用二阶谱法增强噪声背景中的语言信号

本文从理论上阐述了二阶谱法的基本原理,论证了噪声中的语言相位对合成语言的影响,在计算机上完成了本方法的试验.结果表明,对白噪声背景中的信噪比为-5dB-+5dB的语言信号,经本方法处理后,信噪比可提高6dB以上.     

基于神经网络的全天时天文导航图像去噪方法

全天时天文导航图像是在大气层内白天的条件下拍摄,因此图像具有强背景,低信噪比等特点,传统星点提取算法对图像星点的提取效果较差。为提高星点识别率,提出一种较准确的全天时天文导航图像模拟方法,并基于模拟星图训练了一种可加入图像降采样结构的卷积神经网络,有效抑制了星图噪声,并提高了星点信噪比。实验结果表明:本文方法得到的峰值信噪比平均提高了11.28 dB;在效果相同的条件下,本文方法的平均处理时间仅为0.2 s,远少于传统神经网络方法的处理时间。利用真实星图对网络进行测试,发现本文方法对星点信噪比的提升效果较常用算法提升了88.9倍。     

基于动态规划的超声多普勒信号最大频率曲线提取

提出一种基于全局优化的动态规划算法以进行超声多普勒血流信号最大频率曲线的提取。并将该方法分别应用于仿真的超声多普勒信号和实际采集的多普勒血流信号,在信噪比小于20 dB的较强噪声背景下,基于动态规划方法提取的最大频率曲线较之传统方法提取的结果,相对误差最多可减小20倍以上。在强噪声背景下的估计精度明显高于其它方法,显示出基于动态规划的最大频率曲线提取算法具有较好的抗噪声性能。结果表明:基于全局优化的动态规划算法能够从较强噪声背景中准确提取超声多普勒血流信号的最大频率曲线,并可进一步用于诊断血管疾病。     

基于DEMON谱和LSTM网络的水下运动目标噪声基频检测*

传统的船舶辐射噪声基频检测方法不仅依赖大量的先验知识,而且对背景噪声非常敏感。为了提高目标识别的稳定性和精确性,本文提出了一种基于深度神经网络的基频检测算法。首先从多通道水听器信号中提取DEMON谱,然后直接将二维谱特征矩阵输入由CNN和LSTM构成的级联网络,最后通过稠密层输出实现对基频的估计。从仿真和外场试验数据得到如下结论：（1）深度网络能够实现无先验知识和不同信噪比条件下的基频检测,具有良好的泛化性能。（2）LSTM网络能够高效地从时序DEMON谱中提取统计特征,提高基频估计精度。（3）输入信号的时间长短会影响网络的检测精度,更长时间的信号能够获得更好的检测结果。     

腐蚀声发射信号降噪方法

为了从复杂背景噪声中有效地检测出腐蚀声发射信号,采用短时分形维数和离散分数余弦变换相结合的降噪方法,利用声发射检测系统,对6% FeCl₃·6H₂O溶液中Q235钢板的全面腐蚀和局部腐蚀声发射信号进行了降噪处理。实验结果表明,腐蚀声发射信号分别加入白噪声、有色噪声和粉红噪声,在输入信噪比为0~15dB的条件下,此方法降噪效果与标准离散余弦、离散分数余弦变换方法相比,输出信噪比最高可提升8 dB。所述降噪方法对检测腐蚀声发射信号以及对金属剩余寿命的评价具有一定意义。      

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。      

红外图像空间噪声分析和预处理方法改进

讨论了基于天空背景下红外图像空间噪声组成，分析了各种空间噪声的形成原因,给出了红外图像噪声类型及其对图像质量的不同影响。分析结果认为红外图像空间噪声主要为高斯噪声和椒盐噪声。综合考虑均值法和中值法在处理噪声类型上的不同，提出了一种基于简单阈值的改进型中值法。对于不同的阈值，其算子有所不同。而M×N处理区域内每一点算子的权值取决于区域灰度中值，该点灰度越接近中值权值越大。处理后的图像背景更平滑，信噪比和改进的峰值信噪比提高了1.2dB以上，表明改进型中值法优于传统滤波方法。     

