基于奇异加权的麦克风阵波束形成语音增强算法

提出了一种基于奇异值加权的麦克风阵列波束形成算法.该算法首先采用相位加权互功率时延估计法对麦克风阵列接收到的信号进行时延补偿.其次对处理后的矩阵采用雅克比算法进行奇异值分解构造权值并求和,得到增强的语音信号.仿真结果表明,与固定权值波束语音增强算法比较,该算法对加性非相干噪声有明显的消噪效果.     

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.     

基于子带分解及分数傅立叶变换的语音增强算法

给出了一种基于子带分解并在子带中应用分数阶傅里叶变换(FRFT)的语音增强新方法.该方法把带噪语音信号分解成子带信号后,对子带信号进行了特定阶次下的分数阶傅里叶变换,通过子带谱减后的信号估计语音模型参数,再利用卡尔曼滤波对子带信号进行滤波,最后由滤波后的信号重构全带语音信号,实现语音增强.实验表明:该方法在减少卡尔曼滤波计算量的同时,也很大程度上提高了语音增强的质量.     

基于参数自适应E KF的隧道周边位移预测

采用参数自适应扩展卡尔曼滤波,建立了隧道周边位移预测模型。基于预测残差特性,评价滤波的敛散性。对模型参数进行实时修正,抑制滤波发散,保证了滤波精度。通过滤波预测值与实测值对比,判断预测模型的适用性;比较标准型与参数自适应型的预测残差,以判断何种预测方法的更优。分析结果表明：参数自适应型能有效抑制滤波发散,较为适用,预测效果较好。     

一种改进的Retinex彩色图像增强方法

传统Retinex算法在对彩色图像进行增强时,容易产生光晕以及处理后图像整体对比度较低等问题.为此提出了一种改进Retinex的图像增强方法,该方法采用三高斯模型和高斯滤波相结合的双边滤波对照度分量进行估计;然后在提取反射分量时,引入原始图像亮度影响因子实现区域自适应增强;最后进行归一化调整和彩色图像恢复,实现图像增强.实验结果表明,该方法能够在增强图像的同时,有效抑制光晕,提高图像的整体对比度.     

轨道不平顺的评价检测及噪声处理方法

轨道质量指数(TQI)检测数据通常为非等时距,采集的数据如缺乏修正和分类去噪处理会极大影响最终的预测精度,目前关于此类研究较少,尤其是去噪方法研究.结合T QI轨道质量指标,在对动静态检测方法进行比较的基础上,选取京广下行线开行轨检列车进行轨道不平顺动态检测.针对收集到的轨道病害检测数据,提出不良数据筛选原则及修正方法,引入卡尔曼(Kalman)滤波法对数据进行去噪,并在京广下行线验证去噪处理效果.结果表明:Kalman滤波效果较好,实时性强,能够有效去除高斯噪声及非高斯噪声,以Kalman滤波去噪为导向的线路精调后所得T QI指标优于未采用该方法的线路指标.最后,针对京广线检测到的轨道病害提出可行整修措施,为现场线路维护工作提供理论指导与依据.     

小波和Kalman滤波用于GPS数据去噪方法分析

根据小波分析基本理论和GPS信号噪声特性,将小波分析这一数学工具应用到GPS数据的去噪处理中,同时引入Kalman滤波方法,将其与小波分析方法有机结合,进而提出利用小波分析的自适应Kalman滤波方法进行GPS数据去噪处理。     

小波域中值滤波的图像去噪方法

提出了小波域中值滤波的去噪方法,在去除高斯白噪声的同时能有效地去除脉冲噪声.此方法是在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.仿真实验表明该算法不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪.     

基于Curvelet变换阈值法的地震数据插值和去噪

成功的信号分离和去噪依赖于所用的变换能否足够稀疏地表达该类信号.事实上,信号在某变换域的系数越稀疏,阈值去噪的效果也就越好.Curvelet变换是一种非自适应的多尺度.多方向性变换,地震数据在Curvelet域有着几乎最优的稀疏表达.最近的研究表明,Curvelet阈值能够得到比小波阈值更好的随机噪声抑制效果,更高的提...     

小波域中值滤波的图像去噪方法

提出了小波域中值滤波的去噪方法,在去除高斯白噪声的同时能有效地去除脉冲噪声.此方法是在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.仿真实验表明该算法不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪.