ENDPOINT DETECTOR OF NOISY SPEECH SIGNAL USING A RECURRENT NEURAL NETWORK

ＩｎｔｒｏｄｕｃｔｉｏｎＥｎｄｐｏｉｎｔｄｅｔｅｃｔｉｏｎｏｆｓｐｅｅｃｈｓｉｇｎａｌｉｓｉｍｐｏｒｔａｎｔｉｎｍａｎｙａｒｅａｓｏｆｓｐｅｅｃｈｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙ,ｓｕｃｈａｓｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔ,ｓｐｅｅｃｈｒ...     

A NEW SPEECH ENHANCEMENT METHOD

ＩｎｔｒｏｄｕｃｔｉｏｎＩｎｖａｒｉｏｕｓｓｐｅｅｃｈｐｒｏｃｅｓｉｎｇａｐｐｌｉｃａｔｉｏｎｓ，ｉｔｉｓｖｅｒｙｃｏｍｍｏｎｔｏｆｉｎｄｔｈｅｄｅｇｒａｄａｔｉｏｎｏｆｔｈｅｓｐｅｅｃｈｑｕａｌｉｔｙｃａｕｓｅｄｂｙａｃｏｕｓｔｉｃｂａｃｋｇｒｏｕ...     

Wavelet De-noising of Speech Using Singular Spectrum Analysis for Decomposition Level Selection

The problem of speech enhancement using threshold de-noising in wavelet domain was considered.The appropriate decomposition level is another key factor pertinent to de-noising performance.This paper proposed a new wavelet-based de-noising scheme that can improve the enhancement performance significantly in the presence of additive white Gaussian noise.The proposed algorithm can adaptively select the optimal decomposition level of wavelet transformation according to the characteristics of noisy speech.The experimental results demonstrate that this proposed algorithm outperforms the classical wavelet-based de-noising method and effectively improves the practicability of this kind of techniques.     

EFFECTIVE PITCH ESTIMATION ALGORITHM UNDER LOW SNR CIRCUMSTANCE

ＥＦＦＥＣＴＩＶＥＰＩＴＣＨＥＳＴＩＭＡＴＩＯＮＡＬＧＯＲＩＴＨＭＵＮＤＥＲＬＯＷＳＮＲＣＩＲＣＵＭＳＴＡＮＣＥＬｕＷｅｉ（陆伟）ＣｈｅｎＪｉａｎ（陈健）ＣｈｅｎＹａｊｕｎ（陈亚骏）（ＤＳＰＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｄｅｐｔ．ｏｆＥｌｅｃｔ...     

噪声背景下语音识别中的端点检测

整个实验系统主要研究的是语音识别中在噪声背景下的端点检测.在实际环境中,加性背景噪声对语音识别的影响非常大,在信噪比小的情况下,无法进行端点检测.在此研究过程中,首先进行加性噪声模型的建立,而后通过滤波对带噪语音信号进行预处理,这里采用维纳滤波和自适应LMS滤波进行滤波.在进行语音信号的预处理后,使用VAD算法进行端点检测.建立整个实验系统后,通过试验比较维纳滤波器和自适应LMS滤波器的优劣,找出最佳方案.     

基于Capton最小功率估计的方位角估计算法

在麦克风阵列信号处理中,通常假定信号源发出的信号经过传播到达不同麦克风阵元时,信号满足平面波传播模型.在此模型基础上,为解决基于麦克风阵列语音增强系统中方位角的估计问题,提出了一种基于Capton最小功率估计的方位角估计算法.仿真结果表明与传统的波束形成算法比较,该算法具有较高的方位角分辨率.     

基于Capton最小功率估计的方位角估计算法

在麦克风阵列信号处理中,通常假定信号源发出的信号经过传播到达不同麦克风阵元时,信号满足平面波传播模型.在此模型基础上,为解决基于麦克风阵列语音增强系统中方位角的估计问题,提出了一种基于Capton最小功率估计的方位角估计算法.仿真结果表明与传统的波束形成算法比较,该算法具有较高的方位角分辨率.     