基于集合经验模态分解和奇异值分解的激光雷达信号去噪

为了提高差分光柱像运动激光雷达(DCIM雷达)探测信噪比,提出了一种基于集合经验模态分解(EEMD)和奇异值分解(SVD)的混合降噪法.由EEMD获得含噪信号多层模态分量,根据各模态分量之间互相关系数的差分量确定主要噪声并予以滤除,利用奇异值分解识别模态分量中的残余噪声并提取有用信号.利用混合降噪法EEMD-SVD和EEMD方法分别对模拟仿真信号和实测激光雷达信号进行降噪处理.结果表明,当模拟噪声标准差在0.05~0.2之间时,相比与未降噪直接反演的湍流廓线,EEMD-SVD方法降噪后反演的湍流廓线信噪比提高了2.718 7dB~6.921 5dB,相应的EEMD方法提高了1.446 1dB~3.366 1dB;两个不同时段DCIM雷达降噪前后反演廓线与探空廓线的对比发现,EEMD-SVD和EEMD两种方法降噪后反演廓线较之于未降噪的反演廓线,信噪比最大提高了2.526 5dB和2.155 6dB.EEMD-SVD的降噪效果优于EEMD,能够更有效地识别和滤除噪声,较大地提高了原始信号的信噪比,获得更准确的大气湍流廓线反演结果.     

红外搜索系统中弱小目标检测算法研究

 复杂背景下低信噪比弱小目标的检测是红外搜索系统中的重点和难点,为解决红外搜索系统中杂波干扰多、目标信噪比低等问题,提出一种模板匹配滤波的目标检测方法。该算法在预测背景的同时,通过对图像背景灰度值进行动态的阈值处理,自适应地进行背景抑制。当背景包含较多复杂因素时,采用模板匹配滤波的目标检测方法,消除背景抑制后的残留杂波,实现弱小目标的提取。试验结果表明：当场景较复杂且图像信噪比较低时,使用该算法处理后可使图像信噪比达到4 dB以上,从而提高了弱小目标的检测概率。     

噪声环境中的汉语浊语音检测

为了在低信噪比和复杂噪声环境下检测汉语浊语音,根据浊语音谐波结构特性,提出了一种鲁棒的浊语音检测方法。通过改进的谱跟踪算法,得到能表征浊语音谐波特性的一簇谱线;从谱线簇中提取谐波特征作为汉语浊语音检测的依据。在不同信噪比和不同噪声环境下的浊语音检测对比实验中全面优于传统方法,在0 dB信噪比时正识率高于传统方法约30%。实验结果表明,该方法在低信噪比和非平稳复杂噪声环境下都具有较好的浊语音检测效果。      

改进谐波组织规则的单通道浊语音分离系统

针对以往单通道噪声和浊语音分离算法的不足,改进了谐波组织算法。算法利用载波包络能量比将时频单元分为确定和非确定。提取基频作为组织线索。组织阶段分别使用谐波原理和最小幅度原理对确定时频单元组织;使用改进包络自相关函数度量幅度调制率对非确定时频单元组织。对比以往算法的处理结果,改进算法平均信噪比(SNR)提高0.96 dB。通过对谐波组织规则的改进,提高了分离性能。     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

基于特征提取的低信噪比拉曼光谱去噪方法研究

为了提高拉曼光谱检测系统的时间分辨率,常常需要采用较短的采样积分时间,此时带有分子结构振动谱的有用拉曼信号可能完全淹没在噪声中,严重影响信号的进一步分析,因此有必要对测量所得的光谱信号进行噪声消除处理。传统的消噪方法是基于信号与噪声在频域或统计特性之间的差异,通过平滑滤波或取平均值的方法来消除噪声,一般适用于噪声强度不高的情况,对于信噪比较低的情况处理效果并不理想。针对传统去噪方法的不足,从信号重构的角度,利用基于小波变换的谱峰识别、半峰宽检测提取光谱特征参数,再利用最小二乘拟合的方法,能够有效地提取淹没于强噪声背景下的有用拉曼信号。在仿真中,运用该算法得到的光谱曲线光滑,峰位置准确,信噪比改善明显。在实验中,分别利用该方法处理头孢呋辛酯片和罗红霉素拉曼光谱数据,得到了清晰的谱峰位置、幅值及半峰宽信息,实现了对短积分时间、强噪声背景的拉曼信号的有效还原,提高了检测系统的时间分辨率。仿真和实验结果表明,该方法需要调整参数少,易于实现,在信噪比比较低的情况下依然能够得到良好的去噪效果,为进一步分析光谱数据提供准确可靠的信息。     

