复谱映射下融合高效Transformer的语音增强方法

针对卷积神经网络(Convolutional Neural Network,CNN)过去在语音增强中表现优异但对全局特征捕获不足,以及Transformer近年展现出长序列间依赖优势但又存在局部细节特征丢失、参数量大等问题,该文为了充分利用CNN与Transformer的优势并弥补各自不足,提出了一种在复频谱映射下的新型卷积模块与高效Transformer融合的单通道语音增强网络。该网络由编码层、传输层与双分支解码层组成:在编解码部分设计了一种协作学习模块(Collaborative Learning Block,CLB)来监督交互信息,在减少参数量的同时提高主干网络对复特征的获取能力;传输层中则提出一种时频空间注意Transformer模块分别对语音子频带和全频带信息建模,充分利用声学特性来模拟局部频谱模式并捕获谐波间依赖关系。将该模块进一步与通道注意分支相结合,设计了一种可学习的双分支注意融合(Dual-branch Attention Fusion,DAF)机制,从空间-通道角度提取上下文特征以加强信息的多维度传输;最后,在此基础上搭建一种高斯加权渐进网络作为中间传输层,通过堆叠DAF模块进行加权求和后输出以充分利用深层特征,使得解码过程更具鲁棒性。分别在英文VoiceBank-DEMAND数据集、中文THCHS30语料库与115种环境噪声下进行消融以及综合对比实验,结果表明,该文方法仅以最小0.68×10^(6)的参数量,相比于大部分最新相关网络模型取得了更优的主、客观指标,具有较为突出的增强性能与泛化能力。

RIS-4D生物雷达多人体定位与生命体征监测

非接触式生命体征监测是一种可以被广泛用于健康医疗、辅助生活、汽车交通、搜索救援和公共安全的新兴技术。在本文工作中,我们开发了RIS-4D生物雷达用于非接触式生命体征监测,提出了同时定位多个人体目标以及监测对应的呼吸和心跳微动信号的方法,具有低成本、低能耗、可编程、易部署的优势。该系统利用可重构智能表面(Reconfigurable Intelligent Surface,RIS)天线动态操纵电磁波进行波束形成和三维雷达成像,从而实现对多个人体目标的三维空间定位,然后从时间维度上的连续回波中提取呼吸和心跳信号。“三维空间”+“一维时间”形成的四维时空高分辨率信息使得该RIS-4D生物雷达能够多维度感知目标和环境。空间波束形成使得电磁波能量聚焦在人体胸腔位置,有助于减少杂波(四肢以及环境多径等杂波)造成的干扰和失真,从而提高生物雷达的探测性能。在真实室内办公环境中的实测数据对该系统和所提出方法进行了验证,实验结果表明,利用该系统可以准确地定位并监测多个受试者的呼吸和心跳微动信号,对瞬时心率和心变异率的监测结果进一步验证了该系统的有效性。所提出的RIS-4D生物雷达为非接触生理信号采集提供了一种多目标、多功能、高精度的实现方式。

移动物联网通信中的UFMC调制波形优化设计

移动物联网(Internet of Things, IoT)通信是6G的关键技术之一,面对多变的地面基站环境,无人机(Unmanned Aerial Vehicle, UAV)辅助通信被认为是物联网通信的重要组成部分,已受到广泛关注。通用滤波器多载波(Universal Filtered Multi-carrier, UFMC)作为一种新型非正交多载波调制技术,继承了正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)的优势,主要应用在短数据包突发通信场景中,被认为适用于下一代无线物联网通信。但是,在无人机的高速移动环境下,通信信号会遭受显著的多普勒频移影响,产生严重的载波间干扰(Inter Carrier Interference, ICI),导致UFMC系统性能的显著下降。为了缓解ICI问题,本文首先理论分析、推导了存在多普勒频移时UFMC系统的信干噪比(Signal to Interference plus Noise Ratio, SINR)。根据SINR分析,可见将UFMC波形滤波器通带波动优化调控的足够小以及加快过渡带衰减有利于提升系统抗ICI能力。因此,本文提出了基于波形滤波器优化设计的干扰抑制方法,构建了符合UFMC通信需求的波形滤波器最优化设计数学模型,该模型可以有效地调控波形滤波器的通带波动,通过遍历搜索可求解得到使系统误符号率(Symbol Error Rate, SER)相对最优的波形滤波器。在考虑多普勒频移的系统仿真中,SER对比结果表明:与采用传统波形滤波器的UFMC系统相比,本文根据约束最小最大(Constraint Minimax, CMM)准则遍历搜索设计的波形滤波器可以有效地抑制系统ICI从而改善SER。这为未来移动物联网通信系统的波形设计提供了参考。

