一种自适应变阶谱减降噪算法在电子耳蜗中的应用

由于传统谱减语音增强存在残留的"音乐噪声",因此基于传统谱减法降噪的电子耳蜗(CI)感知的声音品质也会受到影响.为提高CI的抗噪性,本文提出了一种自适应变阶谱减算法,并将该方法应用于电子耳蜗的语音增强中.根据CI电极对应的频带关系,该算法先对采集的带噪声音信号功率谱进行Bark子带划分,并在每个Bark子带中根据信噪比的变化进行谱减阶数和系数的自适应调节,使各子带噪声更均衡地去除,基本消除了传统方法存在的"音乐噪声".基于该算法的电子耳蜗ACE仿真实验及测听结果表明,与传统谱减法相比,改进的算法能更好地抑制背景噪声和残留噪声,仿真得到的CI合成音感知更好和更清晰.     

基于二级自适应滤波的水下目标动态谱线增强算法研究

为了从非高斯噪声环境中有效提取水下目标辐射的线谱信号,以提高水下探测系统检测水下目标的能力,提出了基于二级自适应滤波的水下目标动态谱线增强算法,该算法用基于高阶累积量能量幂函数变步长极性迭代的自适应谱线增强器作为第一级,用传统的自适应谱线增强器(ALE)作为第二级,实行串级联接。用输入信号的峭度定义了峭度信噪比,并用此分析了该算法的性能。用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究。结果表明:当环境噪声为瑞利噪声或混合噪声(包含均匀分布、瑞利分布和拉普拉斯分布的噪声成分)时,该算法与ALE算法相比,有良好的抑制抑高斯噪声或非高斯噪声、提高信噪比和跟踪时变信号的性能。     

稀疏低秩噪声模型下无监督实时单通道语音增强算法

针对现有基于字典学习的增强算法需要先验信息、不易实时处理的问题,提出一种便于实时处理的无监督的单通道语音增强算法。首先,该算法将无监督条件下背景噪声的建模问题转化为带噪语音幅度谱的稀疏低秩噪声分解;然后,采用增量非负子空间方法对背景噪声进行在线字典学习,获得能够体现背景噪声时变特性的自适应噪声字典;最后,利用所得的噪声字典,采用易于实时处理的逐帧迭代方式,对带噪语音进行处理。实验结果表明:相较于多带谱减法和基于低秩稀疏矩阵分解的增强算法,所提算法在噪声抑制方面的性能尤为显著,在多项性能评价指标上,均表现出更好的结果。      

基于改进噪声估计的谱减法应用于说话人识别

针对语音信号中存在加性噪声使MFCC的鲁棒性和识别系统的性能下降的问题,基本谱减法的引入在增强MFCC抗噪性上取得的效果有限,为了使MFCC具有更好的抗噪性,提出了一种改进算法,在谱减法的基础上引入谱熵的思想,利用谱熵值的分布逐帧进行噪声估计,可更精确地谱减去噪;实验结果表明,当语音中含有加性噪声时,与基本谱减法相比,改进谱减法的说话人识别系统抗噪性与鲁棒性更好。     

自适应平滑周期图语音增强研究

提出基于功率谱结构特征的频带间自适应平滑周期图,解决周期图估计的频率分辨率和方差的矛盾,并应用于语音增强算法的幅度谱减法。测试结果表明,自适应平滑周期图谱减法对于各种功率谱结构特征的噪声,在平均段信噪比提高、平均对数谱距离等性能指标上优于其它周期图估计方法的谱减法。     

稀疏低秩噪声模型下无监督实时单通道语音增强算法

针对现有基于字典学习的增强算法需要先验信息、不易实时处理的问题,提出一种便于实时处理的无监督的单通道语音增强算法。首先,该算法将无监督条件下背景噪声的建模问题转化为带噪语音幅度谱的稀疏低秩噪声分解;然后,采用增量非负子空间方法对背景噪声进行在线字典学习,获得能够体现背景噪声时变特性的自适应噪声字典;最后,利用所得的噪声字典,采用易于实时处理的逐帧迭代方式,对带噪语音进行处理。实验结果表明:相较于多带谱减法和基于低秩稀疏矩阵分解的增强算法,所提算法在噪声抑制方面的性能尤为显著,在多项性能评价指标上,均表现出更好的结果。     

基于听觉掩蔽效应和Bark子波变换的语音增强

提出了一种适用于低信噪比下的提高语音的听觉效果的语音增强方法。该方法在谱减法的基础上有两个特点:首先减参数是根据人耳听觉掩蔽效应提出的且是自适应的;其次采用了与人耳听觉系统特性更为适应的Bark子波变换方法对增强前后的语音进行分析。对该算法进行了客观和主观测试,结果表明:与谱减法相比对低信噪比的语音信号,(1)能更好地抑制残留噪声和背景噪声,(2)增强后的语音具有更好的清晰度和可懂度。     

