谱减法

摘要： 针对带噪语音信号基音周期检测过程中易出现较多野点的情况,提出一种改进的基音周期检测算法。首先,结合谱减法与小波变换进行降噪处理,将降噪后获得的有用语音信号序列进行第一次加窗分帧,从而用于信号端点和元音主体检测;其次,在第二次加窗分帧的过程中引入多窗谱估计法,进一步减少部分共振峰和残留噪声对基音检测的影响;最后,结合改进的主体-延伸法进行基音检测。实验仿真结果表明:与传统的基音周期检测方法相比,改进的基音周期估算方法采集到的有话段样点率为87%,比改进前提高了至少5%,提高了基音周期检测的精度。

摘要： 针对变压器噪声信号检测易受到外界环境干扰的问题,在分析变压器周边虫鸣、鸟鸣、蛙鸣、车辆典型噪声时频域特性的基础上,提出了小波包-谱减法、短时窗法以及滤波器法3种抗干扰检测方法,对比分析了不同信噪比条件下3种方法对于虫鸣、鸟鸣、蛙鸣、车辆噪声干扰的抑制效果,通过现场实测验证了算法有效性,最后对实际应用过程中的算法选择方法进行探讨。结果表明,对于不同干扰源,小波包-谱减法与滤波器法均能取得较好的抑制效果,性能普遍优于短时窗法,但针对突发间歇性环境干扰,小波包-谱减法具有更好的普遍适用性,具体使用过程中应根据实际需求选择最佳的抗干扰检测方法。研究成果对于提高复杂环境干扰条件下电力变压器噪声测量精度具有重要参考意义。

摘要： 为了改善谱减法存在的“音乐噪声”残余大,重构语音时使用带噪相位的缺陷,提出了一种联合相位谱补偿的改进型谱减法语音增强算法。引入改进型噪声估计方法来得到更准确的噪声谱,依据带噪语音谱与估计的噪声谱的信噪比构造一个线性函数来调整过减因子进行谱减,通过相位补偿函数对带噪语音的相位谱进行补偿,将谱减后的语音幅度谱与补偿后的相位谱进行结合,通过IFFT及重构得到去噪语音。仿真实验表明,在使用联合相位谱补偿的改进型谱减法对带噪语音进行处理后,语谱图更加清晰,PESQ及STOI评分也有所提高。

摘要： 户外变压器噪声检测结果易受突发间歇性外界环境噪声干扰,为提高变压器噪声测量准确性,提出基于小波包分解与谱减法语音增强技术相结合的变压器噪声抗干扰检测方法。采用小波包分解算法将变压器声信号时频分解,根据分解结果定位干扰噪声所在时刻与频段,对带噪频段小波包信号进行谱减法语音处理,利用小波包重构算法还原出纯净变压器声信号。仿真分析不同干扰源特性与信噪比条件下变压器噪声抗干扰检测效果,对比研究不同抗干扰检测方法对现场实测受干扰变压器信号的处理结果。研究表明,该方法能够有效抑制多种不同特性的突发间歇外环境噪声对变压器噪声测量结果的干扰,在较高的信噪比范围内噪声检测误差稳定维持在1.0 dB范围内,与低通滤波、短时窗法的对比分析表明该方法在变压器噪声抗干扰检测方面具有优越性。

摘要： 在电力电缆故障精确定位中,声磁同步法由于具有精度高与抗干扰能力强等优点而得到广泛应用,其中放电声音信号的有效检测是提高测量精度的关键。在谱减法的基础上,结合冲击放电信息和基于自相关的有声无声判别来实时更新估计噪声,实现了一种适用于实时性系统的背景噪声抑制算法。经实际测试,该方法能有效抑制背景噪声,突出放电声音信号,从而提高了电缆故障精确定位设备的测量精度。

