人体肺胸系统声传递函数研究

本文应用同态信号处理，从肺音信号中分离出肺音音源与肺胸系统的声传播效应，获得了肺胸系统的声传递函数．实验结果表明：肺胸系统相当于声低通滤波器，胸廓系统具有声低通滤波特性，异常状态下，系统的声传递函数与正常肺胸系统的声传递函数有明显差异．     

水声信号稀疏重构的高阶累积量波达方向估计

高阶累积量具有高斯噪声抑制和阵元扩展特性,将高阶累积量引入水声信号的方位估计中,提出了离格稀疏贝叶斯学习重构的高阶累积量测向算法。该方法利用高阶累积量对高斯噪声的自然盲性,计算阵列信号四阶累积量来滤除高斯噪声,使阵元在原来的结构上扩展了一倍;并构造出选择矩阵剔除了四阶累积量中的冗余项,能再一次的扩展阵元,得到的新观测模型具有更好的统计性能;最后利用空域稀疏性,推导出四阶累积量下的离格稀疏表示模型,采用贝叶斯学习解算出源信号的最大后验概率,实现了目标方位估计。数值仿真和海试实验数据表明,该方法在相邻声源方位间隔为4°的情况下分辨概率可达到95%以上,在信噪比大于-5 dB时目标方位估计的均方根误差在1°以内,可显著抑制背景噪声干扰,在多声源密集分布条件下也能准确、稳健的对水声目标方位进行估计。      

水中运动目标动态线谱增强算法研究

通常的基于短时自相关的自适应线谱增强器(SABALSE)主要缺点是:输入信噪比低时,抑制高斯噪声性能差。为了最大限度地克服SABALSE的缺点,我们充分利用高阶累积量抑制高斯噪声的性能和高阶累积量的不同更新算法,提出了基于四阶累积量不同切片的自适应动态线谱增强新算法,并对其原理、结构进行了剖析。用实测鱼雷线谱数据,对鱼雷与水听器处于不同方位时,水听器接收的线谱进行了动态仿真。结果表明:基于四阶累积量非对角切片的自适应动态线谱增强(NDSCBADLSE)算法抑制高斯噪声、增强动态线谱的能力强于基于对角切片的自适应动态线谱增强(DSCBADLSE)算法,且均强于SABALSE算法。因此,本文的算法可用于提高水下探测系统和水下武器系统对微弱信号的检测能力。     

一种水声环境下易于硬件实现的盲波束形成方法研究

针对水声环境和水声信号的特点,提出了一种基于高阶累积量的神经网络盲波束形成算法。该方法把高阶累积量可消除高斯噪声干扰这一特性和神经网络可并行计算的结构优势有机地结合起来,不但有效地避免了矩阵求逆运算,而且易于用硬件实时实现盲最优波束形成。仿真实验验证了该算法的有效性和正确性。     

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。     

非线性时间序列的高阶奇异谱分析

基于反映线性相关结构的协方差矩阵的奇异谱分析，本质上是一种线性的方法.奇异谱分析用于吸引子重构的可靠性问题引发了一些争议.本文基于具有盲高斯噪声及体现非线性相关等性质的高阶累积量，提出了一种高阶的奇异谱分析方法.通过对Hénon映射、Logistic映射和Lorenz模型的分析说明了该方法的有效性，并在不同的延时、嵌入维数、抽样时间及有噪声的情况下表现出较好的鲁棒性. 关键词：     

基于高阶累积量的单帧复杂云背景下红外小目标检测

高阶累积量由于可以抵抗高斯噪声的影响而被广泛地应用于信号处理的各个领域。针对复杂云背景下单帧红外图像弱小目标检测的问题,与传统的时空管道滤波方法不同,通过建立合理的数据模型,在抑制缓变背景和噪声的同时,结合小目标局部范围内突变的特点,三阶累积量的计算使得目标在单帧全局检测可检的信噪比达到了1.66。     

