一、Receiver Function Estimated by Wiener Filtering(论文文献综述)
罗铜[1](2021)在《条纹阵列激光雷达多回波目标提取及单光子探测研究》文中认为随着数字城市、数字地球、智慧城市等概念的提出与实践,人们对三维测绘的需求显着提升。条纹阵列激光雷达运用阵列激光对目标进行扫描,具有数据率高、数据精度高、扫描动态范围大等优点。但是目前针对条纹阵列激光雷达的研究依旧有限,缺乏条纹图去弥散以及条纹图多回波目标提取等方面相关研究。另外,相较于单光子阵列激光雷达和盖革APD阵列激光雷达,条纹阵列激光雷达无法实现单光子探测,从而限制了系统的探测距离、数据率以及测绘效率。因此,本文针对条纹图去弥散、条纹图多回波目标提取、条纹阵列激光雷达的单光子探测及伴随的噪声问题展开研究。条纹阵列激光雷达条纹图中存在弥散,该弥散会降低系统的空间分辨率,并干扰多回波目标的提取,因此需要进行去弥散处理。虽然没有针对条纹图的去弥散研究,但是被动图像去弥散的研究和方法有很多。因此本文借鉴被动图像去弥散方法对条纹图去弥散展开研究。首先根据条纹阵列激光雷达特点,测量接收系统的点扩散函数。然后,选取维纳反卷积滤波法和Richardson-lucy迭代法对条纹图进行去弥散处理。结果表明,运用维纳反卷积滤波法和Richardson-lucy迭代法后空间分辨率分别为0.9mrad和1mrad,相较去弥散前的1.8mrad分别提升了一倍和80%。最后,探讨了两种算法中的参数对去弥散效果的影响。目前条纹图信息提取的研究主要针对单回波情形,缺乏对多回波情形的研究。本文借鉴传统全波形采样激光雷达中的波形分解法,对条纹图多回波目标提取展开研究。首先,总结出全波形采样激光雷达的全波形数据提取方法的三步骤:数据预处理、高斯分量数目和参数估计以及非线性拟合参数优化。接着,提出了直接高斯分解法和小波变换高斯分解法,并运用两种方法对单平面、双平面、小目标以及透明目标等四种情形下的回波进行目标提取。通过实验发现,高斯分解的思路同样适用于条纹图多回波目标的提取,并且得到直接高斯和小波变换高斯分解法的分辨极限均约为0.2m。之后,探讨了两种算法中存在的各参数对目标提取效果的影响。最后,对阶跃目标的条纹图运用Richardson-lucy迭代法进行去弥散处理,结果表明Richardson-lucy迭代法能够有效消除阶跃目标条纹图中不希望存在的多回波。为了实现条纹阵列激光雷达的单光子探测,本文运用了增益更高的微通道板和条纹管,并且减小了接收系统的弥散,即减小了单个光子光斑大小。通过这些手段,本实验装置探测到了最小不可分割的回波,即单个光子,证明了接收系统具有单光子探测能力。利用二维质心算法,可以有效消除单个光子光斑的电子弥散。对相同目标的众多单光子条纹图进行累积后,可以得到计数图,从而复原回波信号。利用计数图中的计数值,计算得到单光子模式下的空间分辨率为0.9mrad,相较线性模式的1.1mrad提升了22%。单光子条纹阵列激光雷达点云中存在大量噪声,这些噪声的来源有探测器暗计数、背景光噪声以及光学弥散噪声等。为了消除这些噪声,本文借鉴单光子阵列激光雷达空间滤噪法的思路提出了空间延伸滤噪法。为了能更好地评价滤噪效果,本文提出了一个考虑信号缺失数、残留噪声数以及残留噪声离信号的最小平均距离的评价参数。之后,先利用模拟点云对滤噪效果进行定量评价,并找到各方法的最佳工作参数,再对之前得到的单光子条纹阵列激光雷达点云数据进行滤噪处理,从而进行定性评价。结果显示空间延伸滤噪法相对于空间滤噪法在保留信号细节地同时,误警率降低了23%。