摘要： 对话行为可以在一定程度上表达说话人的意图,对话行为分类是机器翻译、人机交互设计等领域的基本要求,对于语音识别领域具有重要的意义.针对噪音环境下的对话行为分类提出了一种新的模型,通过快速噪声估计谱减法进行语音增强,采用长短期记忆网络对经过卷积神经网络语言嵌入后的词向量进行学习,从而得到具有抗噪性的对话行为分类模型.使用中文日常用语语料库的样本进行了多组对比试验,以测试新模型的抗噪声能力和对话行为分类的准确性.结果表明在0 dB的噪声环境下,模型的对话行为分类准确度达到95.5％,当噪声增加到5 dB时仍能保持94.1％,为噪音环境下的对话分类提供了一种新的模型.

摘要： 针对Φ-OTDR光纤传感电缆外破隐患监测原始数据信噪比低的问题,文章介绍了一种空间域去趋势化与时间域改进谱减法去噪的数据预处理方法.提取光功率距离衰减趋势基线,去除原始数据空间域的衰减趋势,消除Φ-OTDR系统光功率因距离衰减对信号幅度造成的影响,然后采用改进谱减法对时域进行去噪.所提方法应用于现场实测的信号进行了检验,分析结果表明:去趋势化和改进谱减法可有效提高外破监测数据的信噪比,且两者具有叠加效果;现场破碎机、挖掘机、打桩机信号预处理后信噪比分别提高了2.25 dB、6.11 dB、4.72 dB.该方法可为外破监测后续的定位与识别、减少误报率提供参考.

摘要： 语音增强是一种消除语音信号中的背景噪声并获得完整原始语音信号的关键技术.谱减算法易于实现,计算量小,可以获得较高输出信噪比的原始语音信号,是增强语音信号的有效方法.然而,使用谱减法进行语音增强过程中会产生新的背景噪声——"音乐噪声",它会影响语音信号识别的准确性.为了解决谱减法产生的"音乐噪声"问题,本文提出一种谱减法和自适应滤波法相结合的方法来消除"音乐噪声"的干扰,从而实现最优滤波.实验结果表明,采用该方法可以进一步提高语音增强效果,并且解决"音乐噪声"问题.

摘要： 传统的谱减法语音增强算法存在"音乐噪声"问题.针对此问题,引入过减因子和补偿因子两个参数对传统的谱减法进行改进.其中:过减因子可以调节在带噪语音功率谱中减去的噪声分量;补偿因子可以降低人耳对残留噪声的感知度.在两个参数的共同作用下,算法在抑制"音乐噪声"的同时可以使语音成分更加突出,且人耳的接受度更高.仿真结果表明,与传统的谱减法相比,使用改进形式的谱减法对带噪语音进行增强处理后,语音信号波形失真程度更低,信噪比改善更明显,MOS评分更高.

摘要： 为提高噪声环境下说话人识别系统的抗噪性能,提出一种基于MRACC特征和LSTM网络的鲁棒说话人识别方法。首先采用一种动态调整参数的改进型谱减法进行语音前端降噪处理,接着提取改进的多分辨率听觉倒谱系数特征(Multi-Resolution Auditory Cepstral Coefficient,MRACC),特征提取时采用幂函数代替对数函数模拟人耳的非线性压缩特性。最后将提取的特征参数送入基于长短时记忆网络(Long Short Term Memory,LSTM)的说话人模型进行识别。仿真实验表明,在低信噪比情况下,前端语音降噪处理能有效提高系统的识别性能。在说话人识别系统中MRACC特征的识别性能优于传统的MFCC(Mel Frequency Cepstral Coefficient,MFCC)和LPCC(linear predictive cepstrum coefficient,LPCC)特征,并且具有一定的鲁棒性。

