基于形态学滤波和HHT的基音检测方法

提出一种基于形态学滤波和Hilbert-Huang变换HHT(Hilbert-Huang Transform)的基音检测方法,该方法先对带噪语音信号进行形态学滤波,滤除噪声,突出基音,滤波后的信号进行Hilbert-Huang变换得到信号的Hilbert谱,由Hilbert谱计算瞬时能量及其导数,通过瞬时能量的突变定位声门开闭的时刻来精确地跟踪基音的变化。与传统的基音检测方法向比较,该方法真实地描述了语音信号非平稳、非线性的特性,对语音信号的分析是一种自适应的过程,实验结果表明,该方法有较强的抗噪性,在低信噪比环境下仍能够精确地提取出语音信号的基音。     

摆式列车线路检测信号的动态自适应滤波研究

为提高摆式列车检测系统的精度,针对传统数字滤波器的不足,将非平稳随机信号时变模型参数的自适应估计与普通卡尔曼滤波算法相结合,提出一种能有效消除或削弱测量信号中高斯白噪声的卡尔曼动态自适应滤波方法及数学模型。实时建模精度是实现卡尔曼动态滤波的关键。通过对具有不同遗忘因子的递推最小二乘算法的分析和比较,结果表明,带自适应遗忘因子的递推最小二乘算法(RLSAF)由于其遗忘因子能根据信号本身的统计特性的变化自适应地进行调整,因而对非平稳随机信号具有很强的跟踪性能。采用基于RL-SAF算法的卡尔曼动态自适应滤波方法,能实现摆式列车线路检测信号(陀螺仪角速率信号)的有效滤波。     

基于AR模型的变分贝叶斯独立分量分析算法研究

近年来,盲源分离算法由于其良好的去噪效果在信号处理领域得到了广泛应用,但传统独立分量分析方法存在着未考虑噪声干扰及未充分利用已知信息等弊端。提出基于GAR模型的变分贝叶斯独立分量分析算法,将源信号的时间结构与系统噪声进行融合研究,基于GAR模型近似建模语音信号的时间结构特征,应用变分贝叶斯学习方法分离带噪声的语音信号。通过与标准变分贝叶斯独立分量分析算法的仿真对比,证明改进后的算法有较好地实际分离效果,有效解决了ICA算法无法在噪声环境下直接进行盲源分离问题。算法可用于减轻铁路列车司机通信时的听觉疲劳。     

自适应信号分离器的性能分析

作者对自适应信号分离器的最佳权矢量的确定及最佳传递函数，作了系统严格的分析，指出它不仅能有效地从宽带平稳噪声(即白噪声)中提取周期信号，而且，在一定条件下，也能把断续正弦信号分离出来，从而拓宽了自适应信号分离器的应用范围。     

基于麦克风阵列的列车走行部件故障诊断技术研究

针对传统的列车走行部件故障声学诊断方法仅可对故障进行判断、不能对故障声源进行定位的问题,提出利用麦克风阵列结合波束形成算法对噪声源进行定位的故障诊断方法。首先对列车运行时的噪声信号进行分析,确定走行部件故障信号的特征;其次仿真选择合适的阵列结构并完成双圆环阵列的结构和硬件设计;最后通过音箱播放故障声源信号验证此阵列可通过自适应波束形成算法对故障噪声信号进行定位,实现故障噪声的声学成像。     

基于谱相减改进算法的语音增强研究

根据传统的谱相减增强型算法 ,提出了抑制噪声的谱减改进算法 ,暨根据带噪语音帧频谱功率与噪声帧频谱功率比值 ,动态调整α、β谱减系数 ,使之谱减效果在较大提高信噪比的同时 ,又能将残留的音乐噪声和语音失真保持在人耳听觉的容忍范围之内 ,保证原始语音信号质量达到一定的可懂度和清晰度。借助MATLAB语言进行试验仿真 ,仿真结果与原算法相比较 ,证明语音增强效果十分显著     

面向铁路客运站场景的语音降噪模型研究

为进一步提升铁路客运站嘈杂环境下的语音识别效果，文章提出一种基于Conformer的语音降噪模型ConformerGAN。其训练流程类似生成对抗网络，生成器采用Conformer进行语音特征提取，对特征建模；鉴别器使用代理评估函数对语音感知进行质量评价。为增强模型的泛化能力并提高模型对未知噪声的降噪能力，在噪声的叠加上采用随机截取片段融入的方式，并构建铁路客运站场景噪声数据集。与语音降噪相关模型效果对比的结果表明，ConformerGAN模型可将客观语音质量评估（PESQ,Perceptual Evaluation of Speech Quality）分数提高0.19，有效提高铁路客运站嘈杂环境下的语音识别准确率，改善铁路旅客语音交互体验。     

基于软硬阈值折中的小波包语音增强算法的研究

由于语音信号的非平稳性,传统去噪方法将会不可避免地造成有用语音信号的损失,小波包分析能同时对信号的低频部分和高频部分进行分解,与小波分析相比,对信号的分析能力更强.文中提出一种新的去噪方法,它对噪声的清除更加干净,仿真结果表明,这种方法优于软、硬阈值法.     

