一种对加性噪声和信道函数联合补偿的模型估计方法

语音识别系统在面对实际环境中多变的加性噪声和信道差异的影响时性能急剧下降,抑制这些噪声和差异所造成的性能下降具有重要意义.作者提出了一种模型补偿算法,使用句子中的非语音段估计加性噪声,然后利用EM算法估计信道函数,从而在倒谱域上对失配的声学模型进行联合补偿.实验表明,相比基线系统,采用该算法的系统的平均性能相对提升幅度超过50%.算法可以动态跟踪环境的变化,性能表现优于一些传统的语音识别稳健性处理算法.     

基于最大似然多项式回归的鲁棒语音识别

本文针对最大似然线性回归算法线性假设的缺点,将多项式回归方法用于模型自适应,构建了基于最大似然多项式回归的非线性模型自适应算法。该算法在对数谱域用多项式回归方法,逼近每个Mel子带上识别环境模型均值与训练环境模型均值之间的非线性关系。多项式系数通过EM算法和最大似然准则从识别环境下的少量自适应数据中估计。实验结果表明,二阶多项式就可以较好地逼近模型均值的非线性环境变换关系。在噪声补偿和说话人自适应实验中,最大似然多项式回归算法的误识率都明显低于最大似然线性回归算法。本文算法较好地克服了线性模型自适应算法线性假设的缺陷,可同时减小噪声,和说话人的改变或其它因素对语音识别系统的影响,尤其适合说话人和噪声的联合自适应。      

一种水下远程目标探测的方法

提出了通过估计目标反向散射系数来探测水下远程目标的一种方法。把估计目标及其附近散射体的反向散射系数构成的序列转化为海洋信道这一带乘性噪声系统的反卷积估计,并给出了最优反卷积算法。在加性噪声和乘性噪声前两阶矩未知的情况下通过建立系统状态滤波和时变噪声统计量交替估计的自适应状态滤波器,给出了自适应反卷积算法。利用上述两种反卷积算法分别对低信噪比(-6.1 dB)微弱信号进行仿真处理,仿真结果证明了所提出方法的有效性。     

采用归一化补偿变换的与文本无关的说话人识别

在噪声环境下,特别是当说话人识别最常用的模型——高斯混合模型(GMM)失配的情况下,需要对其输出帧似然概率的统计特性进行补偿。文章根据说话人识别的声学特性,提出了一种非线性变换方法——归一化补偿变换。理论分析和实验结果表明:与常用的最大似然(ML)变换相比,该变换能够提高系统识别率,最大可达3．7％,同时可降低误识率,最大可达45．1％。结果说明归一化补偿变换方法基本克服了在与文本无关说话人识别系统中,当说话人的个性特征不断变化、语音与噪声不能很好地分离或者降噪算法对语音有损伤、模型不能很好地匹配时,需要对模型输出的似然概率(得分)进行补偿的局限。这也说明对模型输出的似然概率进行处理是降低噪声和干扰的影响、提高说话人识别率的有效方法。     

噪声环境下基于最大后验非线性变换的隐马尔可夫模型自适应算法

由于训练环境和识别环境的失配,识别系统的性能会严重下降。为此,提出了基于最大后验概率非线性变换的环境自适应算法,可以减小由于环境的失配所引起的系统性能的下降。在本算法中,利用分段线性回归近似非线性变换将训练环境下隐马尔可夫模型(HMM)的均值向量变换到识别环境,减小环境的失配,变换参数的估计采用了最大后验概率估计(MAP)。数字语音识别实验证明:该环境自适应算法的识别性能优于MLST,MAPLR和MLLR等算法。     

非等声速信道下的循环神经网络机动目标跟踪模型

针对水下非等声速信道声线弯曲导致传统滤波跟踪轨迹偏差的问题,提出一种循环神经网络的目标跟踪模型。该模型在缺乏声速剖面信息的情况下,通过数据驱动迭代训练,学习输入观测值与输出状态值之间的映射关系,实现目标位置和瞬态特征变化的精确获知。蒙特卡洛仿真实验结果表明,本文模型在非等声速信道下复杂机动场景中相较传统单模型滤波算法以及交互式多模型算法,水平距离跟踪精度分别提升4.06%,1.57%,深度估计精度分别提升0.87%,0.85%。本文模型相较于传统滤波方法具有更高的跟踪精度,并且能够在失配声速分布信道下进行迁移学习,提升模型在失配声场环境下的泛化性。      