周宇[2](2021)在《G3-PLC系统通信可靠性优化研究及实现》文中进行了进一步梳理G3-PLC是电力线载波通信(Power Line Communication,PLC)常用的国际标准。由于国内电力网络环境复杂,通信信道存在噪声干扰严重和信号衰减明显等问题,降低了G3-PLC系统的通信可靠性。为提高G3-PLC系统的信道适应能力,在对其物理层传输模型研究的基础上,通过纠错编码和物理层信号滤波相结合的方式优化通信可靠性,完成了算法的设计并实现了一套具有较高通信可靠性的G3-PLC系统。论文首先介绍了 G3-PLC的物理层模型,研究了物理层核心的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)调制方法的原理,对通信误码率性能进行了分析。在此基础上,结合电力线信道的干扰特性,为降低G3-PLC系统的误码率,论文采用里得-所罗门(Reed Solomon,RS)编码和卷积编码相结合的方式进行信息的纠错处理,介绍了纠错方法的原理和实现方式,对误码率性能进行了仿真和分析。结合OFDM信号及电力线噪声的循环平稳特征,为进一步提高系统的抗噪性能,依据循环平稳理论设计了循环维纳滤波算法,以物理层信号滤波的方式进一步提高传输的可靠性,并对滤波算法的去噪性能进行了分析。在理论研究基础上,根据实际需求,选择STM32H743作为核心处理单元,设计了 G3-PLC系统的实现方案,搭建了硬件平台并完成了相关算法的实现。所设计的G3-PLC系统分为发送模块和接收模块两部分,通过耦合单元连接到电力线路,发送模块主要对待传输数据进行编码和调制,接收模块主要对接收信号进行符号同步、最优滤波、解调和译码。所设计的通信可靠性优化方法基于实际搭建的电力线通信实验平台进行了可靠性测试和系统功能测试。结果表明,论文所提出的RS编码、卷积码和最优滤波相结合的方法,可大幅优化G3-PLC系统的通信可靠性,系统工作稳定,相比未优化的G3-PLC系统,误码率在10-3时获得20dB左右的性能提升;信噪比在-10dB时,系统误码率可达10-4量级。
施瑜[3](2020)在《强噪音环境下盲源信号的分离及定位算法的研究》文中研究表明人耳的听力系统在嘈杂环境中可以自动识别各类音源,专注于感兴趣的特定声音,而语音设备在这方面存在局限性。盲源分离是解决该问题很好的方法。盲源信号的分离和定位技术是语音信号处理中的重要分支,在日常生活中随处可见,应用广泛,例如语音识别,电话或视频远程会议,助听器等等。该技术的最终目的是提取出有用的或特定需要的声源,即使在强噪音环境中也能抑制其他噪声,分离出纯净的源信号并对其进行定位。在语音定位方面,近年来定位精度指标随着硅麦克风阵列技术的发展而不断提升。本文主要的研究内容是硅麦克风阵列下盲源信号的分离和定位。对于盲源信号的分离和增强,传统算法比如维纳滤波,或者独立分量分析都可以解决这个问题,但是都存在局限性。本文将两者结合,采用基于负熵的FastICA算法对语音信号进行特征提取和分离;应用维纳滤波算法,使得估计信号与ICA域中特征提取出的语音信号之间的均方误差最小,继而从接收的强噪声语音中估计出纯净的语音信号,仿真结果显示,算法增强效果较之未改进前的算法,信噪比提高了近一倍。针对麦克风阵列,推导了LMS自适应波束形成法,针对这种算法在低信噪比的环境下,语音增强效果很差的特点,提出了一种基于小波包阈值降噪预处理的新LMS算法,该算法经仿真验证,有效抑制噪声。