桥梁结构动力测试信号的自适应形态学滤波研究

桥梁健康监测数据中不可避免地会掺杂系统噪声和测试噪声,噪声的存在将严重影响桥梁状态评估的准确性。为了抑制噪声对桥梁状态评估的影响,获得精确的桥梁状态评估结果,本文提出了一种自适应的形态学滤波器(Adaptive Morphological Filter,AMF)。首先比选了AMF的各类结构元素类型,并依据AMF对信号傅里叶谱相对幅值的影响程度确定适宜的结构元素尺寸,据此构建滤波器。实现原始信号的自适应滤波后,用确定-随机子空间识别方法对原始数据和滤波后数据的模态参数进行识别,并使用稳定图法对滤波效果进行对比。以大比尺斜拉桥模型试验的测试数据为支撑对所提算法进行了验证。结果表明,AMF可显著提高桥梁模态参数识别结果的稳定性,并能挖掘出被噪声淹没的高阶桥梁模态参数。     

一种低信噪比环境下的基音检测方法

噪声是低信噪比环境下影响基音检测准确率的主要因素之一,为此提出一种基于形态学滤波和小波变换相结合的基音检测方法。该方法首先用形态学滤波器滤除噪声,突出基音。然后在小波域利用Teager能量算子区分清、浊音,通过浊音小波系数模的极大值提取基音。实验结果表明,在信噪比较小时该方法也能准确地检测出语音信号的基音,与传统的基音检测方法相比,该方法有较强的抗噪性。     

基于小波域谱相减算法的语音增强研究

谱相减算法是目前常用的语音增强算法，它常在处理宽带噪声中使用，具有运算量小、效果明显等特点，但该算法是基于短时傅立叶变换（STFT）基础上的，是一种单分辨率的信号分析方法。与STFT本质不同的小波变换是一种变分辨率的时频联合分析方法，当分析低频信号时，其时间窗口很大，而当分析高频时，其时间窗口减小，这恰恰符合实际中对非平稳信号进行分析的自然规律。基于小波域的谱相减算法，是将带噪语音信号进行Mallat多尺度分解，然后分别对各尺度下的信号进行谱相减运算，再逐一进行小波重构，得到去噪后的语音信号。仿真结果表明。该方法不但有效地提高了语音信号的信噪比，而且也在很大程度上改善了语音的失真程度，不失为一种有效的语音增强算法。     

BSO-MCKD在高速列车齿轮箱轴承早期故障诊断中的应用

齿轮箱轴承是高速列车传动系统中的重要零件之一,其故障检测对保障列车的正常运行具有重要意义。针对强背景噪声环境下高速列车齿轮箱轴承早期故障信号微弱难以检测的问题以及最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)方法受滤波器阶数、冲击信号周期和移位数影响的问题,提出了基于天牛群优化算法(Beetle Swarm Optimization Algorithm,BSO)改进的自适应MCKD的轴承早期故障诊断方法。该方法首先采用天牛群优化算法自适应的确定MCKD的影响参数,实现最佳反褶积,然后利用最优参数相对应的MCKD对振动信号进行滤波处理,消除信号中的噪声,突出由轴承故障激发的连续脉冲,最后依据连续脉冲的周期来诊断轴承。根据轴承外圈和滚动体故障试验数据分析表明:该方法能实现高速列车齿轮箱轴承早期故障的精确诊断,且故障诊断效果优于互补经验模态分解方法和最小熵解卷积方法。     

车轮电磁超声探伤技术及自适应滤波算法研究

对电磁超声技术(EMAT)及车轮踏面探伤原理进行介绍,并给出回波定位及缺陷判断的方法。针对检测过程中所产生的噪声信号,提出采用变步长、归一化的最小均方自适应滤波(NLMS)算法来解决。通过将输入信号进行适当延迟获得参考信号,将其与输入信号叠加,进而用于过滤探伤中产生的噪声信号。从处理结果来看,该方法应用前景良好。     