摘要： 无论云制造能力如何强大,终归要服务于终端用户也就是人来使用.以智能手机、平板电脑和专用瘦客户端等等为代表的各种智能计算终端构成了个人信息终端云时代的新模式—云终端.云终端与人的结合越来越紧密,越来越自然.自然人机交互模式采用视觉、语音、姿态、手势、脑电和肌电等新的交互通道、设备和交互技术,使人们能以多种通道自然、并行和协作的进行人机对话.语音交互作为人类最自然的交互通道,近年成为自然人机交互研究和应用的热点领域.在实际应用中,要求能从含噪语音中得到干净语音信号进行处理.本文提出了一种基于听觉掩蔽效应的改进型谱减法语音增强技术,引入了新的语音端点检测算法,克服了音乐噪声的影响,提取纯净语音.对其进行了仿真,验证了算法的有效性.

摘要： 本文将谱减法应用于抑制声纳方向性强目标干扰，通过仿真数据验证了其可行性，该方法对方向性强目标干扰具有较好的抑制性，增强了弱目标检测能力。

摘要： 环境噪声会对语音通信造成诸多困扰和不变，语音增强一直是通信技术的研究热点之一。近来，利用骨导传播声音的方式被人们所关注，并因其对环境噪声出众的屏蔽性，广泛的应用于医学、军事、通信等领域。本文尝试将谱减法引入到骨导信号的语音处理领域，将其降噪作用与滤波频谱修正相结合，对不同部位采集的骨导信号进行了语音增强的初步探索，提高了骨导信号的理解度，并对骨导信号中可能存在的噪声进行了讨论。

摘要： 本文尝试将谱减法引入到骨导信号的语音处理领域，将其降噪作用与滤波频谱修正相结合，对不同部位采集的骨导信号进行了语音增强的初步探索，提高了骨导信号的理解度，并对骨导信号中可能存在的噪声进行了讨论。

摘要： 利用分数阶付立叶变换(FrFT)在时频分析上的特点，提出一种新的谱减法-分数阶谱减法。首先，对每一帧带噪语音进行的分数阶付立叶变换，通过使得分数阶谱减法的信噪比达到最大从而确定最佳变换阶数。其中，分数阶谱减法关键的噪声分数阶功率谱的估计采用最小统计估计，带噪语音的分数阶功率谱减去噪声分数阶功率谱以得到增强的语音分数阶功率谱，最后，通过逆分数阶付立叶变换(IFrFT)得到增强后的语音信号。在实验中验证了这种新方法在信噪比和Itakura-Saito LPC距离上都优于传统的谱减法。

摘要： 在现在发达的数字语音通信业务中,语音信号处理技术发挥着越来越重要的作用.自适应噪声抑制是指从带噪音信号中提取尽可能纯净的原始语音.本文在经典的谱减法的基础上做了改进,利用人耳的掩蔽效应减小"音乐噪音",实现了改进的最小控制谱减法,从而达到更好地减小噪声还原语音的效果,使在嘈杂的环境中通话也能更好地提取语音.

摘要： 提出了基于谱熵和能量与谱减法相结合的带噪语音端点检测算法.依据语音信号的频域特性,对其能量谱进行分析,运用谱减法去除宽带加性噪声,从而对语音进行了增强,并对增强后的语音信号利用谱熵和能量相结合的方法进行端点检测.实验结果表明,该算法在信噪比较低的情况下仍能准确检测出语音信号的端点.

摘要： 为降低噪声对语音通信的干扰,提出了一种适于低信噪比下的语音增强算法。该算法以传统的谱减法为基础,所用谱减参数是根据人耳听觉掩蔽效应提出的,且是自适应的。利用语音存在概率,避免低信噪比下端点检测(VAD)的不准确,对语音、噪声信号估计有更强的鲁棒性。对该算法进行了客观和主观测试,结果表明:相对于传统的谱减法,在几乎不损伤语音清晰度的前提下该算法能更好地抑制残留噪声和背景噪声,特别是对低信噪比和非平稳噪声干扰的语音信号,效果更加明显。