水中目标水压场信号特征提取与检测研究

利用目标信号功率主要集中在低频部分的特点，用功率谱估计方法提取低频信号的能量作为特征，提出了所谓的浮动阈值方法，对信号滑动地进行目标检测．通过对实验船模水压场信号进行检测验证。讨论了在各种不同情况下，目标信号的特征提取及目标检测方法的效果，验证了该方法的有效性．     

多分量相移键控信号码速率盲估计

为解决单通道接收机同时截获到同一频带范围内的多分量相移键控信号的参数估计问题,提出了一种不经信号分离直接提取各独立信号分量码速率的盲估计算法.从理论上推导了多分量相移键控信号的二阶共轭循环自相关具有线性特性,因此可以不受干扰地提取各信号分量的码速率;进而提出了简单而有效的谱峰增强方法,与基于二阶共轭循环自相关获得的谱峰相比,用此法获得的谱峰更为清晰.仿真实验表明:用提出的算法,当双分量信号功率比为1:1且信噪比为-5 dB时,码速率估计的正确率可达98％;尤其是在单分量环境下,该算法比现有算法的性能提高4 dB以上.     

基于数据驱动的磁浮列车悬浮系统参数整定

为了解决由于磁浮列车悬浮系统模型存在复杂非线性所带来的控制器参数整定难题,考虑仅依靠悬浮系统单次悬浮调试的输入输出数据来实现控制器参数整定,研究了基于数据驱动的磁浮列车悬浮系统快速参数整定方法. 首先,通过磁浮列车悬浮系统的建模分析了悬浮系统的开环不稳定性和复杂非线性;其次,针对虚拟参考反馈参数整定方法存在的参考模型确定问题,利用估计闭环响应方法来实现数据驱动的控制器参数整定;并且考虑到数据中存在的干扰噪声会影响控制器参数整定,提出了基于信号投影的磁悬浮系统数据噪声抑制方法;最后,以单铁磁悬浮系统为研究对象,通过单铁悬浮实验验证了本文提出的基于数据驱动的磁浮列车悬浮系统参数整定方法的有效性. 研究结果表明:悬浮系统的开环不稳定性和复杂非线性会给参数的快速整定带来较大困难;基于信号投影的噪声抑制方法能够将带噪声数据的方差降低54.1%;基于数据驱动的参数整定方法能够快速地整定好悬浮系统控制器参数,经参数整定后的系统相较于初始条件下只粗调好的PID反馈控制系统的阶跃响应超调量下降72.0%,平方误差积分 （ISE）下降79.8%,绝对误差积分 （IAE）下降54.5%.      

Neural Network Prediction Model for Ship Hydraulic Pressure Signal Under Wind Wave Background

The ship hydraulic pressure signal is one of the important characters for the target detection and recognition. At present, most of the researches on the detection focus on the ways in the time domain. The ways are usually invalid in the large wind wave background. In order to solve the problem efficiently, we present an effectual way to detect the ship using the ship hydraulic pressure signal. Firstly, the signature in the proposed method is decomposed by wavelet-transform technique and reconstructed at the low-frequency region. Then,a predictive model is set up by using the radial basis function(RBF) neural network. Finally, the signature predictive error is regarded as the testing signal which can be used to judge whether the target exists or does not.The practical result shows that the method can improve the signal to noise ratio(SNR) obviously.     

单矢量水听器改进MUSIC算法的噪声抑制性能研究

针对MUSIC算法在相干噪声背景下估计目标方位性能下降的问题,利用酉变换的空时相关矩阵（unitary spatio-temporal correlation matrice—USTCM）,替代MUSIC算法中的数据协方差矩阵,设计了单矢量水听器的USTC-MUSIC算法,通过仿真验证了新方法不论噪声是不相干或相干,其噪声抑制能力和目标分辨能力均优于原方法.     

随机共振与响应灵敏度相结合的结构损伤检测方法

为了解决强噪声背景环境下的结构损伤识别问题,提出了一种基于非线性降噪和损伤定位相结合的两步法.第一步将结构的激励响应和背景噪声通过非线性随机共振系统进行处理,降低背景噪声的干扰以突出响应;第二步将结构的局部微小损伤模拟为单元弹性模量的减少,求得响应信息对单元弹性模量的灵敏度,据此对结构单元弹性模量进行修正,从而实现结构损伤的定位.数值算例表明,该方法在50%噪声水平环境下,能较好地实现损伤定位,单一损伤识别误差率不超过0.2%,多损伤识别的误差率不超过0.5%.      

多尺度稀疏电能质量扰动识别方法

针对传统电能质量扰动识别中存在数据量大、扰动特征依赖主观选择的问题，提出一种多尺度稀疏电能质量扰动深度识别方法. 首先，构建电能质量的多尺度稀疏模型，通过对扰动信号平稳小波多尺度变换获得扰动的低高频信息；然后，对其压缩采样获得降维的测量数据，并在此基础之上，应用正交匹配追踪算法求取各层稀疏系数组成稀疏向量，将稀疏向量输入深度置信网络，实现扰动的智能识别；同时，为进一步提高网络识别的准确性，采用交叉熵算法完成对网络隐含层数、学习率等参数寻优；最后，为验证所述方法的有效性，针对几类典型的单一扰动和复合扰动信号进行大量仿真试验. 结果表明:在理想环境和噪声环境下，针对七类典型单一扰动，平均识别率达到99.0%和96.71%以上；针对13类多重扰动，平均识别到达97.69%和94.62%以上.      