一种重构辐射噪声调制谱的方法

在进行辐射噪声信号的仿真研究中,希望利用经滤波、特征提取等处理所得到的反映目标特性的线谱、连续谱、调制谱来重构辐射噪声,以便于研究辐射噪声在声场中的传播特性。本文提出了利用迭代算法估算调制深度谱的算法,给出了时域辐射噪声的重构模型,以实测数据的调制谱为出发点,来重构其时域信号,并对重构前后的调制谱进行了误差分析,取得了较好的效果。     

基于主特征提取的Retinex多谱段图像增强

根据Retinex视觉模型中照射分量和反射分量的统计特性,融合多尺度主特征提取法、平台直方图算法、非局部均值滤波及局部细节增强算法可对多谱段图像进行有效增强.首先利用多尺度主特征提取法估计照射分量,对照射分量进行平台直方图操作,增强全局对比度及图像主结构边缘细节;然后将原图与照射分量相除获取反射分量,对反射分量进行非局部均值滤波抑制噪声,再进行基于局部方差的局部细节增强;最后将增强后的照射分量与反射分量相乘,即为增强图像.从主观和客观两方面,对X光图像、紫外图像、可见光图像、低照度可见光图像和红外图像实验结果的分析表明,本文算法能够有效地抑制图像噪声、增强图像对比度及细节、改善图像视觉效果,是一种通用有效的多谱段图像增强算法.     

基于光照-反射成像模型和形态学操作的多谱段图像增强算法

为解决多谱段降质图像增强问题,提出了一种基于光照-反射成像模型和形态学操作的多谱段图像增强算法.首先对图像饱和度使用自适应非线性拉伸函数进行拉伸,使增强后的图像色彩更加饱和、自然;接下来利用引导滤波算法提取出图像的光照分量,提出了一种基于细节特征的加权融合策略,利用光照分布特性构造了一种自适应Gamma校正函数对光照分量进行处理,并将其与利用对比度受限的自适应直方图均衡化方法处理后的光照分量以及原始光照分量进行融合;然后在反射分量校正时,构造了一种形态学操作函数来校正反射信息;最后合并光照分量和反射分量,并与处理后的饱和度分量和色调分量一起得到增强图像.采用主客观评价指标对可见光低照度图像、水下图像、高动态范围图像、沙尘暴图像、雾天图像和热红外图像6种降质多谱段图像实验结果进行分析比较,结果表明本文算法能够有效地抑制图像噪声、增强图像细节信息、改善图像视觉效果,可应用于多种图像增强领域.     

遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法

特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声原时域信号,获得抑制噪声后的舰船噪声重构信号,进而有效提取了舰船目标噪声幅度调制特征线谱。该方法首先采用遗传算法优化变分模态分解的两个关键输入参数(分解所取模态个数和惩罚因子),对变分模态分解得到的各阶固有模态分量加以判别,去除噪声主导分量,保留信号主导分量,使重构舰船噪声信号显著抑制了干扰噪声,然后对降噪后的重构信号进行频谱分析,获得目标噪声调制特征线谱。理论分析、仿真和实验数据处理结果表明,相比传统DEMON谱分析法,基于遗传算法优化变分模态分解的舰船噪声特征线谱提取方法具有更好的噪声抑制能力,所获取的舰船噪声幅度调制特征线谱信噪比明显高于传统DEMON方法,具有一定优势,前景良好。     

激光诱导击穿光谱的自组织特征映射结合相关判别对天然地质样品分类方法研究

激光诱导击穿光谱技术具有微损、原位、快速分析的特点,在样品分类识别、成分分析等领域有广阔的应用前景。为探索该技术在天然地质样品识别应用的可行性,提出了一种自组织特征映射神经网络结合相关判别对天然地质样品LIBS光谱分类识别的方法。为减小全谱中背景噪声等不相关数据干扰、降低计算量,在元素谱线归属的基础上进行了特征谱线提取,实现了高维光谱数据的降维。以特征谱数据为输入建立网络训练模型,得到具有输入样本特征的权向量,通过权向量与待测样本进行相关分析可以实现样品分类。对16种天然地质样品的分类算法实验证明,在全谱、主成分降维和特征谱段三种数据处理方法中,特征谱的降维和提取LIBS数据主特征效果最优。改进的SOM网络结合相关判别算法比支持向量机方法和直接应用SOM网络方法的分类准确度更高,初步证实了该方法的有效性。     