语音信号的增强相对谱滤波

提出了在语音信号对数功率谱域和功率谱域顺序滤波的新的增强ＲＡＳＴＡ滤波（ＥＲＡＳＴＡ）方法。语音识别和说话人识别实验表明,ＥＲＡＳＴＡ滤波能够有效地去除加性噪声和卷积噪声的干扰,ＥＲＡＳＴＡ算法与语音信号的失真过程和噪声的功率谱无关。ＥＲＡＳＴＡ方法性能同ＪＲＡＳＴＡ算法类似或更好,且不需要ＪＲＡＳＴＡ 算法中的实时语音信噪比估计。ＥＲＡＳＴＡ 滤波器的设计表明,低频率的谱调制分量可引起语音识别和说话人识别性能的下降,说话人识别较语音识别需要较小的谱时间调制带宽。     

结合卷积神经网络的浅海有源探测信道匹配

信道匹配方法在有源探测领域是一种重要的提升检测信噪比的方法。针对非确知海底参数环境下的有源探测信道匹配问题,提出一种结合卷积神经网络进行信道匹配的算法。该算法基于海底参数扰动开展声场仿真生成卷积网络训练数据;首先通过分类网络将信号按照海底底质类型分类,在每个分类区间内采用单独的卷积网络反演海底参数;然后结合声场模型估计信道传递函数,进行信道匹配,从而在非确知环境下抑制多途影响,提升回波检测能力。仿真与实验结果表明,该算法能够在不确知海底环境条件下,有效估计信道传递函数,实现信道最优化匹配,在实验条件下可提高回波检测信噪比4 dB左右。相比传统方法,该算法可以在海底参数不确知条件下对低接收信噪比的信号实现信道匹配,同时不需要高信噪比的实验参考信号,有效提高了信道匹配方法的环境宽容性。      

浅海波导环境失配下的协方差矩阵拟合稳健匹配场声源功率估计

实际浅海波导中环境噪声为相干噪声,最小方差匹配场声源功率估计方法能在相干噪声背景下准确估计声源辐射功率,但该方法受环境不确定性影响较大;此外,由于最小方差匹配场声源功率估计方法使用信号幅度作为中间量估计声源功率,信号幅度估计误差会二次放大并传递到声源功率估计结果中。本文提出一种协方差矩阵拟合稳健最小方差匹配场声源功率估计方法,该方法引入信道传递函数不确定集,结合协方差矩阵拟合思想将声源功率估计问题建模为在信道传递函数不确定集约束下对函数取极值的问题,使用Lagrange乘子法求解该问题得到信道传递函数估计值和声源辐射功率估计值。环境失配影响声源辐射功率估计性能的根本原因在于信道传递函数偏差较大,协方差矩阵拟合稳健匹配场声源功率估计方法有效减小了环境失配时信道传递函数的偏差,从而显著提升环境失配稳健性。此外,该方法使用权值直接估计声源功率,无需使用信号幅度作为中间量,避免了估计误差的传递。仿真验证了协方差矩阵拟合稳健匹配场声源功率估计方法的环境失配稳健性。     

OFDM水声通信CS限幅失真补偿与LS信道估计优化算法*

正交频分复用技术应用于水声通信系统时,会引起较高的峰均比,当采用限幅法对峰均比进行抑制时,会产生非线性失真。另外,系统采用最小二乘法进行信道估计受噪声的影响较大。针对以上问题,提出了一种基于压缩感知技术的补偿限幅非线性失真与最小二乘信道估计相组合的新算法,在接收端利用导频数据采用压缩感知算法对限幅失真进行补偿,同时对最小二乘信道估计进行优化运算,以减小噪声对其影响。理论分析和仿真结果均表明,新算法不但能够有效抑制限幅法造成的系统非线性失真问题,而且能够降低高斯白噪声对于信道估计的影响。     

Alternative threshold-based channel estimation and message-passing-based symbol detection in MIMO-OTFS systems using superimposed pilots

In this work, we investigate the challenging problem of channel estimation in high-mobility environments for advanced mobile communication systems (5G and beyond). First, we propose an iterative algorithm for channel estimation and symbol detection in the delay-Doppler domain for multiple-input multiple-output orthogonal time–frequency space (OTFS) system. The proposed algorithm is based on a superimposed pilot pattern to improve the spectral efficiency of the system. It iterates between data-aided channel estimation and message-passing-aided data detection. The channel estimation step is based on a threshold method. This step considers interference-plus-noise caused by the data symbols and the additive noise to adapt the threshold at each iteration. The data detection step is based on an adapted version of the message-passing algorithm proposed in the literature for uncoded OTFS. Then, to improve the channel estimation efficiency, we suggest an interference cancellation scheme executed at each iteration of the proposed algorithm. Finally, we compare the computational complexity and the achieved performance in terms of normalized mean square error of channel estimation, bit error rate, and spectral efficiency against five state-of the-art methods.     