传统的自适应波束形成算法都依赖于阻塞矩阵的性能,降低了系统的噪声抑制能力并且系统不稳定性,本文在自适应波束形成算法的基础上使用FastICA算法来替代ANC模块,提取阵列接收信号中的期望语音信号,有效提高了系统的噪声抑制能力和稳定性。对于信号定位,分析了广义互相关函数法,这种方法必须假定信号和噪声之间不相关,但是在实际情况下可能无法满足上面的假设,而且互相关方法只能用于数据采样周期的整数倍,这些因素都会给延时估计带来一些误差,针对这种应用场景,提出了一种新颖的基于参数识别的时延计算方法。此方法采用有限脉冲响应滤波器(FIR)模拟信号延迟过程,标准麦克风采样信号作为输入,另一个麦克风采样信号作为输出,通过FIR的参数识别来获得延迟时间,然后根据设计的五元十字麦克风阵列,可以求出声源位置。最后,搭建电路系统环境,包括五路音频采集模块、FPGA处理模块、音频数据处理模块、SDK算法处理模块、输出定位显示模块。将算法移植到pynq-z2开发模块,通过实验可以看出,语音增强效果明显改善,定位也明显精确。
陈颖睿[4](2020)在《麦克风阵列波束成形算法研究与实现》文中研究指明随着语音技术的迅速发展,越来越多的用户有意获取更为清晰的语音系统。在视频、电话会议系统、大型会议室等一些应用场合,需要对感兴趣的声源实现定位和语音增强。传统的单个麦克风在对采集到的语音进行增强算法处理时,容易混入新的音乐噪声且造成信号的失真,不能满足人们对声音质量的要求。麦克风阵列能够自动检测,定位声源的位置,并对噪声信号进行空间滤波,取得更加明显的干扰噪声增强语音的效果。本论文主要研究了基于麦克风阵列波束形成的声源定位算法、语音增强算法以及回声与混响消除算法。论文研究了基于高分辨率谱估计的声源定位技术、基于最大输出功率的可控波束形成定位技术等几种典型的声源定位算法,基于到达时间差(TDOA)定位技术提出了一种改进的定位技术,改进后的声源定位算法能够更加准确地识别声源的位置,提高时延估计的准确性。研究了常规波束形成算法、自适应波束形成算法和后置滤波器波束形成算法,基于后置滤波器法设计出一种基于自适应频谱降噪(ASNR)和多源选择(MSS)的后置滤波器波束形成算法,对算法的性能进行了比对分析。其中常规波束形成法在一定程度上能够实现语音增强,它去除噪声的效果有限且只能消除相干噪声;GSC算法处理的过程中,滤除期望信号估计噪声成分的能力不是很好,影响算法整体的消噪性能;本文提出的基于自适应频谱降噪(ASNR)和多源选择(MSS)的后置滤波器波束形成算法能减少来自中频段和高频段的噪声,也能利用自适应ASNR滤波器减少低频噪声的影响,提高了消噪的性能以及输出音频信号的质量。研究了麦克风阵列混响消除算法与自适应回声消除算法,自适应回声消除算法通过调整自适应滤波器的权值,模拟出一个无限逼近真实回声路径的近似回声路径,得出估计的回声信号,对算法的性能进行了仿真,仿真结果表明使用自适应回声消除算法能够消除语音信号中回声成分,处理效果良好。
吴际[5](2020)在《基于GPP的5G NR物理层信道估计和MIMO检测的优化与实现》文中提出物理层是所有通信技术的核心,它在过去几十年间的蓬勃发展是促成移动通信从第一代(1G)演进到第四代(4G)的关键。如今,面向以万物互联、无人驾驶和AR/VR技术等为标志的新兴场景,移动通信正向高带宽、大连接、低时延和高可靠性的第五代移动通信技术(5G)方向演进,为了满足5G通信技术超低时延的需求,在通用处理器上优化基带信号处理的实时性是当前研究的趋势。本文主要研究了基于GPP的5GNR物理层信道估计和MIMO检测优化与实现。在充分调研了信道估计和MIMO检测算法的基础上,首先在Matlab平台上实现了 5G NR的物理下行共享信道的链路级仿真,验证了算法的可行性和正确性。然后结合GPP平台的执行特点设计算法的并行化方案,将算法复杂的公式进行拆解和细分,优化算法执行结构和顺序,减少数据间的依赖性,并用AVX-512指令集实现细粒度的数据并行,从而加快运算速度、减少运算耗时,提高系统吞吐率。最后根据仿真结果表明,当天线配置为2发2收时,使用AVX-512指令集后时延降低接近20倍,可以满足项目的需求。
