改进LVAMDF及综合多因素基音检测算法

在对语音信号静音、清音、浊音划分的基础上,针对语音信号周期特征明显段分布随机性问题,提出改进的变长度平均幅度差函数LVAMDF及综合多因素基音检测算法,该算法对语音信号进行周期特征明显段和周期特征不明显段的聚类划分,同时,获取周期特征明显语音段的基音周期,针对少数基音周期划分倍频或半频问题,提出识别、修正方法,其识别、修正率极高。在对大量真实语音处理中,能够精确的检测出语音特征明显段的基音周期端点,基本没有倍频和半频划分,并且和AMDF、ACF算法作了对比。     

基于数学形态滤波的语音信号基音特征提取

数学形态滤波是一种关于信号形状处理的非线性变换，它能简化信号、消除较小分量而保留信号的基本形状特征．本文基于数学形态滤波方法提出了两个分别在时域和频域提取语音信号基音周期的方案，在频域提取基音周期的同时还能提取出语音信号的谱包络。它们具有简单、直观和计算效率高等特点。由于数学形态滤波运算是并行的、局部的，新方案适于并行化处理和易于硬件化实现。实验结果表明，选择合理的数学形态滤波参数以及线性预测编码参数，能获得准确的语音信号基音特征。     

在噪声的背景中提取语言信息

本文介绍了从噪声的背景中提取语言信号的频谱减方法、自相关方法和线性滤波方法及其对信噪比从+6dB到-6dB的汉语元音、词句和语句进行处理的结果。经过处理后信噪比均可提高6dB左右,但语言的可懂度没有明显改善。本文还对几种提取基频的方法,在噪声背景中提取语言基频的效果作了比较。     

基于线阵CCD的空间滤波测速信号基频消除方法

以线阵CCD空间滤波效应的速度测量方法为基础,进一步提出了利用线阵CCD进行空间滤波测速(SFV)信号基频消除方法。采用异相差分检波算法,在消除基频和直流成分的同时提高了信号振幅,增加了信噪比。通过研究异相差分前后空间滤波器的功率谱密度函数,对等效差分空间滤波器的特性进行了分析。实验验证了利用异相差分检波算法进行SFV信号基频消除的可行性,结果表明,采用异相差分检波算法可以消除信号基频和直流成分,同时使周期成分的振幅加倍,有利于周期信号的提取,并解决了传统光学方法光学系统复杂,装调困难的问题。     

基频估计算法研究平均骨小梁间距

超声背散射信号能提供松质骨微结构信息从而能有效的诊断骨质疏松,而平均骨小梁间距(MTBS)是表征松质骨微结构的重要参数之一.本文提出了一种基频估计的MTBS估计算法,对仿真信号和离体牛胫骨松质骨中的超声背散射信号分别进行分析处理,并和现有的两种算法(简易反向滤波跟踪(SIFT)算法和AR倒谱法)进行比较.实验结果表明基频估计算法对噪卢和随机散射回波有更好的鲁棒性,在信噪比较低和随机散射回波幅度较大时估计值更加精确,且有很好的方差性能.充分说明了本文算法是一种有效的MTBS估计算法.     

一种频域基频提取新方法

提出了一种基于二值侧抑制网络的频域基频提取方法。即利用二值侧抑制网络对语音的短时谱进行峰值提取,得到包括语音基频及其谐波的线谱,根据谐波间的距离平均值估算出基频．该算法在ＣＯＳＤＩＣ数据库上进行了测试,并与自相关基频提取法和倒谱基频提取法进行了比较．实验数据表明,本算法具有更高的精度和更强的抗噪声性能．     

一种面向声音变换的参数化模型

在源滤波器模型的基础上,利用统计学习方法,建立了一种面向声音变换的混合参数化模型。该模型包括浊音声学模型、清音声学模型和韵律补偿模型三部分。基于线性预测分析和mel倒谱分析的浊音声学模型,刻画了说话人声腔的共振特性。基于线性预测分析和噪声源分析的清音声学模型,反映了说话人发清音的特点。基于统计学习方法的韵律补偿模型描述了音高、能量与时长等分布特性。在该混合参数化模型的基础上,提出了一个声音变换算法,并将其应用到汉语音节的变换问题上。实验结果表明,对清浊音和韵律特性分别建模的变换算法能够提高重建语音的清晰度和可懂度,缩小重建语音与目标语音之间的感知距离,使重建语音具有目标说话人的韵律特征．     