无线多径信道中基于时间反演的物理层安全传输机制

宽带无线通信用户大多处在复杂的环境中,其时变多径传播和开放特性将严重影响通信系统的性能.针对物理层安全研究中的窃听信道问题,提出了一种适用于宽带无线多径信道的联合时间反演技术和发端人工噪声的物理层安全传输机制.首先,在一个典型窃听信道模型中采用时间反演技术,利用其时空聚焦性来提高信息在传输过程中的安全性;其次,由于时间反演的时空聚焦性,信息在聚焦点附近容易被窃听,通过在发送端加入人工噪声来扰乱窃听用户对保密信息的窃听,由于合法用户采用零空间人工噪声法,人工噪声对合法用户没有影响.理论分析和仿真结果表明,与已有物理层安全机制相比,所提机制可以有效地提高系统的保密信干噪比和可达保密速率,降低合法用户的误比特率,系统的保密性能得到提升.     

改进的多输人多输出正交频分复用水声通信判决反馈信道估计算法

针对最小均方误差准则下(Minimum Mean Square Error,MMSE)判决反馈信道估计算法在多输入多输出正交频分复用(Multiple-input Multiple-output Orthogonal Frequency Division Multiplexing,MIMO-OFDM)低信噪比水声通信环境下存在误码遗传缺陷,提出了一种基于压缩感知理论的改进的MMSE判决反馈信道估计算法。通过结合浅海水声信道的稀疏性特点,利用编码校验后的信息与原始信息实现了对信道估计的判决反馈更新,采用匹配追踪算法改进MMSE判决反馈追踪信道估计技术,实现了抑制传统判决反馈信道估计算法在迭代更新及传递过程中存在的误码遗传的目的。仿真和水池实验结果证实:改进的MMSE判决反馈追踪信道估计算法不仅可以有效的抑制误码遗传,对抗突发噪声,跟踪信道的缓慢时变,同时大幅降低了导频占用率,提高了通信质量。      

大气闪烁对无线光CDMA通信系统性能的影响

将光CDMA技术应用到无线光通信中。提出了基于脉冲位置调制的二维大气无线光CDMA通信系统，并分析了该通信系统的性能。考虑多用户干扰、APD噪声以及热噪声等干扰因素的影响，采用数值分析的方法，详细分析了大气湍流引起的大气闪烁对二维无线光CDMA通信系统误码率的影响。结果表明，大气闪烁是影响二维无线光CDMA系统误码率性能的一个重要因素；当大气闪烁的对数方差较小(如σ2s=0.1)时，该系统可以实现高速率通信；当大气闪烁的对数方差较大(σ2s≥0.2)时，在有限的光功率条件下，该系统难以实现通信，需要采用信道编码技术来提高系统的误码率性能。     

Robust Vehicle Speed Measurement Based on Feature Information Fusion for Vehicle Multi-Characteristic Detection

A robust vehicle speed measurement system based on feature information fusion for vehicle multi-characteristic detection is proposed in this paper. A vehicle multi-characteristic dataset is constructed. With this dataset, seven CNN-based modern object detection algorithms are trained for vehicle multi-characteristic detection. The FPN-based YOLOv4 is selected as the best vehicle multi-characteristic detection algorithm, which applies feature information fusion of different scales with both rich high-level semantic information and detailed low-level location information. The YOLOv4 algorithm is improved by combing with the attention mechanism, in which the residual module in YOLOv4 is replaced by the ECA channel attention module with cross channel interaction. An improved ECA-YOLOv4 object detection algorithm based on both feature information fusion and cross channel interaction is proposed, which improves the performance of YOLOv4 for vehicle multi-characteristic detection and reduces the model parameter size and FLOPs as well. A multi-characteristic fused speed measurement system based on license plate, logo, and light is designed accordingly. The system performance is verified by experiments. The experimental results show that the speed measurement error rate of the proposed system meets the requirement of the China national standard GB/T 21555-2007 in which the speed measurement error rate should be less than 6%. The proposed system can efficiently enhance the vehicle speed measurement accuracy and effectively improve the vehicle speed measurement robustness.     