应用径向基函数去除数字图像中的椒盐噪声

去除图像中的椒盐噪声可转化为二维曲面的重建问题。选用Multi-Quadric函数对图像中损失的信息构造插值格式,自动选择待插值点和插值参考点并求解插值方程组得到处理后的图像。实验证明,本方法可以在很少破坏图像细节的情况下去除大部分甚至全部噪声,并且在噪声密度非常大的情况下仍然可以还原相当多的图像信息。对噪声密度为50％和90％的单色Lena图像进行处理,该方法得到的信噪比比自适应中值滤波高6dB以上。     

一种增强带噪语音可懂度的新算法

一般的语音增强算法在强噪声环境中只能提高信噪比,不能提高可懂度。本文提出用可调节白噪声代替信号中非语音部分的语音可懂度增强处理新算法。实验证明此方法能明显改善强噪声时的语音可懂度,能对低至-10dB的带噪语音信号进行有效的可懂度增强。     

预分浊音型的LPC基音提取法

本文介绍一种预分浊音型的LPC基音提取算法,对语言信号先用线性预测系数a_0和a_1的差值分出浊音区,然后只对浊音部分进行基音提取。提取基频时,数据率减半,用LPC的自相关方法产生8个预测系数的倒滤波器,倒滤波后的误差信号,用平均幅差函数(AMDF)方法提取基频,再线性插值,最后用非线性平滑滤波,并将所得结果和一个半自动的精确算法,以及简化倒滤波(SIFT)算法进行比较,说明我们提出的算法,对背景噪声40dB以下的连续语言是准确有效的。它避免了清音和无声间隙区的音调计算,且浊音和清音的判别比较准确。     

基于全变分的航空图像条带噪声消除方法

条带噪声会影响推扫式航空相机成像质量,去除条带噪声是提高后续数据分析精度的关键环节。分析了航空图像条带噪声的主要来源和模型,提出了一种基于全变分的抑制条带噪声方法。根据相对平坦区域估计每个像元的增益和偏置值,利用全变分模型,采用梯度下降法迭代求解进行图像重构。实验结果表明,仿真图像峰值信噪比从31dB提高到40dB,实际航拍图像辐射质量提升因子提高到9dB。与传统方法相比,该方法处理的图像变异逆系数和辐射质量提升因子有所提高,有效去除图像中的条带噪声,保留原图像的细节信息。     

周期混合信号和噪声联合激励下的非对称双稳系统的随机共振

研究了周期混合信号和关联的乘性和加性噪声联合激励下的非对称双稳系统的随机共振现象.运用两态理论,给出了基频和高阶谐频信噪比的理论结果.发现对于基频和高阶谐频情形下均出现随机共振，并且高阶谐频存在抑制现象.同时研究了非对称系数和噪声强度以及噪声之间关联强度对信噪比的影响.     

被动线谱检测的子带分解和分方位区间融合算法

目标辐射噪声中低频线谱丰富,而且谱级比高、强度稳定,相比调制谱检测具有优越性。基于子带分解处理的现有融合方法适用在信噪比相对较高情况下,而当干扰是相干的或强宽带信号时,对线谱目标有效检测仍没很好解决。本文从子带空间谱统计特性出发,利用线谱谱级高出连续谱10-25dB;线谱频带所在方位区间的输出方位波动小,而其他分区间的输出方位波动大特点,提出了一种在信噪比低,多目标并存情况下更有效的弱线谱提取融合方法。理论仿真和海试实验数据处理结果验证该方法具有创新性、较常规方位稳定算法适用范围更广、检测效果更好,适合工程应用。     

基于噪声模型变换的子光斑质心提取方法

受天光背景、大气湍流强度、信标光回光特性和探测器噪声等因素影响,夏克-哈特曼波前传感器子孔径光斑常存在强度分布不均匀和低信噪比的情况,故子孔径内光斑质心定位不准且波前探测精度下降。提出了一种基于噪声模型变换的子孔径光斑质心提取方法,采用方差稳定变换（VST）将探测引入的泊松-高斯噪声转换为高斯噪声,进一步基于残差反馈优化BM3D策略实现低信噪比子孔径图像的高效去噪。结果显示：所提方法可有效提取低信噪比夏克-哈特曼波前传感器光斑阵列图像中的光斑信号数据,提高了子孔径光斑的质心定位精度和稳定性;相比于传统自适应阈值法等方法,所提方法在子光斑图像峰值信噪比低于6时,可以提升波前复原精度2倍以上。