基于声源方位信息和非线性时频掩蔽的语音盲提取算法

针对欠定卷积混合的语音信号模型,提出一种基于声源方位信息和非线性时频掩蔽的语音盲提取算法。首先对低频段混合语音信号进行时频分析估计瞬时相对时延(ITD)并采用势函数聚类分析方法估计出声源个数及其ITD,接着锁定目标提取准确的目标语音方位信息,最后利用独立语音在时频域上的近似W一分离正交性,采用非线性时频掩蔽的方法提取目标语音。仿真实验表明,该方法能锁定任意感兴趣目标方位,能有效提取目标语音,文中实验条件下信噪比增益平均达9.5 dB。      

水下目标回波与混响的时频形态特征域盲分离

水下沉底或掩埋目标识别受海底混响干扰严重,并且目标回波与混响在时-频域上均存在混叠,增大了对目标回波与混响的分离难度。根据目标回波与混响的产生机理差异,将图像形态学与时频分析相结合的盲分离算法用于目标回波与混响的分离。推导了目标几何声散射成分与混响在Wigner-Ville时频面的形态特征表达式,利用图像形态学滤波去除Wigner-Ville时频面中的混响及刚性亮点之间交叉项,在时频形态特征域获取解混矩阵,实现了目标回波和混响的分离。仿真与实验数据处理结果表明,结合图像形态学的时频域盲分离算法提高了目标回波信号的信混比。      

时频字典学习的单通道语音增强算法

针对以往语音增强算法在非平稳噪声环境下性能急剧下降的问题,基于时频字典学习方法提出了一种新的单通道语音增强算法。首先,提出采用时频字典学习方法对噪声的频谱结构的先验信息进行建模,并将其融入到卷积非负矩阵分解的框架下;然后,在固定噪声时频字典情况下,推导了时变增益和语音时频字典的乘性迭代求解公式;最后,利用该迭代公式更新语音和噪声的时变增益系数以及语音的时频字典,通过语音时频字典和时变增益的卷积运算重构出语音的幅度谱并用二值时频掩蔽方法消除噪声干扰。实验结果表明,在多项语音质量评价指标上,本文算法都取得了更好的结果。在非平稳噪声和低信噪比环境下,相比于多带谱减法和非负稀疏编码去噪算法,本文算法更有效地消除了噪声,增强后的语音具有更好的质量。      

非线性混合模式的语音盲分离算法

本文针对FIR非线性混合模型，基于最大熵算法，提出了一种以高斯混合模式概率密度函数估计替代传统对数化概率密度估计的盲分离算法，以偶函数为非线性激活函数，采用最大期望（EM）迭代算法推导了分离算法的权向量迭代公式，通过模拟仿真实验结果与传统的最大熵和高阶累积量方法比较，新算法提高了收敛速度，并有效地完成了非线性语音分离任务，抑制了干扰语音信号的影响，提高了输出信噪比。     

联合深度编解码网络和时频掩蔽估计的单通道语音增强

提出了一种联合深度编解码神经网络和时频掩蔽估计的语音增强方法。该方法利用深度编解码网络估计时频掩蔽表示,并联合带噪语音的幅度谱学习带噪语音与纯净语音幅度谱之间的非线性映射关系。深度编解码网络采用卷积-反卷积网络结构。在编码端,利用卷积网络的局部感知特性,对带噪语音的时频域结构特征进行建模,提取语音特征,同时抑制背景噪声。在解码端,利用编码端提取到的语音特征逐层恢复局部细节信息并重构语音信号。同时,在编解码端对应层之间引入跳跃连接,以减少由于池化和全连接操作导致的低层细节信息丢失的问题。在TIMIT语音库和不完全匹配噪声集下进行仿真实验,实验结果表明,该方法可以有效抑制噪声,且能较好地恢复出语音细节成分。      

基于改进自适应分解法的单通道雷达引信混合信号分离

为了更好地改善单通道多分量调频体制雷达引信信号的时频分布,以便于完成参数估计和信号分离,将自适应chirplet分解法引入到单通道雷达引信信号的分离问题当中,并加入时频曲线弯曲度因子,提出一种改进的自适应chirplet分解法,使其能够被用于非线性相位信号的分解,利用快速算法和优化算法,优化了运算过程,可准确且快速地求解出各参数,得到无交叉项的多分量信号时频分布,使复杂混合情况下的多分量信号也能够被较好地分离.通过仿真,利用该方法对多种情况下混合信号的时频分布进行了很好的改进,而后分解出了各分量信号,并通过分析计算出了相应的混合系数,仿真结果说明了该方法的有效性,且具有一定的抗噪声性能.     

