啸叫快速抑制的助听器回声抵消算法

针对助听器回声路径快速变化下易产生啸叫的问题,本文提出一种变步长标准最小均方差-陷波器(Variable Step Normalized least mean square-Notch Filter,VSN-NF)算法。在回声路径相对稳定时,提出一种基于状态分类的变步长标准最小均方差算法来估计回声信号。算法根据滤波器系数能量的长时平均值和短时平均值,将滤波器当前状态分为收敛态、过渡态与稳态,并根据不同状态选择不同的步长。在路径突然变化并产生啸叫时,算法通过关闭变步长NLMS算法来稳定啸叫频点,然后基于ZoomFFT算法动态生成陷波器来进行啸叫抑制;当啸叫抑制后,再开启变步长NLMS进行回声估计。针对易产生多频点啸叫的回声路径,VSN-NF算法还引入不同频带的两个陷波器来进行双频点啸叫抑制。同其它助听器回声抵消算法的对比实验显示,VSN-NF算法的回波抵消性能最好,尤其具有快速啸叫抑制能力。此外,算法生成的语音质量较高,实时性能好,适合于像助听器类的低功耗、小体积产品。      

基于局部二元模式算子的人脸性别分类方法

提出了两种基于局部二元模式(Local Binary Pattern,LBP)算子的人脸性别分类方法:级联LBP方法和boosting LBP方法.前一种方法遵循从局部到整体的级联策略,使用LBP算子对由小波分解得到的细节图像进行特征提取,以达到扩充特征提取范围和增强所提取特征的有效性的目的,随后采用自适应加权机制对人脸图像的各个分块赋以不同的权值.后一种方法采用可变尺寸的子窗口对人脸图像进行扫描,在扫描所得的每个子窗口中,使用LBP算子对该子窗口提取LBP直方图.计算样本图像的LBP直方图和模板的LBP直方图之间的度量,并由此构建弱分类器集.利用Adaboost算法选取最有效的若干个弱分类器集组合成为强分类器.进行了三个基于LBP算子的人脸性别分类实验,实验所使用的训练集和测试集皆选自FERET人脸数据库.实验结果证明:LBP算子能有效地从人脸图像中提取出针对人脸性别分类的特征,并可以达到人脸性别分类的目的.所提出的两种基于LBP算子的方法可以有效的解决传统LBP方法所存在的特征提取范围有限、加权机制客观性不足等问题.     

一种改进的多分辨率自适应图象平滑算法

分析了对经典多分辩率图象平滑算法在噪声较高时平滑效果较差这一现象，提出了一种改进的多分辨率图象平滑算法。经过对各种算法所作的计算机仿真实验，结果证明新算法具有较大的优越性。     

应用于助听器反馈抑制系统的变步长归一化子带自适应滤波算法

为减小自适应滤波算法中较快的收敛速度与较低的失调量之间的矛盾,提出了一种变步长归一化子带自适应滤波(VSS-NSAF)算法,并将其用于助听器声反馈抑制系统.该算法基于滤波器系数短时平均和长时平均之间的归一化距离,将滤波器的更新状态分为收敛状态、过渡状态和平稳状态.滤波器可在不同更新状态下自适应地使用不同步长,收敛状态下使用大步长以保证快速收敛,过渡状态下则使用逐步减小的阶梯状步长以进一步降低失调量,平稳状态下使用小步长以保证系统收敛至稳态解.仿真实验结果表明,与传统的归一化最小均方误差(NLMS)算法及其他子带自适应滤波算法相比,所提算法的收敛速度更快,平均稳态失调量更低.     