New multivariate noise model and data detection using the expectation maximization algorithm

A signal sequence detector in a high areal density recording channel is required to provide robust compensation against unexpected error events. Primarily, a number of error events are caused by media noise and nonlinear distortion. The same problem of signal sequence detection remains to be solved in a future magnetic recording system that comes in predisposed to trend for recording by large-sector size instead of existing single-sector one that consists of 512 information 8-bits bytes. For the above problem, this paper shows the signal estimation method based on statistical inference for such a finite mixture model with known number of degraded noise components. Our signal detection scheme with multivariate autoregressive models for total noise and the expectation maximization algorithm is applied to maximum a posteriori estimation for multivariate mixtures of noise. Furthermore, a non-binary low-density parity-check (LDPC) code is used for an error-correcting code that satisfies the specific run-length limited condition in the proposed system. It shows that the proposed error-correcting and signal detection methods are effective in estimating signal sequences degraded by media noise and in improving the error rate performances with respect to the conventional system using the binary LDPC code and univariate autoregressive model.     

基于幅度相位联合校正算法的8-QAM自由空间相干光通信

提出了基于幅度相位联合校正算法的8阶正交幅度调制(8-QAM)自由空间相干光通信方案。与传统的自由空间光通信方案相比,本文提出的方案不仅无需信道状态信息(CSI)就可以实现对原信号的高精度还原,同时还具有较高的光谱效率。仿真实验表明,当接收端与发射端的频偏f 0=20 MHz、激光器联合线宽Δf=10 kHz、信噪比为20 dB时,该方案在归一化大气闪烁标准差σ=0.25、归一化相位噪声方差σΦ^2=0.07的对数正态湍流信道条件下,其误码率(BER)与未采用联合校正算法的8-QAM系统相比低4个量级。     

Accurate modulation classification under impaired wireless channels via shallow convolutional neural networks

Classifying the modulation type of radio signals plays an important role in current and future wireless communication systems. We present a modulation classification method based on convolutional neural networks that reaches high accuracy in face of various channel characteristics and signal conditions without requiring the network to have a very large depth. Experiment results show that the proposed method reaches accurate classification under different system impairment settings that include sampling rate offset, carrier frequency offset, multi-path fading, and additive white Gaussian noise. For instance, compared to a state-of-the-art method, accuracy is improved up to 25% in classifying difficult modulation types under system impairments. Source code of the proposed method is available online.     

非高斯冲激干扰下基于Softplus函数的核自适应滤波算法

针对非高斯环境下一般自适应滤波算法性能严重下降问题,本文提出了一种基于Softplus函数的核分式低次幂自适应滤波算法(kernel fractional lower algorithm based on Softplus function,SP-KFLP),该算法将Softplus函数与核分式低次幂准则相结合,利用输出误差的非线性饱和特性通过随机梯度下降法更新权重.一方面利用Softplus函数的特点在保证了SP-KFLP算法具有良好的抗脉冲干扰性能的同时提高了其收敛速度;另一方面将低次幂误差的倒数作为权重向量更新公式的系数,利用误差突增使得权重向量不更新的方法来抵制冲激噪声,并对其均方收敛性进行了分析.在系统辨识环境下的仿真表明,该算法很好地兼顾了收敛速度和跟踪性能稳定误差的矛盾,在收敛速度和抗脉冲干扰鲁棒性方面优于核最小均方误差算法、核分式低次幂算法和S型核分式低次幂自适应滤波算法.     

基于改进Mallat算法的倍频程分析方法研究

倍频程分析是噪声测量系统中的重要环节,针对传统倍频程分析方法中滤波器相对衰减值测量精度不高和声压级谱测量不准确的缺陷,本文提出了一种基于改进Mallat算法的倍频程分析方法。本文提出的改进Mallat算法:第一,对信号进行FFT运算,删除由于滤波器的非锐截止特性导致的频率混淆分量;第二,利用矩形窗函数与信号相乘,消除由于卷积运算时会导致的边界效应;最后,应用虚拟仪器软件开发平台Lab VIEW搭建了基于改进Mallat算法的倍频程分析系统。仿真对比实验结果验证了改进Mallat倍频程分析方法对噪声信号的相对衰减值测量精度更高,声压级谱显示更加准确。