摘要： 语音增强是语音信号处理中的重要课题之一．分析了带噪语音模型，研究比较了常用的语音增强算法，介绍了语音增强评价的方法。在实际应用时，要根据具体的噪声情况和特定环境，用不同的语音增强方法或语音增强方法的组合，达到最好的语音增强的效果。

摘要： 语音增强是语音信号处理中的重要课题之一．分析了带噪语音模型，研究比较了常用的语音增强算法，介绍了语音增强评价的方法。在实际应用时，要根据具体的噪声情况和特定环境，用不同的语音增强方法或语音增强方法的组合，达到最好的语音增强的效果。

摘要： 本公开提供了一种基于时频域谱减法的隧道地震波数据去噪方法及系统，包括获取含噪地震记录数据的采样频率信息和采集信号；将时域数据转换至时频域；建立滤波窗长与信号主频之间的关系，并求得最优滤波窗长；自适应选取高斯滤波系数的峰值位置和方差；各频段分别选取最后若干时窗的小波系数矩阵求平均值，作为噪声谱估计矩阵；利用添加系数的高斯滤波窗分频段对噪声谱估计矩阵相减；将小波系数矩阵转换到时间域中，实现时频域谱减法去噪流程。通过时频域谱减法进行隧道地震波数据去噪，优化了传统谱减法在频率方向的区分能力，实现了隧道环境下噪声的消减和去除。

摘要： 本公开提供了一种时频域谱减法和经验模态分解联合的隧道滤波方法及系统，基于经验模态分解方法，将时域隧道含噪地震记录分解为多个固有模态函数分量；对分解得到的各个固有模态函数分量进行加权；对加权后的各个时间域IMF分量分别转到时频域进行时频域谱减法滤波；将各个IMF分量进行时频域谱减法滤波后得到的小波系数利用同步挤压小波变换的逆变换分别转换为时域信号；将获得的时域信号直接相加，实现数据重构和滤波；本公开通过将时频域谱减法和经验模态分解进行联合滤波，拓展了时频域谱减法的适用性，提高了滤波效果。

摘要： 本公开提供了一种基于谱减法及小波分析的海洋磁测噪声抑制方法，包括：步骤S1，建立海浪磁场模型；步骤S2，对带有海浪磁场噪声的磁异常检测信号进行的谱减去噪；步骤S3，确定分解层次，对处理后的信号进行小波分析。利用模型仿真海浪磁场的时域和频域信息不会引入外部因素干扰，在确保模型准确的前提下该方法更具有普适性；同时通过利用谱减法和小波分析结合的方法，能够较大幅度地改善时域波形，抑制海浪噪声，并在信噪比的提升方面表现优异。

摘要： 本发明公开了一种基于自适应谱底优化的多带谱减法的语音增强方法，以解决现有采用过减谱减法或多带谱减法语音增强方法存在残余噪声控制不理想的问题。本发明在多带谱减法的基础上设计了一个随信噪比变化的谱底优化函数对不同噪声条件下的谱谷进行不同程度填充，具体为：首先对语音活动检测器估计出的噪声进行平滑处理来减小噪声估计的波动，其次根据实验对子带微调因子做相关调整来提高噪声估计的准确度，最后通过自适应的谱底优化函数对增强语音的谱谷进行填充，以减小频谱过减生成的窄带噪声峰值以及音乐噪声。旨在将不同信噪比下的残余噪声量控制到较低水平，以达到减小谱减过程所带来的音乐噪声，从而提高语音质量。

摘要： 本发明公开了一种基于非均匀图子带划分的语音图自适应谱减法，在原有图谱减法的基础上，根据语音的图频率域特性对图频率进行非均匀图频率域划分，形成所谓的图子带信号，使得不同图频率范围下的图子带宽度不同。然后，根据图子带上的语音分布，对语音信号进行子带信噪比估计，以此为依据进行图子带筛选，对不同的图子带采取自适应的谱减策略，以提高算法的语音增强性能。本发明的噪声性能较图谱减法以及子带谱减法均有明显的提升。