付青青[6](2020)在《超声成像测井图像增强和复原方法研究》文中研究表明在油气资源勘探开发领域,超声成像测井以其图像直观、全井眼覆盖和探测范围大等优点,得到了广泛应用。超声成像测井不但可以在裸眼井中反映井眼几何形状,识别裂缝、孔洞、层理等地层非均质性,而且还能在套管井中检查射孔质量、分析套管损坏以及评价固井质量。但是由于超声成像测井过程中复杂的测井作业环境以及超声换能器非理想性声斑等因素,导致了超声测井图像模糊,造成了图像的对比度降低,分辨率下降,为细小目标地质体特征的分析和解释带来了困难。在此背景下,本文结合超声成像测井的工程需求,以超声成像测井原理和信息处理为理论基础,采用物理模拟和数值模拟相结合的方法,从信号产生与处理的角度开展了超声测井图像增强和复原方法研究。本文主要工作如下:1.基于限定对比度直方图均衡的超声测井图像增强方法的研究针对超声测井图像增强问题,基于超声成像对比度低的客观实际,结合工程实时性的要求,研究并实现了HE,BBHE,RMSHE,POSHE,BOHE,MLBOHE,CLAHE等多种直方图均衡方法。在对算法性能分析的基础上引入幂次变换方法,通过参数调整对灰度级进行非线性变换。分析了子块数量、剪切阈值、幂次等参数的选择与增强效果的关系。采用幂次变换与CLAHE方法相结合,提出了CLAHE-PL图像增强方法。利用实验室超声图像、模型标准井和油田现场测得的超声测井图像进行了对比验证测试,主观评价和客观指标(MG、PSNR、AMBE、IE和LC)评价均指示了CLAHE-PL方法增强超声测井图像是有效的。2.基于部分重叠的直方图均衡超声测井图像增强方法的研究针对部分重叠的直方图均衡方法存在过度增强的问题,将CLAHE算法中剪切直方图引入到POSHE方法中,修改子块累积直方图分布函数。以低对比度的夜间车辆监控图像为例,分析了剪切阈值的大小对增强效果的影响,提出了POSHEOC图像增强方法,利用平均梯度和平均结构相似度指标构建测井图像质量评价的策略,实现了最佳的子块直方图剪切阈值的自动选取。在此基础上,以模型标准井和2幅油田现场实测的超声测井图像为例,结合PMGSIM、PSNR、IE、AMBE和LC等5个客观评价指标,将本文提出的POSHEOC和CLAHE-PL两种算法与HE、BBHE、RMSHE、POSHE、BOHE和MLBOHE等6种方法进行对比测试。实验结果表明,POSHEOC方法处理超声测井图像是有效的,实现了提高超声测井图像对比度的同时,限制了平坦区过度增强,突出了局部细节信息。3.基于APEX点扩展函数估计的最佳K值维纳滤波复原方法的研究针对超声测井图像复原问题,分析了图像退化的因素,明确了声束的扩散在井壁形成的声斑是造成超声测井图像退化的主要原因。基于超声测井成像系统退化模型未知的实际情况,研究了声波换能器的传输特性,利用试验估计法在退化图像中选取特征点作为参考对象,推导出点扩散函数模型近似为G类函数。采用APEX算法,对模型参数进行估计,将APEX参数拟合拓展到水平和垂直两个方向,进行对数幅度谱截面曲线拟合,估计出点扩散函数。