改进CQPSO算法的双频航向信标方向图优化

针对仪表着陆系统中的双频航向信标(localizer,LOC)阵列天线最大旁瓣电平抑制和覆盖性能优化问题,改进了一种混沌量子粒子群(chaos quantum particle swarm optimization,CQPSO)算法,对既定约束的LOC阵列天线方向图进行馈电参数寻优。在分析双频LOC覆盖形成的基础上,剖析了国际民航组织对LOC信号的覆盖要求,获得LOC方向图应满足的约束条件。为提升全局寻优能力和有效避免陷入局部最优,引入混沌思想和加权平均最优位置对CQPSO算法进行改进,使用改进的CQPSO算法对20阵元等间距LOC阵列天线进行约束条件下的馈电参数寻优,并依据所获得的馈电参数仿真分析LOC阵列天线的方向性。仿真实验表明,改进CQPSO算法寻优得到的馈电参数形成的方向图,相比于目前广泛使用的24阵元等间距LOC阵列天线的方向图,在天线数量减少16.67%的情况下,航道信号辐射的最大旁瓣电平降低了3.32 dB,且覆盖性能更好;而相比于目前广泛使用的20阵元不等间距LOC阵列天线的方向图,航道信号辐射的最大旁瓣电平降低了25.55 dB,证明了改进CQPSO算法的有效性。

基于脉内线性调频的雷达脉冲分裂信号分选与参数估计

在非合作接收场景中,对于一些特殊信号,在输出目标数据时会产生脉冲分裂现象,使得无法及时掌握目标真实参数。这是由于脉冲内部的幅度存在起伏,当信号到达接收设备时,同一脉冲幅度高的位置超过了接收设备灵敏度,幅度低的位置未达到灵敏度造成的。针对这一问题,本文以脉内线性调频的雷达信号为例,深入分析了雷达脉冲分裂信号的内在规律,并在此基础上提出了分选与参数估计方法。本方法首先基于脉冲流的到达时间差分(differenceoftimeofarrival,DTOA)、频率(radiofrequency,RF)和脉冲宽度(pulse width, PW),利用双向长短时记忆网络(bidirectional long short-term memory,BLSTM),学习信号复杂的内在规律,提取多个参数之间的耦合关系,进而将属于同一目标的分裂脉冲从脉冲流中分选出来;再结合波形设计原理,基于分选后脉冲流的到达时间(time of arrival, TOA)、RF和PW,通过聚类和类间估计结果共享,反演得到雷达信号真实参数。仿真结果表明,本文所提的分选方法对于脉内线性调频的雷达脉冲分裂信号,具有极佳的分选效果;本文的参数估计方法,基于分选后的脉冲流数据,对原始信号斜率、RF、PW和PRI都有理想的估计结果。