改进低比特率的LPC声码器

线性预测技术已广泛用于语言信号处理,特别是用于设计低比特率的声码器。但是传统的定帧长分析方法不能很好适应语言的非平稳过程,同时由此得到的语言参数(例如预测误差)用于提取音调也容易出错,因而影响了合成语言的质量。为此我们进行了三方面的改进:(1)用自适应梯型算法代替现有定帧分析的线性预测方法,以便得到更准确的声道参数;(2)有限的变帧抽样语言参数,改善了合成语音过渡区的性能;(3)改进Gold-Rabiner的基音提取技术,使音调提取方法更简单可靠。传送数据率为2400和1200比特每秒。在计算机上模拟结果表明,2.4kb/s的方案所合成的语言较为自然易懂,且不难分辨熟人口音,l.2kb/s方案的合成语言也未严重降级。采用缓存器后,两种方案均可在固定数据率信道上传输。     

说话人辨认中有效参数的研究

说话人辨认技术是语音识别中的一项重要应用，在我们研究的系统中，LPC参数并不是都很有效，我们用统计分析方法对12个预测系数、12个部分相关系数、12个对数面积比系数、12个倒谱系数、12个相关系数、短时能量、短时平均过零率及基音共63个参数，进行方差比检验，用10名男青年的三个元音的发音，在半年内采集97种语音作为试验材料，选出15个方差比比较大的作为识别参数，识别率为89.19%，采用样本刷新技术后，识别率达到97.3%。     

提升小波加权自相关函数的基音检测算法*

随着计算机技术的发展,语音信号处理作为人机交互的重要渠道,其在复杂噪声环境下的特征值检测算法直接关系到计算机的运算效率。基音周期是语音特征值提取的重要参数之一。针对传统基音检测算法在噪声环境下检测精度低的问题,提出了一种基于自适应提升小波变换加权线性预测误差自相关函数的基音检测算法。该方法用多级提升小波近似系数加权求和的方法来弥补自相关函数随着时间延迟量的增加幅值衰减的缺陷;用线性预测误差自相关函数的方法来抑制共振峰的干扰,然后将两种方法结合来突出基音周期处的峰值。实验结果表明,与传统的自相关函数法和小波加权法相比,该方法能有效减弱共振峰的影响,突出基音周期处的峰值,提高基音周期检测精度,鲁棒性更好。     

小波尺度相关滤波及其改进算法在电火花声源信号处理中的应用

分析提取宽带电火花声源信号,受到船舶辐射噪声的严重干扰,在5 kHz以下的能量集中区信噪比低,且二者Lipschitz指数特性相近,传统基于相邻尺度相关的滤波算法抗干扰能力有限。根据宽带电火花声源信号不同频带所受干扰的不同,信噪比较高的小尺度高频小波系数,采用相邻尺度相关的滤波算法;信噪比较低的大尺度中低频小波系数,采用跨尺度相关的滤波算法,并对算法中阈值系数的选取方法进行修正。结果表明,该算法滤波效果良好,有效的提取了电火花声源信号,适合窄带强干扰背景噪声下的宽带水声信号处理。      

基于Hilbert-Huang变换的基音周期提取方法

提出了一种基于Hilbert-Huang变换的语音信号基音周期提取方法。该方法无须对语音信号进行分帧截断。语音信号直接进行Hilbert-Huang变换后,通过基音频率搜索处理得到基音频率及其随时间的变化。实验结果表明,与传统的基音周期提取方法相比,该方法既能真实描述语音信号的非平稳非线性特性,又能提高基音周期提取的准确性和分辨率。     

二次变换法估计骨小梁的间距

平均骨小梁间距作为松质骨微结构的重要表征参数,其值可作为诊断骨质疏松的重要参考信息。提出将二次变换法运用于骨小梁间距的估算,探究其运用于骨小梁间距估算的可行性。通过散射元仿真、时域有限差分法仿真和离体松质骨实验所得到松质骨背散射信号进行分析,同时以自回归倒谱法(AR倒谱法)、反向滤波-自回归倒谱法(反向滤波-AR倒谱法)、自适应滤波-自回归倒谱法(自适应滤波-AR倒谱法)和简易反向滤波跟踪(SIFT)算法作为对比方法进行分析,通过对比证明了其可行性和相比于其他方法的优越性。结果表明,不管是利用仿真实验还是牛胫骨的离体实验所得信号估算骨小梁间距,二次变换法比其他算法具有更强的测量稳定性和准确性。      