摘要： 本发明涉及一种基于二次谱减法的复杂噪声背景下的语音识别方法和系统，属于语音增强技术领域。该方法包括：选取复杂噪声背景下的含噪历史音频和纯净噪声音频，经过计算处理得到历史噪声估计；对复杂噪声背景下的待识别音频进行分帧处理，得到多帧音频；依次对每帧音频进行处理：基于历史噪声估计和当前帧音频的噪声估计，确定历史噪声移除因子和当前帧音频噪声移除因子，对当前帧音频进行二次谱减，得到当前帧音频降噪后的语音频谱。该方法解决了对于现实世界中的背景噪声复杂采用现有技术无法将残余噪声控制到较低水平的问题。

摘要： 本公开提供了一种基于时频域谱减法的隧道地震波数据去噪方法及系统，包括获取含噪地震记录数据的采样频率信息和采集信号；将时域数据转换至时频域；建立滤波窗长与信号主频之间的关系，并求得最优滤波窗长；自适应选取高斯滤波系数的峰值位置和方差；各频段分别选取最后若干时窗的小波系数矩阵求平均值，作为噪声谱估计矩阵；利用添加系数的高斯滤波窗分频段对噪声谱估计矩阵相减；将小波系数矩阵转换到时间域中，实现时频域谱减法去噪流程。通过时频域谱减法进行隧道地震波数据去噪，优化了传统谱减法在频率方向的区分能力，实现了隧道环境下噪声的消减和去除。

摘要： 本发明公开了一种基于改进胶囊网络的多频带谱减法振动信号去噪方法。该方法的主要步骤为：1、获取两路振动信号，分别为含噪振动信号以及纯净振动信号；2、对含噪振动信号进行加窗，分帧，傅里叶变换得到含噪振动信号的幅度谱和相位谱；3、将含噪振动信号的幅度谱切割成任意不重复且彼此互不干扰的多个子带；4、采用谱减法对每个子带中含噪振动信号进行初步去噪，获得初步去噪后的振动信号；5、采用神经网络对初步去噪后的振动信号进行二次去噪。通过该方法结合了谱减法易于实现和理解的优点以及深度神经网络强大学习能力的特点，避免了噪声种类繁多的问题，同时也大大提升了去噪效果。

摘要： 本公开提供了一种时频域谱减法和经验模态分解联合的隧道滤波方法及系统，基于经验模态分解方法，将时域隧道含噪地震记录分解为多个固有模态函数分量；对分解得到的各个固有模态函数分量进行加权；对加权后的各个时间域IMF分量分别转到时频域进行时频域谱减法滤波；将各个IMF分量进行时频域谱减法滤波后得到的小波系数利用同步挤压小波变换的逆变换分别转换为时域信号；将获得的时域信号直接相加，实现数据重构和滤波；本公开通过将时频域谱减法和经验模态分解进行联合滤波，拓展了时频域谱减法的适用性，提高了滤波效果。

摘要： 本发明提供一种谱减法降噪下多语音特征融合的抑郁症检测方法。首先从语音样本文件中分离出被试者的语音信息，分割较长的语音数据，同时获取对应的PHQ‑8抑郁症筛查量表得分。其次，利用改进的谱减法进行语音增强，消除环境噪声对语音的影响，对增强后的语音采用短时傅里叶变换得到频谱图，同时，提取每个片段的MFCC及共振峰特征，进行音频差分归一化处理获取局部非个性化的抑郁特征。将三种特征融合输入到改进的时间卷积神经网络(Temporal Convolutional Network,TCN)模型中完成分类和回归任务，以F1得分和均方误差为评价指标，来判断多种语音特征融合的抑郁症检测方法的准确性，实验结果证明本发明所提出的方法可以作为检测抑郁症是否存在的低成本且高效的方法。