面向6G的跨模态语义编解码技术

在6G时代,为了兼顾用户沉浸式的多模态体验需求和低时延,高可靠的通信质量,语义通信技术被认为是6G通信中极具潜力的研究方向之一。为此,本文提出了一个跨模态语义通信系统,其中主要设计了语义编码模块和语义解码模块,对于编码后的三种模态语义中间向量用F范数判别其相似度,舍弃相同特征,保留独有特征进行特征加权求和,完成了跨模态语义融合,实现了多模态业务中用户不同任务需求为驱动的端到端的数据传输。这种编解码框架实现了包含了语音、文本、图像三种多模态数据的跨越式传输,为通信面向语用任务提供了解决方案,极大程度上增强了用户体验。此外,本文还提出了对于收发两端跨模态语义相似度的评价体系结构,该体系结构主要由孪生网络和伪孪生网络构成,能准确获取模态内容之间的匹配损失,反向指导编解码部分的参数优化,使损失值达到最小,促使网络迭代收敛,从而实现编解码模块对于语义的精准达意传输。仿真结果表明,所提出的跨模态语义通信系统明显优于传统通信系统。高信噪比情况下,各种模态相似度几乎都达到90%以上。在低信噪比情况下,跨模态语义通信系统的优势则更加明显,跨模态语义传输的相似度相较于传统通信提升超过53%,因此佐证了跨模态语义通信的优越性和可行性。

最小方差无失真响应波束形成解卷积后处理算法

为提高最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成算法的方位分辨能力,本文将MVDR算法的输出功率谱重新建模为卷积的形式,并运用两种解卷积技术对MVDR的方位谱进行后处理。该算法将角度空间中心位置的单个声源的MVDR方位谱当作点扩散函数(Point Spreading Function,PSF),并运用Richardson-Lucy算法和快速迭代收缩阈值算法(Fast Iterative Shrinkage-Thresholding Algorithm,FISTA)分别对MVDR(MVDR-RL,MVDR-FISTA)的方位谱进行解卷积后处理,获得背景级更低的MVDR-RL和MVDR-FISTA方位谱,同时提高了分辨能力和估计精度。仿真实验显示了所提算法的良好性能。

基于特征融合网络的短波信号规格识别

针对目前短波信号规格识别中特征选取单一、相同调制类型信号区分能力弱的问题,提出了基于特征融合网络的信号规格识别算法,设计了一种以信号矢量图和数据流作为网络输入的识别模型。首先,通过信号预处理,得到矢量图和标准化的信号数据矩阵作为特征源,并由此设计了基于特征融合网络的信号规格识别模型;其次,利用模型的密集连接卷积算法,在避免网络退化的同时,对矢量图和数据矩阵进行深度特征提取、融合与学习,实现对目标信号的规格识别;此外,在构造短波信号数据集时设计了随机频偏策略,进一步提高网络模型的泛化能力。仿真实验表明,所提算法对含有相同调制方式的信号集识别效果较好,且模型空间小、运算速度快,当信噪比为0 dB时识别准确率可达98%。

超大规模非平稳MIMO信道估计问题研究与设计

超大规模MIMO(Multiple-Input Multiple-Output)系统在未来的通信发展有巨大的潜力,随着天线阵列规模的增大,天线阵列的近场效应和无线信道的空间非平稳性对信道估计带来了更大的挑战。对于近场效应,不仅需要估计角度,还需要估计距离,本文提出将所需估计的角度和距离分开估计,减少估计的复杂度;对于非平稳性,需要判断散射体的可见子阵列的范围,本文提出对每个子阵列分别估计角度,根据角度和对子阵列接收信号的协方差矩阵做特征值分解得到的特征值大小,来判断散射体的可见子阵列范围,然后根据已得到的角度来估计距离。进一步分析发现,靠近中心的子阵列角度估计更准确,靠近边缘的子阵列距离估计更准确。在此基础上,本文给出了不同散射情况下超大规模阵列角度和距离的确定方案。仿真结果表明,所提出的针对近场效应和非平稳性的信道估计方案有更小的均方误差。