仿选择性注意机制的语音情感识别算法

有效特征的选取一直都是语音情感识别算法的关键。为此,针对语音情感特征选择与构建的问题,一种仿选择性注意机制的语音情感识别算法被提出。考虑到语音信号的时频特性,算法首先计算语音信号的语谱图;其次,模仿选择性注意机制,计算语谱图的颜色、方向和亮度特征图,归一化后形成特征矩阵;然后,将特征矩阵重排列并进行PCA降维,形成情感识别特征向量;最后,利用改进的支持向量机分类方法进行语音情感识别。对愤怒、恐惧、高兴、悲伤和惊奇5种情感的识别实验显示,基于选择性注意的方法能够获得较好的识别效果,平均识别率为85.44%。相比于韵律特征和音质特征,语音情感识别率至少提高10%;相比于其它语谱特征,识别率提高7%左右。      

汉语降频助听算法的实验分析与改进

降频助听算法是改善听障患者声音辨识能力的最安全有效的方法. 本文以主观测试实验为手段, 通过分析当前算法的声音识别能力的不足, 提出一种自适应慢放降频算法. 算法结合慢放算法和频移算法的优点, 并能根据信号的频谱结构, 自适应调整慢放因子, 降低时域不同步性. 并且, 通过分析含噪信号和噪声信号的频谱关系, 提出一种噪声下的慢放因子评估方法. 实验结果显示, 同其他降频算法相比, 该算法可以提高15%到20%的识别率. 在对听障患者的测试中, 同传统的助听设备相比, 平均识别率也获得显著改善.     

多小波变换零树图像编码方法研究

研究多小波变换零树图像编码的性能。在标量零树方面,通过对图象多小波系数的重新排列,提出了新的多小波系数树的定义,并由实验证明它比直接采用单小波零树的组织更为有效;在矢量零树方面,根据多小波变换处理的矢量信号这一特点,提出了矢量四叉树的数据结果,并从最优率失真意义上设计了矢量量化的多小波零树编码方案,结果表明,在该方案下,多小波比优选的9－7单小波具有更好的压缩性能。     

基于格型矢量量化的小波零树图像编码方法

把格矢量量化与小波零树编码相结合,提出了一种小波矢量零树图像编码新方法,其性能优于已报道的格型矢量量化小波图像编码方法和最成功的小波零树图像编码方法,而且其复杂度远低于已报道的格型矢量量化小波图像编码方法。实验结果证实了方法的有效性。     

基于一维PCA-EIR技术的二维SVD-FIR滤波器设计

为了减少2D有限冲击响应(FIR)滤波器的硬件执行复杂度,采用基于主成分分析(PCA)的1D外插脉冲响应(PCA-EIR)滤波器设计技术,合成了基于奇异值分解(SVD)的2D FIR(2DSVD-FIR)滤波器系统中的所有1D FIR子滤波器.在不影响2D FIR滤波器频率响应指标的前提下,如果1D EIR技术所合成的1D FIR子滤波器的硬件执行复杂度低于原型1D FIR子滤波器的硬件执行复杂度,则前者可替代后者;反之,原型1D FIR子滤波器保持不变.仿真结果表明,在不影响2D FIR滤波器频率响应性能的前提下,与传统的2D SVD-FIR滤波器设计相比,采用1DPCA-EIR技术设计2D冲击响应矩阵SVD-FIR滤波器和2D频率响应矩阵SVD-FIR滤波器,可使其硬件执行分别减少8.85%和7.37%的乘法器,而加法器则分别减少13.15%和13.19%.由此可知,1D PCA-EIR技术可用于合成任意1D FIR滤波器.     

基于3维空间Viterbi算法的音素模型和声调模型识别概率统合方法的研究

提出了一种在汉语连续语音识别中基于 ３维空间 Ｖｉｔｅｒｂｉ算法的音素模型和声调模型识别概率的统合方法。该方法采用６０个音素单位的ＨＭＭ和８个声调单位的ＨＭＭ作为识别用基元模型。音素和声调基元模型识别结果的统合,采用音素的ＨＭＭ状态、声调的ＨＭＭ状态和时间的３ 维空间帧同步Ｖｉｔｅｒｂｉ 算法来实现。本文还探讨了在该方法的基础上,给予不同路径限制时的匹配统合效果,并且通过和传统的匹配统合方式的比较,证明了提出的方法的有效性。