基于估计的点扩散函数,利用维纳滤波方法进行图像复原,针对维纳滤波复原方法中噪信比K值未知的问题,提出了基于引导滤波和最小均方误差自动找寻最佳噪信比K值的方法。在此基础上,基于已知的标准清晰图像,利用计算机模拟退化图像,并增加不同功率的高斯噪声,开展复原性能测试,并结合MG、PSNR、IE、AMBE和LC等5个客观评价指标,对复原图像的质量进行了对比分析,验证了所提复原算法的正确性。在模拟退化图像进行复原正确的基础上,利用实验室超声图像、模型井超声图像和现场测井图像进行了大量的仿真实验,结合主观观察和客观评价指标,开展复原图像的性能测试。实验结果表明,本文提出的基于APEX点扩展函数估计的最佳K值维纳滤波复原方法对超声测井图像的复原是有效的,在恢复图像细节信息,增强清晰度,抑制噪声方面均表现出良好的性能。本文的主要成果:1.研究了基于直方图的系列图像增强方法,提出适合超声测井图像增强的两种方法CLAHE-PL和POSHEOC,所提方法可以内嵌到现场测井资料处理与解释软件中,服务于油气勘探开发,亦可推广适用于水下声学图像的增强。2.研究了基于试验估计的图像盲复原方法,并估计了超声图像的退化模型,将APEX算法引入到超声测井图像点扩散函数的参数估计中,提出了基于引导滤波和最小均方误差自动找寻最佳噪信比K值的方法,探索出了一种超声测井图像退化模型估计方法和测井图像复原算法,研究成果在油田勘探开发中有较好的应用前景。
崔培娟[7](2020)在《基于时频掩蔽的麦克风阵列语音增强算法研究》文中研究指明语音作为信息的载体,在生活的诸多场景中都发挥着至关重要的作用,如智能驾驶、智能家居和视频会议等场景。但在实际生活中,人们接收到的语音都掺杂着各种噪声,这些噪声极大地影响了语音的质量及可懂度,因此需要语音增强算法去除带噪语音中的噪声,使语音的质量和可懂度得到提升。本文从以下三个方面开展对麦克风阵列语音增强技术的研究:基于时频掩蔽的语音失真加权多通道维纳滤波(SDWMWF)、基于掩蔽的后置滤波以及基于时频掩蔽的改进SDW-MWF。波束形成算法在进行语音增强时需要阵列与声源的先验信息,一旦这些先验信息存在偏差就会严重影响算法的去噪性能。本文采用的SDW-MWF算法,可以在不需要这些先验信息的情况下,依据估计出的噪声协方差矩阵,求解对应的权重,进行语音增强。传统的噪声协方差估计算法如语音活动检测(VAD)和语音存在概率(SPP)算法可能会使得噪声协方差估计存在偏差,导致输出语音存在失真或仍有大量噪声残留。本文借助基于时频掩蔽的方法来进行噪声协方差的估计,通过假设观测信号满足复高斯混合模型(CGMM),采用期望最大化(EM)算法计算麦克风阵列采集语音每个时频单元是噪声的概率,实现对噪声协方差的估计,并将其用于SDW-MWF算法中。实验证明,本文提出的增强算法可以提升输出语音的PESQ值和STOI值。SDW-MWF算法对噪声抑制性能有限,因此本文将其与基于掩蔽的后置滤波技术相结合,去除SDW-MWF算法语音增强后残留的噪声。基于掩蔽的后置滤波算法采用理想二值掩蔽(IBM)算法及其改进算法理想比值掩蔽(IRM)算法,因此需要时域噪声作为输入,本文采用一种基于多通道维纳滤波(MWF)的噪声估计算法来得到时域噪声,该算法借鉴MWF算法中的求解期望信号的方式,通过将MWF算法中的期望信号置换为噪声来实现对噪声的估计。将基于时频掩蔽SDW-MWF的输出与噪声估计得到的时域噪声作为后置滤波的输入,最终实现了对噪声的进一步抑制。实验证明,IBM后置滤波会在噪声得到进一步去除的同时导致输出语音失真,而IRM后置滤波输出语音中的噪声得到进一步抑制,语音质量得到了提升。