噪声对单耳语言可懂度的影响

单耳通信时,周边噪声对语言可懂度产生影响。针对信号侧语音信号强度70dB时,研究3种不同类型噪声下,干扰侧不同强度噪声和信号侧不同信噪比情况的语言可懂度。实验结果表明:当信号侧信噪比大于某一阈值时,干扰侧噪声对可懂度不产生显著影响,该阈值同噪声类型有关;而在信号侧低信噪比的情形下,干扰侧适当强度噪声可提高信号侧语言可懂度,最佳干扰噪声级为78—82dB,过大的干扰侧噪声级导致可懂度下降。基于心理声学和生理学的初步机理发现:噪声环境下的语音识别中,对侧耳中耳肌肉伸缩对噪声感知的抑制提高了信号侧语言可懂度。      

基于线性调频Z变换和短波语音通话的飞机类型识别研究

研究用短波语音通话携带的飞机舱室噪声对飞机类型进行识别的方法。分析了飞机舱室内噪声在短波信道和语音通话干扰下的物理特性,定义了估计语音段的飞机噪声信噪比的公式,提出了自适应的抑制语音增强飞机噪声的模型,通过CZT变换分别提取目标信号不同频段的功率谱密度级特征,并设计了用支持向量机进行分类识别的二叉分类树。对8类现场实测数据进行实验:增强后语音段的平均信噪比提高约22 dB,分类树对语音应答间隔噪声、语音段信号和增强后的信号的平均识别率分别为82.79%,15.25%,50.18%。实验表明:应答间隔噪声可用于飞机类型识别;语音抑制算法带来较大的信噪比和识别率增益,证明语音段蕴含有助于飞机类型识别的重要信息,可为后续的研究奠定基础。      

感知听觉场景分析的说话人识别

针对低信噪比说话人识别中缺失数据特征方法鲁棒性下降的问题,提出了一种采用感知听觉场景分析的缺失数据特征提取方法。首先求取语音的缺失数据特征谱,并由语音的感知特性求出感知特性的语音含量。含噪语音经过感知特性的语音增强和对其语谱的二维增强后求解出语音的分布,联合感知特性语音含量和缺失强度参数提取出感知听觉因子。再结合缺失数据特征谱把特征的提取过程分解为不同听觉场景进行区分地分析和处理,以增强说话人识别系统的鲁棒性能。实验结果表明,在-10 dB到10 dB的低信噪比环境下,对于4种不同的噪声,提出的方法比5种对比方法的鲁棒性均有提高,平均识别率分别提高26.0%,19.6%,12.7%,4.6%和6.5%。论文提出的方法,是一种在时-频域中寻找语音鲁棒特征的方法,更适合于低信噪比环境下的说话人识别。      

水下目标声散射信号的时频域盲抽取

目标声散射机理及其散射特性为识别目标的物理依据.针对水下目标声散射成分在时-频域存在相互混叠干扰,造成目标弹性声散射特征不稳定的问题,提出一种适合在欠定问题下分离目标声散射成分的时频域盲抽取方法.研究声散射成分的时频特征差异,构造目标回波单源自项的空间时频分布矩阵,通过对其进行特征值分解抽取相应的声散射成分,建立描述目标声散射物理特性的信号模型.抽取出的目标各弹性波分量与以表面环绕波产生理论计算结果相符.仿真与消声水池实验数据处理结果表明,该算法可以分离出目标回波的各个声散射成分,提高了分离信号的输出信噪比,为水下目标识别提供稳定和可靠的特征.     

基于熵函数的耳语音声韵分割法

耳语音声韵分割是耳语音识别和转换的前期工作。由于耳语发音不同于正常音,一般用于正常音的声韵分割法对耳语音不再适用。通过分析耳语音的发音及声学特点,利用宽带语谱图的声韵变化规律,提出了适用于耳语音的信息熵端点检测法,以及相对熵、音长和谱重心相结合的声韵分割法。并对两组信噪比为2-10 dB的380个汉语单音节耳语音进行声韵分割,女声的正确率为87.9％,男声的正确率为90.3％,高于频域法、聚类法和谱平坦度声韵分割法。实验表明,相对熵法可做为耳语音识别和转换的预处理,它改善了汉语耳语音转换为正常音的音质。     