基于频散补偿和分数阶微分的多模式兰姆波分离

由于兰姆波的多模和频散特性,实际检测时在同一激发频率下存在多种模式的混合信号,而各模式信号有不同的频散特性,使得在时频混叠的情况下兰姆波的检测变得十分复杂.本文在频散补偿的基础上,通过时延函数建模,依靠不同模式频散趋势的差异性,将时频混叠信号的分离问题转化为部分模式混叠信号的分离问题.基于分数阶微分的理论,用信号幅值谱分数阶微分极大值和对应频率分别与微分阶次拟合多项式实现特征参数的提取并依靠特征参数重建幅值谱.结合相位谱重构时域信号以实现部分混叠信号中频散补偿后的模式的分离.最后恢复频散获得分离后的兰姆波信号.仿真和实验结果表明,本文方法不仅可以实现时频混叠多模式兰姆波信号的分离,更能保证分离精度,有助于复杂多模式频散信号的分离与处理的进一步研究.     

听觉频域掩蔽效应的自适应β阶贝叶斯感知估计语音增强算法

为了在噪声抑制和语音失真中之间寻找最佳平衡,提出了一种听觉频域掩蔽效应的自适应β阶贝叶斯感知估计语音增强算法,以期提高语音增强的综合性能。算法利用了人耳的听觉掩蔽效应,根据计算得到的频域掩蔽阈自适应调整β阶贝叶斯感知估计语音增强算法中的β值,从而仅将噪声抑制在掩蔽阈之下,保留较多的语音信息,降低语音失真。并分别用客观和主观评价方式,对所提出的算法的性能进行了评估,并与原来基于信噪比的自适应β阶贝叶斯感知估计语音增强算法进行了比较。结果表明,频域掩蔽的β阶贝叶斯感知估计方法的综合客观评价结果在信噪比为-10 dB至5 dB之间时均高于基于信噪比的自适应β阶贝叶斯感知估计语音增强算法。主观评价结果也表明频域掩蔽的β阶贝叶斯感知估计方法能在尽量保留语音信息的同时,较好的抑制背景噪声。      

基于多项式调频Fourier变换的信号分量提取方法

为了从含有噪声的混合信号中有效提取各个信号分量, 提出一种基于多项式调频Fourier变换的分量提取方法. 通过研究Fourier变换和分数阶Fourier变换的信号能量积累方式及变换基函数的时频表示, 提出利用时频平面上的多项式调频曲线族代替Fourier变换和分数阶Fourier 变换的调频直线族, 将变换的适用范围扩展到非线性调频信号. 采用粒子群智能优化算法搜索调频曲线族的最优多项式参数, 使混合信号中的某一分量在多项式调频Fourier域上能量谱集中. 最后对能量谱集中的分量进行窄带滤波, 并利用多项式调频逆Fourier变换重构信号分量. 仿真实验结果表明, 该方法不仅能够提取混合信号中的线性调频分量, 还能够实现非线性调频分量的能量谱集中、信号分离和时频特征提取.     

水下目标回波盲分离性能的瞬时频率特征评价方法

在水下主动声呐目标回波与混响盲分离中,针对分离结果顺序不确定性以及缺乏分离有效性衡量手段的问题,提出了以信号瞬时频率特征为指标的盲分离性能评价方法。推导了目标回波与混响的时频分布特性,理论表明目标回波在瞬时频率序列的中心偏离程度以及整体随机程度上低于混响,据此提取信号的瞬时频率方差与瞬时频率熵两种信号特征,并将二者作为从盲分离结果中识别目标回波的依据。海试数据结果表明,在盲分离得到的所有分离信号中,目标回波具有最小的瞬时频率特征值,并且该特征值越小,目标回波与混响的盲分离程度就越高。