采用四阶累积量多重矩阵重构的低信噪比相干声源波达方向估计

针对相干声源子空间能量扩散且协方差矩阵欠秩难以有效估计波达方向(DOA)的问题,提出了一种采用高阶矩阵变换的估计方法-四阶累积量多重矩阵重构(FOC-MMR)。该方法首先对阵列声压数据分帧进行短时傅里叶变换,然后对四阶累积量扩展的高阶协方差矩阵进行奇异值分解(SVD)得到高阶噪声特征向量,保证该噪声特征向量与扩展后的高阶阵列流形矢量正交匹配,最终实现相干信号的DOA估计。相干单频矩形脉冲信号仿真结果表明,将FOC-MMR方法应用于均匀线阵(ULA, M=4),在信噪比SNR≥-15 dB时,相干信号(θ₁=-20°和θ₂=20°)的均方根误差保持在1.5°以内;在SNR=10 dB时,可正确分辨的两相干信号方位间隔Δθ可以低至5°。在相干脉冲声源实验中,通过混入SNR=5 dB高斯白噪声,验证了FOC-MMR算法在应用于由多个ULA组成的矩形面阵时,其分辨邻近声源和抑制高斯噪声的能力较高。FOC-MMR算法通过对声压阵列数据扩展得到满秩的高阶协方差矩阵,不仅解决了由信号相干造成的噪声和信号特征向量之间能量扩散的问题,还实现了以较高的测向精度和...     

滑动窗累积量的递推估计算法及其在语音端点检测中的应用

提出了一种滑动窗累积量的递推估计算法并应用于语音端点检测中,用以解决传统端点检测方法在噪声环境下检测性能变差的问题。在对含噪语音信号进行加窗之后,利用滑动窗累积量的递推估计算法估计含噪语音信号的高阶累积量值,并在此基础上结合能量特征进行语音端点检测。实验结果表明,所提滑动窗累积量递推估计算法相比较传统高阶累积量计算方法运算效率明显提高;所提端点检测算法在不同噪声和信噪比环境下相比较G.729b算法点正确率Pc-point值平均提升了6.07%。基于滑动窗高阶累积量的语音端点检测算法具有较高的运算效率及良好的鲁棒性。     

滑动窗累积量的递推估计算法及其在语音端点检测中的应用

提出了一种滑动窗累积量的递推估计算法并应用于语音端点检测中,用以解决传统端点检测方法在噪声环境下检测性能变差的问题。在对含噪语音信号进行加窗之后,利用滑动窗累积量的递推估计算法估计含噪语音信号的高阶累积量值,并在此基础上结合能量特征进行语音端点检测。实验结果表明,所提滑动窗累积量递推估计算法相比较传统高阶累积量计算方法运算效率明显提高;所提端点检测算法在不同噪声和信噪比环境下相比较G.729b算法点正确率Pc-point值平均提升了6.07%。基于滑动窗高阶累积量的语音端点检测算法具有较高的运算效率及良好的鲁棒性。      

声矢量锥形阵的高阶累积量波达方向估计

为解决信源在较低信噪比情况下的测向分辨率问题,提出阵列可扩展的声矢量锥形阵测向算法。算法基于四阶累积量的阵列扩展和高斯噪声抑制特性,计算声矢量传声器不同输出分量的四阶累积量,使其在三维方向上扩展与原阵型结构相同的虚拟阵,从而构造包含角度信息的旋转不变矩阵进行测向。推导给出了算法的克拉美罗界,理论分析了算法性能受信噪比、采样快拍以及入射声源俯仰角的影响。仿真实验验证了该算法较常规声矢量阵ESPRIT算法有更优的噪声抑制能力及更高分辨的DOA估计性能。      

扬声器异常音的快速检测方法及其实验研究

提出了一种对扬声器声响应中的低阶次谐波失真与高阶次谐波失真和进行综合分析的方法,以实现对扬声器异常音的快速检测。文章分析了扬声器异常音的时域和频域特征,并对人耳听测异常音的机理进行了讨论。通过对扬声器系统Volterra建模并选择连续对数扫频信号作为激励信号,推导出了该模型在此激励下的响应表达式.该表达式揭示了提取各阶冲激响应的方法,由该表达式给出一种可以快速提取各阶次谐波失真的跟踪滤波器,以实现对扬声器异常音的检测。实验室测试和多次工厂生产线测试初步验证了该方法的准确性、快速性和可行性。      

n型金属氧化物半导体场效应晶体管噪声非高斯性研究

基于n型金属氧化物半导体场效应晶体管（nMOSFET）噪声的数涨落模型,采用高阶统计量双相干系数平方和研究了nMOSFET噪声的非高斯性.通过对nMOSFET实际测试噪声的分析,发现nMOSFET器件噪声存在非高斯性;小尺寸器件噪声的非高斯性强于大尺寸器件;在器件的强反型线性区,其非高斯性随着漏压的增加而增加.文中还通过蒙特卡罗模拟和中心极限定理理论对nMOSFET噪声的非高斯性作了深入的探讨. 关键词： 噪声 非高斯性 n型金属氧化物半导体场效应晶体管 氧化层陷阱     