在进行麦克风阵列语音增强时,大多数情形下只有一个目标声源信号,所以本文在只有一个目标声源信号的前提下对SDW-MWF算法的性能进行分析,分析其缺点并提出改进算法。改进的算法相比SDW-MWF更加简化,且输出语音质量更高。本文将基于时频掩蔽的SDW-MWF算法与基于时频掩蔽的改进SDW-MWF算法通过实验进行对比,实验证明,改进算法输出语音质量得到了提升。本文采用的基于六麦均匀线性阵的麦克风阵列语音增强算法在近远场情形及多种噪声下都可以取得好的语音增强效果,可将其应用在视频会议系统或其他需要语音增强的场景中进行噪声抑制。
张玉帅[8](2020)在《环形麦克风阵列的语音增强算法研究》文中指出语音在生活中是最重要的交流方式之一,但是环境中充斥着各种噪声,严重影响语音质量,因此语音增强技术愈发重要。单通道语音增强作为目前最为成熟的语音增强算法,在复杂环境中难以取得理想的效果。而麦克风阵列可以得到语音信号的空时信息,有较高的空间分辨能力,因此在语音增强领域得到广泛应用。但由于先验参数估计不准确的影响,麦克风阵列语音增强的性能依然受到制约。为此,本文以环形麦克风阵列为基础,研究了一种基于最小方差无失真响应的波束形成算法(MVDR)和它的后置滤波系统。现有的MVDR语音增强系统使用自适应方式更新噪声协方差矩阵,使用相位加权广义互相关方法进行导向矢量估计,在复杂环境下性能恶化较快。为此,本文从两方面进行改进,一方面借鉴雷达波束形成中的采样矩阵求逆思路,并采用动态平滑更新的方式计算噪声协方差矩阵,保证噪声协方差矩阵估计的稳定性,在此基础之上分析动态对角加载技术和固定对角加载技术的优缺点和实用性,选择使用固定对角加载技术增强系统的鲁棒性;另一方面,基于目前复杂环境下导向矢量估计准确性严重下降的问题,利用噪声主要污染共振峰这一现象,通过使用线性预测残差的希尔伯特包络来进行时延估计,消除了由噪声带来的误差,提升了时延估计的准确性。实验对比证明,改进的时延估计方法可以在较低信噪比的情况下依旧保持较低的误差率,改进的波束形成系统PESQ评分提升1.0左右,字错误率下降到1.42%左右,即便在低信噪比情况下也取得较好效果。经过波束形成之后语音仍有残余的相干噪声和非相干噪声,此时需要引入维纳后置滤波进行进一步处理。现有维纳后置滤波器多假设噪声场为非相干场,且对全频段内采用相同加权。本文针对实际噪声场为散射噪声场,噪声在低频处相干性强的特点,引入散射噪声场相干函数进行期望信号和噪声信号的估计,然后引入双参数使维纳滤波器动态可调,在低频段以输入分段信噪比为依据进行动态更新,使维纳滤波器可以根据频率和信噪比进行自适应更新,在高频段采用传统维纳滤波器进行更新,使增强后的语音的在尽可能低失真的情况下实现残余噪声的抑制。实验对比证明,改进后置维纳滤波器低频处噪声明显减小,语音失真无显着增大,PESQ评分得到了提升。改进后的环形麦克风阵列语音增强系统采用了更具有鲁棒性的参数估计方法和适用于散射噪声场的双参数可变维纳滤波器,同时将单通道、窄带信号处理方法拓展应用于多通道、宽带信号处理,具有较好的创新性;其使用了市面常见的环形麦克风阵列,在多种噪声和信噪比下都表现出来不错的性能和较强的稳定性,在尽可能减少语音失真的情况下降低了噪声,具有较好的应用价值。
