的子带信息融合(subband information fusion,SIF)DOA估计方法。该方法在宽带信号的频域模型基础上,结合虚拟阵列方法实现孔径扩展,并联合各子带信息统一处理,从而提高DOA估计的精度。与其他SIF方法相比,该方法利用二阶统计量将数据转化为单快拍模型,不仅提高了可估计信源数目,而且极大程度地降低了运算复杂度,同时在小快拍、低信噪比条件下仍能得到DOA估计结果。仿真实验验证了所提方法的有效性。

基于小波变换的电能质量监测

针对噪声系数的幅度随着尺度增加而减小的特点,提出了一种改进的基于小波分解层数的波段自适应降噪算法.利用Matlab仿真软件建立了电压暂降的系统模型,运用小波分析的方法对污染白噪声的电压暂降信号进行了时频分析和降噪处理,分析了软硬阈值降噪方法.实验结果表明,该方法通过调整两个可调参数获得较优的小波系数阈值估计,与常见的三种典型算法相比不仅较好地去除了噪声干扰,且信噪比更高,均方误差更小,同时具有更优的信息保全能力.

基于卷积神经网络的交通声音事件识别方法

针对公路交通声音事件识别中传统语音算法识别效率低、鲁棒性差的问题,提出一种基于卷积神经网络的交通声音事件识别方法。首先通过Gammatone滤波器对声音数字信号进行子带滤波,得到音频信号耳蜗谱图,然后将其代入卷积神经网络模型对声音事件类型进行识别。利用上述方法对公路交通环境下的四种音频事件做了检测处理,并与经典的隐马尔科夫模型和目前广泛使用的深层神经网络进行比较。实验结果表明,使用卷积神经网络模型能够更加准确地对交通声音事件进行识别,且在噪声环境下具有更好的鲁棒性。

基于子带信号的MPSK载频估计算法

均匀子带技术是宽带信道化中经常采用的数据处理方法。针对均匀子带信道化易造成信号频谱割裂的问题,建立了M进制移相键控(M phase-shift-keying,MPSK)信号子带信道化输出的数学模型。将目标信号的频谱损失转化为码元成型函数的变化,证明子带信号保留了原信号码元成型函数所带来的循环平稳特性,提出了一种新的基于子带信号M次方谱的载频估计算法。该方法无需合并子带就可进行目标信号的参数估计,提高了宽带处理的效率。仿真分析了算法在不同带宽覆盖比和不同信噪比下的估计性能。理论分析和仿真结果证明了算法的有效性和可靠性。

基于FIR滤波器的信号分解和合成技术

本文对基于FIR滤波器的信号分解和合成技术进行了研究,特别对其中的关键环节数据的扩展方法进行了深入分析,指出了传统方法中存在的问题,并在传统数据对称扩展方法的基础上给出了新方法。

分布式子带自适应滤波算法

为了解决分布式最小均方算法在输入信号相关性较高时收敛速度较慢、分布式仿射投影算法计算复杂度较高等问题,本文提出了两种分布式子带自适应滤波算法,即递增式和扩散式子带自适应滤波算法.分布式子带自适应滤波算法将节点信号进行子带分割来降低信号的相关性,从而加快收敛速度.由于用于子带分割的滤波器组中包含了抽取单元,所以分布式子带自适应滤波算法和对应的分布式最小均方算法的计算复杂度相近.仿真结果表明,与分布式最小均方算法相比,分布式子带自适应滤波算法具有更好的收敛性能.

数字音频编码技术的回顾与发展

介绍了早期的OCF，PXFE，CNET和MUSICAM等编码器，分析了MPEG－4中的两个音频编码器TwinVQ和MPEG－2AAC，对小波在音频编码上的引用也作了阐述。

利用子带提取改善信号检测能力

对低截获概率(LPI)信号和低观察率目标检测的要求越来越高,在低信噪比下检测信号的方法也越来越受到关注。提出了一种基于小波变换的信号子带提取方法。在周期谱估计之前用小波进行信号分解,确定信号所在的子带,从而达到去噪的目的。同时提出相关法与周期谱估计相结合的方法,并证明该方法可进一步改善信号的检测能力。以电视发射信号的无源相干定位系统的回波信号和相位码信号为例进行了仿真实验。仿真结果表明,这种方法能在-21dB信噪比(电视信号)和-24dB信噪比(相位码信号)下检测出信号。

噪声环境下水声信号瞬时盲源分离方法研究

噪声环境下大多数盲源分离算法性能大大降低。提出了一种适用于噪声环境的基于子带分解的瞬时盲源分离算法。通过修正白化矩阵和选取合理子带降低盲源分离过程中由噪声产生的不利影响。仿真实验表明,采用基于子带分解的瞬时盲源分离算法能够较好地实现噪声环境下水声混合信号的分离;进一步研究表明,该算法在噪声环境下表现出良好的稳健性。

基于自适应Kalman滤波的二维有噪子带信号恢复

基于子带信号的多通道表示(multichannel representation)和输入信号的动态特征,本文尝试推出了一种多分辨率状态空间模型,它与带相加子带噪声的滤波器组(Filter Bank)系统是等价的,于是使有噪子带信号的恢复可表述为相应多分辨率状态空间模型的最优状态估计问题。进一步又利用信号的向量动态模型,发展了适于二维Kalman滤波的二维多分辨率状态空间模型。根据信号行为的分布,目标平面(object plane) 可分割为不同的区域并用不同的向量动态模型来表征信号的非平稳分布。计算机数字仿真结果进一步证实了本文所提出的二维多分辨率Kalman滤波器性能的优越性。

基于样本噪声响应法的轮廓波消噪算法

分析了轮廓波消噪的有关性质,提出了适用于轮廓波消噪确定子带阈值收敛因子的样本噪声响应法。该方法根据样本噪声(标准高斯白噪声或者特定冲激信号)作用在每个子带上的统计特性,得到每个子带的收敛因子,使用该收敛因子对3σ(或4σ)准则进行修正来确定不同尺度不同方向子带的硬阈值门限。图像消噪实验结果表明:无论在峰值信噪比方面还是在视觉效果方面,本方法均可以取得比较满意的消噪效果;对于尺度较大的图像,可以极大地加快消噪速度并减小内存需求;硬阈值消噪之后使用自适应维纳滤波,峰值信噪比会有一定程度的提高。

基于SSR子带信息融合的波达方向宽带估计算法

针对SIF方法在进行带宽DOA估计时,共同利用所有频点信息来弥补单个稀疏信号表示向量(SIV)的问题,基于多个频率测量向量的单稀疏表示信号,提出了一种新的子带信息融合算法(SIF).SIF方法属于稀疏信号表示域,它会受到代数混淆和空间混叠2个模糊性因素的影响.组合所有频率成分可以减小这2个模糊性因素的影响,通过SIV对SIF算法进行了弥补.通过大量的模拟仿真结果表明,与W-CMSR算法相比,基于稀疏信号SIF方法的波达方向宽带估计算法具有更加优越的性能.