对环境声与振动系统进行状态估算时关于通用贝叶斯滤波器的主要考虑

本文叙述了我们在对非平稳、非线性和非高斯环境声与振动系统进行状态估价时,对通用贝叶斯滤波器设计的基本考虑。利用贝叶斯定理的正交或非正交展开式,讨论了几种贝叶斯滤波器的基本要点。这几种滤波器可以用来估价任意函数类型状态变量的统计量,包括在环境声与振动系统中与L_x评价指数有关的低阶和高阶的统计量。这里,我们着重给出设计原则的基本观点,包括一些尚未发表的新估算方法和新的结果。     

偏度最大化多通道逆滤波语声去混响研究

房间混响会降低语声质量和语声可懂度。高阶统计量是衡量非高斯性的重要参量,基于语声非高斯特性可实现语声去混响。该文提出一种基于高阶统计量的多通道语声去混响方法,该方法首次用多通道语声信号线性预测残差的三阶统计量偏度构造代价函数,以去混响重建信号线性预测残差的偏度最大化为目标自适应地更新逆滤波器,同时引入通道逆滤波和语声产生系统的联合估计。实验结果表明,该方法相较于已有的基于线性预测残差四阶统计量峰度的方法具有更好的去混响效果,且对噪声具有更强的鲁棒性。     

唢呐的声频谱和音管的计算

本文给出唢呐的声学结构，并用圆锥复合管模拟音管。音管和双簧片哨声容的共振决定声音的基频。文中给出音管输入导纳和传递函数的计算方法。计算表明，唢呐声中基波主要由指孔辐射，而高次谐波主要由碗开口辐射。声频谱包络的特点和音管的传递函数有相应的关系。     

一种利用高阶谱相位数据进行时延估计的新方法

本文提出了一种利用高阶谱相位数据进行时延估计的新方法。对于无噪声干扰或是不相关高斯噪声干扰的信号来说,互谱相位数据时延估计能给出较好的估计结果。但是若存在相关高斯噪声干扰时,利用高阶谱相位数据进行时延估计就有较突出的优点,其精度高于互谱相位数据时延估计法。在频域内经过适当加权,能更有效地提高估计精度。     

高速运动目标的自适应线谱增强算法研究

本文研究了低信噪比、目标高速运动情况下,多普勒频移较大时针对线谱信号的自适应增强算法。对海试数据的分析表明,常规自适应线谱增强算法对多普勒频移下的线谱增强效果明显,但要求信噪比较高,且实时性较差;基于高阶累积量对角切片的自适应线谱增强算法对非线性高斯色噪声下的线谱增强效果显著,但对低信噪比环境下变化线谱的跟踪性能较差;频域批处理自适应线谱增强算法对低信噪比下的线谱信号具有很好的增强效果,降低了运算量。     

利用高阶统计识别二维FIR系统的参数

本文利用二维ＦＩＲ系统输出的四阶统计累积（ｃｕｍｕｌａｎｔ），识别出系统的冲激响应函数。我们的方法允许测量噪声是有色高斯的，以及二维ＦＩＲ系统是非最小相位的，非可分的。     

一种基于自适应高斯神经网络的船舶噪声分类方法

提出了一种用于船舶噪声目标分类的自适应高斯神经网络分类方法．首先利用傅里叶变换对三类船舶噪声进行预处理，然后利用高斯函数特性，将其和神经网络结合构成自适应高斯神经网络对目标信号谱进行有效识别特征自动提取和分类．该方法获得的特征空间与以AR建模和子带平均功率诸方法获得的特征空间相比，类别之间的可分性好，类间聚集性强。分类结果令人满意，证明了该方法的优越性．