程锐[9](2020)在《基于语音相位估计和声源空间特征的语音增强方法研究》文中研究指明由于噪声和混响等因素的存在,各种人机语音交互系统中的语音质量会受到严重影响。为了减少这种影响,需要对采集的语音信号进行增强。传统的单通道语音增强方法往往只对带噪语音幅度谱进行增强而忽略相位谱的增强,使得其在低信噪比等复杂声场景时的语音增强性能受到限制。传统的多通道语音增强方法还未充分利用声源的空间信息和语音的相位信息,其声源估计的准确性还不够高,抑制外来干扰和噪声的能力有待提升。为解决上述问题,本文提出了三种基于语音相位估计和声源空间特征的语音增强方法。并在此基础上,提出了一种基于声源空间特征的多通道语音编码和增强方法。首先,为解决大多数语音增强方法只对带噪语音幅度谱进行增强而忽略相位谱增强的问题,本文提出了一种基于深度神经网络和相位修正函数的单通道语音增强方法。该方法利用深度神经网络和相位修正函数,对带噪语音幅度谱和相位谱同时进行增强,改善了低信噪比条件下的语音增强性能。其次,为解决神经网络不能直接用于相位谱增强的问题,本文提出了一种基于深度神经网络和相位解缠绕的单通道语音增强方法。该方法通过基于元胞自动机的相位解缠绕方法,实现了神经网络对相位谱的估计,并结合幅度谱增强方法,改善了低信噪比条件下的语音增强性能。然后,为改善语音增强方法对目标声源方向的感知能力以及复杂声场景下的噪声抑制能力,本文提出了一种基于声源空间特征和语音相位信息的多通道语音增强方法。该方法结合通道间相位差和相位感知掩蔽构建波束形成器,并利用基于深度神经网络和相位修正函数的单通道后置滤波,提升了复杂声场景下的语音增强性能。最后,为探究声源空间特征在多通道语音编码和增强上的应用,本文提出了一种基于声源空间特征的多通道语音编码和增强方法。该方法通过均匀线性麦克风阵列间的时延估计,利用增强型话音服务(Enhanced Voice Services,EVS)编解码器,实现了多通道语音编解码。并结合所提的基于声源空间特征和语音相位信息的多通道语音增强方法在解码端实现了对目标声源的提取和增强。
邵小伟[10](2019)在《基于电刺激信号信噪比的人工耳蜗降噪算法研究》文中提出人工耳蜗(Cochlear Implant,CI)又称为电子耳蜗,是目前仅有的一种帮助重度听力损失患者恢复听力的仿生设备。它通过在患者的耳蜗内植入电极阵列直接刺激听觉神经来代替缺失的毛细胞以实现听力感知。CI对于重度听力损失患者恢复听觉机能,正常进行社会生活具有重要的意义。目前CI的工艺已经相对成熟,现有的CI系统已经能够让植入者在安静环境下进行交谈,但是在噪声环境中,CI植入者对声音的聆听效果依然较差,这严重制约了其社会交往能力。因此,提高CI植入者在噪声环境下的言语感知能力是CI研究的关键问题之一。针对噪声环境下CI植入者的言语识别效果较差的问题,本文提出了一种基于电刺激信号信噪比的CI降噪算法。现有的研究表明,电听觉和声听觉的感知机理存在显着的区别,而现有的降噪算法大都是基于正常人或轻度听力损失者的声听觉研究,基于电听觉的研究还很匮乏。本研究针对基于CI电听觉的降噪算法展开研究,通过研究输入CI系统的声信号和CI系统各电极通道上电刺激信号的信噪比之间的映射规律,实现对电刺激信号信噪比的估计,并在此基础上提出基于电刺激信号信噪比的降噪算法。然后本文首先通过分析降噪后的信号包络、语谱图、归一化协方差测度和加权谱斜率距离来初步分析降噪算法的性能;之后通过正常听力者的仿真声言语接受阈值实验和言语识别实验进一步验证所提算法的降噪性能。实验结果表明本文所提的基于电刺激信号信噪比的降噪方法对噪声情况下CI性能有较好的改善,但是相比于基于声信号信噪比的降噪方法来说,仍有一定的不足;最后根据客观分析及仿真声实验的分析结果,本文对出现该实验结果的可能原因展开进一步的分析、讨论和验证,分析结果表明电刺激信号信噪比的估计方法对本文所提降噪算法的性能有显着的影响。总体而言,本文提出的基于电刺激信号信噪比的降噪方法是有研究价值的,本文的研究为后续完善基于电刺激信号信噪比降噪算法的研究打下了基础。