近红外“3R”法双谱自适应去噪

针对近红外透射和吸收双光谱提出一种自适应的去噪方法。同步采集样品的近红外透射谱和吸收谱,在相同分解原则下总体经验模态法分解两组光谱,得到单组分特征模态分量。计算特征模态分量与原透射谱、吸收谱之间相关性,以及两组特征模态分量之间相关性,相关性最小模态分量初判为噪声分量。分析该分量在光谱中点处自相关性,若中点处很大,其他点几乎为零或很小,可以判断该分量为噪声。这种基于模态分量相关性的噪声判别方法称为“3R”法则。剔除噪声分量,重构光谱信号,循环上述分解过程,直到不满足“3R”法则,降噪过程结束。构造理想光谱,叠加噪声,“3R”法降噪效果优于EMD和EEMD低通滤波器,略逊于小波分解。真实光谱实验中,经过上述方法降噪处理过的玉米叶片光谱采用3层BP神经网络建立与叶绿素之间预测模型,“3R”法处理模型具有最大校正相关系数和预测相关系数,最小校正标准差和预测标准差。在四种降噪方法中,“3R”法对光谱谱峰位置和峰高的影响最小。实验表明,“3R”双谱去噪方法无需预设迭代次数,不用考虑分解层数,没有基函数,是自适应的,该方法适合近红外光谱去噪。     

支持向量回归算法在光纤光栅非均匀应变重构中的应用

当布拉格光栅轴向存在大的应变梯度时,其反射光谱的形状会被扭曲.甚至出现多峰,发展非均匀应变分布重构方法对于结构健康监测技术具有重要意义.但采集反射光谱时的测试噪声会显著影响应变分布重构的精度.为此,提出了采用支持向量机对含噪的反射光谱进行回归预处理,并运用适应度排序改进的遗传优化算法结合传输矩阵反射光谱构建方法识别布拉格光栅轴向非均匀应变分布的方法.该方法将反射光谱视为时间序列.利用支持向量回归的全局优化和泛化能力进行噪声抑制.从而回归出有效的反射光谱;通过传输矩阵方法将光栅轴向应变分段均匀化,利用改进的遗传算法进行并行重构.对多种应变分布形式下的应变重构进行了仿真研究,结果表明,支持向量机方法可以有效地进行反射光谱同归,提高非均匀应变分布重构的精度.     

基于小波降噪与支持向量机的恒星光谱识别研究

提出了一种对恒星光谱识别的新方法。 根据恒星光谱数据的特性,我们以支持向量机为核心技术构建光谱识别器。 由于恒星光谱数据通常含有较高的噪声,如果直接进行分类,识别率往往较低。 因此作者首先采用小波分析的方法对原始光谱数据进行降噪预处理,提取光谱的特征,然后馈送到支持向量机完成对光谱数据的最终识别。 利用实际光谱数据(Jacoby, 1984)对所提出的技术进行检测,实验结果表明使用这种小波分析结合支持向量机的技术的识别效果要优于使用支持向量机结合主分量分析降维技术的识别方法。 另外,作者还比较了支持向量机与传统甄别分析的分类性能,对实际及合成光谱进行实验的结果显示了支持向量机的识别正确率不但优于常见的5种甄别分析方法的识别率,而且有较强的泛化能力。     

A noise cross PSD estimator based on improved minimum statistics method for two-microphone speech enhancement dedicated to a bilateral cochlear implant

Coherence based methods have been successfully applied to dual-microphone noise reduction systems. These techniques showed good results when noise signals on two microphones were uncorrelated, but their performance decreased with correlated noises. It could be improved when the cross power spectral density (CPSD) of received noises is available.In this paper, an improved minimum tracking (IMT) technique for noise CPSD estimation was proposed. The performance of this technique was compared to two other noise CPSD estimators based on voice activity detection (VAD) and minimum tracking (MT) approaches. Evaluation was performed at four signal-to-noise ratios (SNR) and two interfering noise source configurations.Results showed a superiority of the IMT approach in terms of low computing time and quality indicated by the perceptual evaluation of speech quality (PESQ) scores. Then, subjective listening tests were carried out with 50 normal hearing listeners using a specific bilateral cochlear implant (BCI) simulator and utilizing the French Lafon database corrupted by additional babble noise. Results obtained with the proposed technique were better than the two previously mentioned noise CPSD estimators.     

基于GoogLeNet和空间谱变换的高光谱图像超分辨率方法

为了提高高光谱图像的空间分辨率,提出了一种基于GoogLeNet和空间谱变换的高光谱图像超分辨率(SR)方法.设计出遥感图像的光谱SR框架,对图像中不同反射光谱进行提取;采用GoogLeNet的稀疏编码对粗像素光谱进行放大,并投影到高分辨率字典上,将潜在SR表示进行反转,以获得超分辨光谱;为了提高图像重构的保真度,利用...     