面向植被边坡的地基SAR高相干点选择

基于高相干点进行相位分析,才能有效保证地基SAR(Synthetic Aperture Radar,合成孔径雷达)形变测量的准确性。在差分干涉测量领域中,广泛使用幅度离差法,可以有效地选择出岩石、建筑物等PS(Permanent Scatterer,永久散射体)点作为高相干点,但对于植被边坡,采用该方法选择出高相干点数量较少,不利于差分干涉处理。在星载SAR领域,普遍采用StaMPS方法解决植被边坡的高相干点选择问题。本文探索了StaMPS方法在地基SAR领域的适用性,提出采用非PS点来计算相干系数门限,并引入DS(Distributed Scatterer,分布式散射体)选择技术,进一步提高了高相干点的数量。对一处植被边坡的实验结果表明,相比于幅度离差法和StaMPS方法,改进方法在提高高相干点数量的同时,有效保证了其相位质量。

人脸欺诈检测最新进展及典型方法

以人脸为生物特征的身份认证由于其简单、快捷和无接触,深受用户喜爱。然而,不法分子针对人脸的易于伪造和认证场景的多样性,恶意攻击人脸识别系统,给国家安全和人民生活带来极大危害,有必要深入研究人脸的反欺诈技术。该文收集了经典和代表性论文68篇,其中包括近2年来国际主流期刊和会议的相关论文50余篇,从7大类来梳理近期人脸欺诈检测的技术脉络,把握领域的最新动向。为了使读者洞悉各类的技术精髓,对典型方法进行了重点介绍,并对各类进行了技术小结。在方法介绍结束之后,对2019年以来新推出的6个人脸欺诈检测数据库进行了简要介绍,便于读者对本领域的最新算法开发和验证平台有所了解。结语部分对人脸欺诈检测7类方法之间的关联、在理论和应用上的总体现状、存在的主要问题以及发展的方向作了简单的总结和展望。

结合时空注意力机制和自适应图卷积网络的骨架行为识别

针对骨架行为识别对时空特征提取不充分以及难以捕捉全局上下文信息的问题,研究了一种将时空注意力机制和自适应图卷积网络相结合的人体骨架行为识别方案。首先,构建基于非局部操作的时空注意力模块,辅助模型关注骨架序列中最具判别性的帧和区域;其次,利用高斯嵌入函数和轻量级卷积神经网络的特征学习能力,并考虑人体先验知识在不同时期的影响,构建自适应图卷积网络;最后,将自适应图卷积网络作为基本框架,并嵌入时空注意力模块,与关节信息、骨骼信息以及各自的运动信息构建双流融合模型。该算法在NTU RGB+D数据集的两种评价标准下分别达到了90.2%和96.2%的准确率,在大规模的数据集Kinetics上体现出模型的通用性,验证了该算法在提取时空特征和捕捉全局上下文信息上的优越性。

自适应遗传算法下的NOMA用户动态分簇

NOMA(Non-orthogonal Multiple Access,NOMA)系统中的用户分簇策略对系统性能有着极大的影响。该文主要研究NOMA下行链路的用户动态分簇问题,其目的是最大化系统总吞吐量。与大多数文章不同,该研究对簇中用户数以及簇个数都没有限制。遗传算法可用于优化NOMA网络中的用户动态分簇,但标准遗传算法存在收敛速度慢且容易陷入局部最优的问题。基于此,该文将自适应调节参数的改进遗传算法用于用户的动态分簇,来改善上述问题。仿真结果表明,该算法相比于穷举搜索能够有效降低求解复杂度,且系统性能明显优于固定簇分配算法及自适应配对策略下的系统性能。

一种距离门拖引干扰策略的智能生成方法

针对未知环境模型下的多帧距离门拖引干扰的策略优化问题,提出一种基于改进粒子群算法的拖引干扰策略优化方案。首先,以平均波门偏移距离作为干扰效果的性能评价指标,建立了距离门拖引干扰的多帧联合优化模型。然后,为了解决目标函数解析表达式难以获取的难点,提出了一种结合奖励机制的蒙特卡洛目标函数拟合方法;在此基础上,面向优化维度过高的难点,提出了基于粒子群算法的策略优化方法;最后,数值仿真结果证明了算法的有效性。