基于自动车牌识别数据的混合交通流饱和流率实时估计

为解决混合交通流饱和流率测算的实时性和时变性问题,实时获得混合交通流的饱和流率用以信号配时,本文提出基于自动车牌识别数据(Automatic License Plate Recognition,ALPR)的混合交通流饱和流率实时自动估计方法。首先,分信号周期提取车头时距数据,在当前车和后车车辆类型确定时车头时距满足同一正态分布的假设基础上,构建车头时距的高斯混合模型并应用 EM(Expectation Maximization) 算 法 求 解 ;其 次 ,基 于 赤 池 信 息 准 则 (Akaike Information Criterion,AIC)选取高斯混合模型的最优个数,拟合数据得到高斯混合模型参数;最后,根据车头时距的高斯混合模型推算出混合交通流饱和流率。以杭州城市道路3条路段的ALPR数据为例,分析基于 ALPR 数据获取车头时距的采样误差,对模型进行验证,并与传统的 HCM(Highway Capacity Manual)方法进行对比。结果表明：基于ALPR数据的车头时距采样误差满足精度要求; 与HCM的实测法相比,模型所得的混合饱和交通流率相对误差小,结果准确;该方法与传统的标准车流饱和流率折算法效果相近,并考虑混合交通流时变特性,能自动部署实时计算,鲁棒性良好,有实际应用意义。     

基于STBC的混沌MIMO雷达的信号处理研究

针对MIMO（multiple input multipleoutput）雷达正交信号设计的困难,提出了一种超宽带调制的混沌二相码,并结合STBC（space-time block coding）技术,能够达到发射信号的完全正交和最大空间分集．方法简单易行,具有较好的保密特性．仿真实验给出2×2系统下,信噪比为20dB时的回波信号波形,发现该方法较好地实现对复杂目标的识别．同时推导了该模型在奈曼皮尔逊准则下的目标检测概率,相对于窄带系统,检测概率显著提高．     

谐波和间谐波参数估计的新方法

为解决谐波和间谐波参数估计受噪声影响的难题,从被检测信号噪声的基本特性出发,提出了一种基于现代互谱、总体最小二乘、旋转不变参数估计和改进普罗尼技术的谐波和间谐波参数估计新方法.该方法采用互谱技术处理不同采样序列的互相关矩阵;根据不同时刻白噪声相互独立的原理划分信号子空间和噪声子空间,并结合总体最小二乘与旋转不变参数估计判定被检测信号的频率;最后,根据白噪声均值为0的特性,采用改进普罗尼技术估计信号分量的幅值和初始相角.仿真结果表明,该方法在低信噪比环境下可检测出多个子信号,且频率的相对误差均小于0.4%,而耗时仅0.058 s,具有良好的估计精度和估计效率.     

SOFT COMPUTING APPROACH FOR NOISY IMAGE RESTORATION

IntroductionSoftcomputing is a consortium of different com-puting tools to deal with real world problems ef-ficiently.The aim of softcomputing is to exploitthe tolerance for imprecision and uncertainty toachieve tractability,robustness and low cost[1] .Neurocomputing is one of the major componentsof soft computing,the other two important con-stituents are fuzzy logic and probabilistic reason-ing,which subsumes belief networks,geneticalgorithms and chaotic systems.Often,to solvea fairly complex…     

Kernel Generalized Noise Clustering Algorithm

IntroductionFuzzy clustering is one of the important methodsin pattern recognition. The most widely used fuzzyclustering is the fuzzy c-means (FCM) algorithm[1]which is conceived by Dunn[2]and generalized byBezdek[3]. Based on an objective function, the F…     

连续线性系统模型参数直接辨识中噪声模型处理方法

针对线性连续系统,利用hermite调制函数,通过对连续模型的数字调制积分得到直接以连续模型参数表示的离散等价辨识模型,在此基础上引入一种噪声模型,来替代表示输入和输出端的噪声.当系统含有有色噪声,用普通最小二乘法辨识无法得到较准确的辨识参数时,采用引入噪声模型的方法得到的辨识参数估计值仍有较高的精度.仿真算例表明了该方法具有一定的优越性.