基于线性自适应神经网络的摆式列车横向加速度预测研究

阐述了用线性自适应神经网络对即将输入的控制参考信号进行多步在线自适应预测并编程实现的方法。对实测信号的仿真分析表明,线性自适应网络可以以满意的精度对摆式列车横向加速度进行多步预测,有效解决由于各种因素造成的滞后补偿问题。     

高速磁浮轨道不平顺检测系统去噪算法

针对搭载式高速磁浮轨道不平顺检测系统,分析系统输出测量信号的噪声来源,除包括普遍存在的高频噪声外,还包括轨道梁接缝和定子接缝及定子面齿槽结构引入的结构噪声、车辆悬浮振动引入的低频悬浮振动噪声。根据噪声特点设计去噪算法,轨道梁接缝引入的结构噪声可用于里程定位校准,在对该结构噪声予以保留的基础上,首先采取对测量值进行阈值判断的算法去除其他结构噪声;然后,采用改进经验模态分解的自适应阈值去噪算法,去除残留结构噪声和高频噪声;最后,根据惯性基准法原理,采用频域积分法去除低频悬浮振动噪声。仿真计算结果表明:采用去噪算法可有效去除系统测量过程中由于轨道结构和系统搭载环境引入的噪声,信噪比增益提高约1倍,验证了算法的有效性。     

一种基于BM3D的接触网图像自适应去噪新方法

为了更好地检测和识别接触网图像,首先要降低图像中的噪声。目前,BM3D是针对高斯等多种噪声降噪性能较好的算法,但它自身也存在一些不足,为此,本文提出一种基于BM3D的自适应去噪新方法(简称ABM3D)。该方法在假设噪声方差未知的前提下,无需人为设定滤波阈值,通过自适应估算较为准确的阈值,实现二维和三维DCT变换域的自适应滤波,得到基础估计图像,利用估算的阈值计算出较为准确的噪声方差,实现联合维纳滤波得到最终估计图像,同时简化了参数设置,尤其是对降噪效果影响较大的参数。实验结果表明:本文提出的算法是有效的,即使在噪声强度非常高的情况下,利用其得到的降噪图像也能较好地保留边缘等细节信息,更具有实用价值。     

一种自适应调整参数的形态学滤波新方法

针对形态学滤波在处理含有大量噪声的机械振动信号中结构元素长度不能自适应调整的问题,提出了一种可自适应调整结构元素长度的形态学滤波新方法。结构元素长度的不同会导致对信号特征提取效果的不同。该方法通过以峭度值为指标,找寻出使峭度值最大的一系列结构元素长度。然后通过计算不同长度滤波后信号的冲击特征比值,找寻出使故障特征最突出、最明显的结构元素长度。以此长度为最优长度对信号进行滤波,能够较好地提取出滚动轴承的故障特征,找到故障特征频率。通过实验台信号验证了所述方法的有效性和优点。     

基于稀疏分解的微弱信号检测方法

微弱信号的检测在通信、雷达、声纳等领域有着重要的意义,一直是信号处理的难点。本文将信号稀疏分解思想应用于信号检测,提出一种算法。算法中信号稀疏分解采用Matching Pursuit(MP)算法实现,原子采用正弦波模型,通过对正弦波模型伸缩和平移形成过完备原子库。由MP分解结果,可检测出淹没在强噪声环境中的微弱正弦信号的幅度、频率和初相位参数,从而恢复出待检测的微弱正弦信号。所提出方法在-40 dB极低信噪比环境下可以同时检测多个正弦信号。计算机仿真结果证实了算法的有效性。     

基于小波阈值和ACMD的滚动轴承瞬时转频估计

针对变转速工况下滚动轴承瞬时转频估计精度受噪声影响大的问题,提出一种基于小波阈值和自适应chirp模式分解(ACMD)的转频估计方法.该方法首先利用小波阈值对原始信号做降噪处理,然后对降噪后的信号做ACMD,得到高时频分辨率时频谱,最后利用峰值搜索算法从时频图中估计瞬时转频.通过对轴承仿真信号和实测信号的分析,证明了该...     

基于粉红噪声的语音增强算法性能评价研究

各种不同的语音增强算法都有各自的优缺点,对于现有的语音增强算法的存在,缺少系统化的性能评价,找出合理评价语音增强算法性能的方法有利于对算法进行改进.本文全面考虑基于不同原理的语音增强算法,针对粉红噪声环境,选取各类算法中经典的具有代表性的4种语音增强算法:维纳滤波法、最小均方误差法、信号子空间法及小波变换法,在此基础上...