基于全卷积金字塔残差网络的能谱CT图像降噪研究

传统CT采用积分式探测器采集投影数据,反映的是物体的平均衰减特性,会在一定程度上造成信息损失,无法对物体进行较好的定性定量测量。基于光子计数探测器的能谱CT通过设定多个能量响应阈值能够探测不同能量范围内的X射线光子,采集更多被测物体的物质组成信息,有助于识别不同物理特性的材料,基于此,能谱CT被广泛的应用于小病灶、低对比度结构以及微细结构的成像。然而将整个能谱划分为多个能量段进行数据采集时,范围较窄能量范围内的有效光子数比例相对降低,导致图像中包含较多的噪声,图像质量较差,影响能谱CT的临床应用。为了有效的抑制能谱CT不同能量段内重建图像中的噪声,提出了一种基于深度学习的能谱CT图像降噪方法。我们将全卷积网络和金字塔残差网络结合为全卷积金字塔残差网络(FCPRN),实验中,利用能谱CT在不同的能量范围扫描小鼠样本,使用FDK算法和基于压缩感知的Split-Bregman算法进行重建并分别作为训练数据和标签数据训练全卷积金字塔残差网络。为了验证网络的降噪性能,选取了常见的降噪网络模型denoising convolutional neural networks(DNCN)以及residual encoder decoder convolutional neural network (REDCNN)进行对比,训练三种网络的使用的数据和实验配置都是完全相同的,实验结果表明训练模型可以有效抑制不同能量范围内重建图像的噪声,且使用的全卷积金字塔残差网络的降噪性能优于其他网络模型。模型训练好后,可以对FDK算法重建出的图像进行降噪,由此提高能谱CT图像降噪效率,保证能谱CT重建图像的质量。     

基于极值统计的拉曼光谱信噪比评估方法与应用

随着近年来便携式光谱仪技术的迅速发展,CCD光谱仪相对于传统光谱仪在光谱收集方式上发生了很多变化：（1）采集到的光谱对信号进行叠加积分,传统信噪比评估方法无法通过单次检测获得探测器波动;（2）对于谱图噪声（谱线随机波动）,由探测器响应随机波动和扫描重复误差转变为CCD探测器像素响应差异、探测器随机噪声和与光学系统分辨力有关的模式噪声。噪声类型发生改变,导致原有的光谱质量评价方法适用性变差,基于实测光谱提出更具适应性的光谱质量评价方法具有很强的现实意义。根据拉曼光谱仪检测器的变化,对采集光谱信号的成分进行分析,在该分析的基础上提出了CCD光谱仪的噪声模型假设,根据该假设使用不同的信号极值点频率对不同的噪声进行像素分离,并对噪声频率模式进行了数值模拟,模拟结果与假设相符;在此基础上提出并实验验证了通过谱线极值间距评估谱线噪声的拉曼光谱信噪比评估方法,该方法包括以下两个步骤：（1）通过采集多次实测光谱进行叠加,叠加过程中对对应不同频次的光谱极值点数量进行统计,得到统计结果后基于文中规律分离光谱仪中的环境噪声和暗噪声;（2）应用上述分离结果,对实测光谱中对应暗噪声的谱线极值点作统计平均,再将该值应用于文中公式,计算得到信噪比。该方法在进行了步骤（1）的前期准备后,可以通过单张谱图评估CCD拉曼光谱仪的随机噪声,并用于评估光谱的信噪比。基于光学构架相同、CCD探测器不同的三个拉曼光谱系统进行实验,采用该方法通过设定信噪比阈值对谱图质量进行控制,获得了一致的光谱曲线;基于该方法对同步叠加平均法进行信噪比拟合,拟合优度达到98%。该方法可用于拉曼光谱仪的性能评估和获取拉曼光谱谱图的质量实时控制。理论和实验表明：对于基于CCD探测器的拉曼光谱仪器,当确定样品和特征峰时,可以基于此方法获得信噪比。该方法还可用于比对不同配置的拉曼光谱设备,以及作为控制谱图质量一致性的标准,并对基于拉曼光谱技术的智能鉴别系统的开发具有指导意义。     

声场干涉结构相似度匹配的目标运动参数估计

针对水中运动声源定位问题,建立了一种基于声场干涉结构谱向量相似度匹配的目标运动参数估计方法。结合声场干涉结构水平纵向相关特性,利用目标辐射噪声LOFAR谱图中不同频率的谱值序列,基于两方位-两距离目标运动要素计算方法获取的目标距离解向量,构造声场干涉结构谱向量相似度匹配代价因子,实现目标运动参数估计。仿真数据与试验数据验证结果表明:在绘制的目标运动要素解算结果可视化分布图中可清晰呈现出目标初距、航向和速度结果。该算法实现过程简单、解算效率高,对目标方位误差有较好的鲁棒性。