低信噪比下多参数融合的自适应语音端点检测

传统语音端点检测方法利用语音和噪声在某单一参数特征上的差异进行信号中语音起止点的切分,但不同参数在低信噪比不同噪声环境下表现不稳定,鲁棒性差。因此,本文提出了基于均匀子带谱方差,能熵比,梅尔倒谱距离,似然比四种参数相融合的语音端点检测方法。该方法能自适应地改变各参数阈值,并通过实时监测噪声段能熵比的值确定所采用的投票判决机制,从而进行语音端点判定。实验结果表明,该方法在低信噪比下较常用的端点检测方法有更高的检测正确率及鲁棒性,对语音信号后续处理工作有一定的借鉴意义。

人类司机分心行为对无人车纵向速度控制的影响

无人车通常无法探测到人类司机的分心行为,这将导致无人车延迟地采取紧急制动来避免追尾。因此,本文致力于构建无人车控制与人类司机分心监测之间的桥梁,来辅助无人车预测潜在风险并像有经验的人类司机一样避让处于分心的司机,提高无人车的智能化水平和交通系统的安全性。首先,本文提出了一种整合了司机分心监测、车对车信息交换和无人车速度控制的可行系统框架。然后,基于卷积神经网络,本文提供了一种司机分心监测实现。最后,基于模型预测控制策略,本文提出了一种考虑了司机分心行为的无人车纵向速度控制方法,并给出持续可行性分析。仿真结果验证了本文工作的有效性。

基于量子索引图像的SoC信息隐藏技术

针对量子索引图像在量子计算机信息安全领域中的应用问题,本文提出一种基于分量和(sum of components,SoC)的量子索引图像信息隐藏算法。量子索引图像包括数据矩阵和调色板2种数据结构。基于SoC的量子索引图像信息隐藏算法首先根据颜色值分量和的奇偶性(1或0)和颜色值距离,为量子调色板中每一个颜色匹配一个符合条件的颜色组成颜色对;嵌入消息时,根据颜色对和消息比特对量子数据矩阵的像素索引值进行更新;提取消息时,量子索引图像每个像素颜色值分量和的奇偶性即为嵌入的消息,属于盲提取算法。此方法可在未来量子计算机上执行。根据经典计算机上的仿真结果从视觉质量、嵌入容量、鲁棒性和安全性4个方面验证了该方法的有效性。

DVB-CID信号解调算法与性能研究

载波标签(CID,Carrier Identification)技术是近年来提出的从技术与标准上根本解决卫星通信无线频率干扰问题的创新技术。本文针对DVB-CID信号的解扩及信息提取进行了深入研究,提出了一种基于主载波消除处理模式下的抗频偏解扩算法,此算法无需载波波形重构,复杂度低,抗噪性能好,可广泛应用于此类扩频隐藏信号的解调。仿真表明,此算法解扩性能接近理论限,应用于CID信号的解调接收工程实践可获得良好效果。

《信号处理》征稿简则

《信号处理》学报是由中国电子学会主办,信号处理专业委员会编辑出版的学术性刊物。1985年创刊,每月25日出版。《信号处理》学报是国内唯一的有关信号处理专业的期刊。本刊的办刊宗旨是反映我国信号处理领域及相关学科的最新研究成果和技术进展,达到学术交流的目的,促进信息科学技术的发展。

利用卷积神经网络和协方差的协作频谱感知算法

针对基于信号协方差矩阵的频谱感知算法门限难于准确得到及没有充分利用原始信号信息等问题,提出了基于卷积神经网络和协方差矩阵的协作频谱感知算法。首先将接收的I、Q两路正交信号的归一化协方差矩阵组成双通道输入矩阵,然后使用卷积神经网络直接提取协方差矩阵的特征信息,并进行训练得到分类器,最后使用训练好的模型进行频谱感知。仿真结果表明,本文所提出的频谱感知算法优于对比算法,在信噪比为-13 dB、40个次用户协作感知时,本文算法虚警概率低于0.1,检测概率达到0.9以上。