使用深度学习的多通道水下目标识别

为解决低信噪比条件下水下目标识别率低的问题,提出一种适用于多通道水听器阵列的深度学习水下目标识别方法。首先是采用子通道特征级联的方法利用多通道信息;在特征提取方面,采用对信号的不同频率区间进行加权的特征提取器,并对提取的特征进行正则规整;最后采用深度神经网络(Deep Neural Network,DNN)实现目标识别。实验首先在仿真条件下对所提出方法的有效性进行验证,结果表明在-15 dB信噪比条件下的五目标识别任务中,使用多通道级联特征的深度神经网络的识别正确率达到96.7%,显著高于基于支持向量机(Support Vector Machine,SVM)的方法。在后续的湖上试验中,深度神经网络的平均正确率达到96.0%,进一步验证了所提出方法的有效性。      

基于激光回波时频图纹理特征的飞机目标分类方法

为实现直升机、螺旋桨飞机和喷气式飞机的激光遥感探测分类,研究了基于时频图的飞机目标微动纹理特征提取算法。根据旋翼微多普勒模型仿真三类飞机旋转部件回波信号,将平滑伪魏格纳-维利变换得到的时频分布生成灰度图像。采用大津(OTSU)法结合灰度拉伸对图像进行阈值去噪处理,提取目标灰度共生矩阵(GLCM)特征以及Tamura特征,并针对时频图差异进行特征优化,最后使用支持向量机(SVM)实现飞机目标分类。仿真数据分类结果表明:GLCM特征对噪声表现敏感,经所提方法对时频图去噪,信噪比(SNR)RSN=0dB时的分类正确率可达96.4%。Tamura特征在高信噪比条件下分类正确率较高,但当RSN5dB时下降明显。因此提取时频图纹理特征可以达到较为理想的飞机分类效果,且利用改进GLCM特征能够实现低信噪比条件下的目标准确分类。     

低信噪比下采用感知语谱结构边界参数的语音端点检测算法

提出了一种采用感知语谱结构边界参数(PSSB)的语音端点检测算法,用于在低信噪比环境下的语音信号预处理。在对含噪语音进行基于听觉感知特性的语音增强之后,针对语音信号的连续分布特性与残留噪声的随机分布特性之间的不同点,对增强后语音的时-频语谱进行二维增强,从而进一步突出连续分布的纯净语音的语谱结构。通过对增强后语音语谱结构的二维边界检测,提出PSSB参数,并用于端点检测。实验结果表明,在白噪声-10 dB到10 dB的各种信噪比环境下,采用PSSB参数的端点检测算法,相对于其它端点检测算法,更有效地检测出语音的端点。在-10 dB的极低信噪比下,提出的方法仍然有75.2%的正确率。采用PSSB参数的端点检测算法,更适合于低信噪比白噪声环境下的语音端点检测。      

基于蚁群算法的大气激光通信中低密度奇偶校验码的盲识别

针对传统线性分组码识别方法对码长较长的低密度奇偶校验(LDPC)码不适用的情况,利用蚁群算法对对偶空间进行优化搜索,完成了对LDPC码的识别。建立了大气激光通信信道模型和LDPC码的识别模型,给出了大气激光通信湍流信道下校验关系对数似然比函数表达式;将基本蚁群算法与LDPC码的识别问题结合,将对数似然比函数经过处理作为目标函数,通过不断迭代每次搜索过程中目标函数最优值和最佳搜索路径,实现对LDPC码的识别。仿真结果表明:当码长为256时,在弱湍流条件下,当信噪比不低于8dB时,识别率可达78%;在强湍流条件下,当信噪比不低于10dB时,识别率可达77%。此外,蚁群算法中的参数设置对算法性能有较大影响,应根据实际情况加以选择。     

成像型激光探测系统动态范围扩展技术研究

 针对成像型激光探测系统动态范围不足的问题,以现有广角远心鱼眼透镜和CMOS摄像器件为硬件基础,提出通过图像处理的方法扩展系统动态范围。系统采用帧相减技术滤除背景干扰和噪声,进而进行激光光斑的识别和定位。在此基础上,针对接收激光能量的不同,提出采用不同方法扩展动态范围。当激光能量较低时,激光信号可能淹没在噪声中无法准确判读和精确定位,通过滤波技术排除噪声,提高图像信噪比,从而提高系统探测灵敏度,即扩展探测下限。对于探测上限,即当强激光入射时,由于鱼眼光学系统内会产生反射干扰光,有可能在成像面形成不规则的干扰光斑,通过光斑匹配模式识别的方法排除杂光干扰,提高识别上限。实验结果表明,该方法使系统动态范围从为70 dB提高到89 dB,提高近30%,有效扩大了探测系统的作用范围。