二次变换法估计骨小梁的间距

平均骨小梁间距作为松质骨微结构的重要表征参数,其值可作为诊断骨质疏松的重要参考信息。提出将二次变换法运用于骨小梁间距的估算,探究其运用于骨小梁间距估算的可行性。通过散射元仿真、时域有限差分法仿真和离体松质骨实验所得到松质骨背散射信号进行分析,同时以自回归倒谱法(AR倒谱法)、反向滤波-自回归倒谱法(反向滤波-AR倒谱法)、自适应滤波-自回归倒谱法(自适应滤波-AR倒谱法)和简易反向滤波跟踪(SIFT)算法作为对比方法进行分析,通过对比证明了其可行性和相比于其他方法的优越性。结果表明,不管是利用仿真实验还是牛胫骨的离体实验所得信号估算骨小梁间距,二次变换法比其他算法具有更强的测量稳定性和准确性。     

短时非线性预测方法对汉语语音特性的研究

本文应用Short[8-10]改进了的短时非线性预测方法对正常语速的汉语音节和短语进行了分析!究，揭示了汉语语音中浊音和清音的短时非线性预测能力的差异，并且发现这种差异即使在强背景噪声下仍能用短时非线性预测方法加以辨别。这些为浊音和清音的切分提供了一种可能性手段。     

基于S变换滤波解相法的条纹解相研究

S变换可以看作是介于小波变换与窗口傅里叶变换之间的变换,具有很强的时频分析能力,它将一维信号变换为时间(空间)和频率的函数,称为瞬时S变换谱,在沿窗口移动方向上,S变换谱的叠加可得到全局信号的傅里叶频谱。在S变换用于条纹解调时,局部基频的正确提取是确保获得全局信号基频分量的关键。为此研究了不同的滤波过程对S变换解调条纹相位的影响,利用不同的滤波器,在对局部S频谱进行加权滤波后,叠加局部基频,得到全局基频分布,然后再利用逆傅里叶变换获得条纹的相位分布,从而重建被测物体的面形。讨论了阈值滤波、平顶高斯和平顶汉宁滤波、"脊"线拟合后的平顶高斯和平顶汉宁滤波在S变换轮廓术中的应用,通过计算机模拟和实验,初步对比了滤波效果。     

基于粒子滤波的单通道正弦调频混合信号分离与参数估计

以单通道正弦调频(SFM)混合信号为研究对象,提出了基于粒子滤波的正弦调频混合信号分离与参数提取方法.针对正弦调频混合信号频率无跳变的特征,提出了一种基于粒子滤波的相位差解混叠算法,并通过源信号相位差解决了本算法中粒子滤波高维状态空间降维问题,提出了一种适合高维状态空间的似然函数模型,比较固定长度粒子估计值和真实值误差,进而准确衡量粒子权重.通过在重采样后引入MCMC转移,解决了静止参数下粒子多样性降低问题,有效提高粒子滤波迭代收敛速度.从而在先验知识仅已知信号调制方式的情况下,完成对单通道正弦调频混合信号的参数提取,并通过重构信号完成正弦调频混合信号分离.最后通过仿真分析发现,该方法能够有效的实现正弦调频混合信号的分离与参数估计.     

改进粒子滤波在汽轮机故障诊断中的应用夏飞,郝硕涛

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法。首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题。由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题。进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别。通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

改进粒子滤波在汽轮机故障诊断中的应用

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法;首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题;由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题;进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别;通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。     

一种改进的短时平均幅度差函数算法

在语音信号分析中,对于基音周期的提取目前已有较多的分析和处理方法,在现有的短时平均幅度差函数(AMDF)的处理方法中,只需要加、减和取绝对值运算,运算量较之短时自相关函数大大下降。同时,AMDF函数的谷点提取基音周期比自相关函数的峰值更加尖锐,错判率相对较少,稳健性更高。然而,传统的AMDF算法对窗长的要求较为严格,窗长较短就会有较大的误差。本文针对该缺陷做出的改进算法,使之无论窗长多大均会有较为准确的结果,大大拓展了AMDF算法的适用空间。进一步,将其与同态处理结合,会有更好的效果。