二、Receiver Function Estimated by Wiener Filtering(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Receiver Function Estimated by Wiener Filtering(论文提纲范文)
(1)条纹阵列激光雷达多回波目标提取及单光子探测研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略词对照表 |
第1章 绪论 |
1.1 课题背景及研究目的和意义 |
1.2 图像去弥散研究进展 |
1.3 多回波目标提取研究进展 |
1.3.1 数据预处理方法 |
1.3.2 高斯分量数目及参数估计 |
1.3.3 非线性拟合参数优化 |
1.4 单光子激光雷达研究进展 |
1.4.1 单光子阵列激光雷达 |
1.4.2 盖革雪崩光电二极管阵列激光雷达 |
1.5 单光子点云去噪研究进展 |
1.5.1 二维平面滤噪法 |
1.5.2 直方图滤噪法 |
1.5.3 空间滤噪法 |
1.6 国内外研究进展分析 |
1.7 本文主要研究内容 |
第2章 条纹图去弥散研究 |
2.1 引言 |
2.2 条纹阵列激光雷达实验装置介绍 |
2.2.1 条纹阵列激光雷达基本结构 |
2.2.2 条纹阵列激光雷达工作原理 |
2.3 条纹图去弥散方法选取 |
2.3.1 被动图像去弥散方法简析 |
2.3.2 条纹阵列激光雷达点扩散函数测量 |
2.3.3 维纳反卷积滤波法 |
2.3.4 Richardson-Lucy迭代法 |
2.4 维纳反卷积滤波法和RICHARDSON-LUCY迭代法去弥散效果 |
2.4.1 空间分辨率 |
2.4.2 深度分辨率 |
2.4.3 不同目标情况下RMSE值 |
2.5 维纳反卷积滤波法和RICHARDSON-LUCY迭代法中参数的影响 |
2.5.1 噪信比值对维纳反卷积滤波法去弥散效果的影响 |
2.5.2 迭代次数和阻尼阈值对Richardson-Lucy迭代法的影响 |
2.6 本章小结 |
第3章 条纹图多回波目标提取研究 |
3.1 引言 |
3.2 条纹阵列激光雷达与全波形采样激光雷达的比较 |
3.2.1 接收系统比较 |
3.2.2 发射系统比较 |
3.3 直接高斯分解法和小波变换高斯分解法 |
3.3.1 直接高斯分解法 |
3.3.2 小波变换高斯分解法 |
3.4 直接高斯分解和小波变换高斯分解法多回波目标提取结果 |
3.4.1 单平面目标目标提取结果 |
3.4.2 双平面目标目标提取结果 |
3.4.3 小目标目标提取结果 |
3.4.4 透明目标目标提取结果 |
3.5 多回波目标提取算法中各参数影响 |
3.5.1 峰值阈值P_(th)对目标提取效果影响 |
3.5.2 回波形状阈值T_(th)对目标提取效果影响 |
3.5.3 高斯分量σ阈值σ_(th)对目标提取效果影响 |
3.5.4 小波尺寸α对目标提取效果影响 |
3.6 阶跃目标去弥散后目标提取效果 |
3.7 本章小结 |
第4章 单光子条纹阵列激光雷达研究 |
4.1 引言 |
4.2 单光子条纹阵列激光雷达理论分析 |
4.2.1 条纹阵列激光雷达回波强度分析 |
4.2.2 单光子条纹图强度理论分析 |
4.3 单光子条纹图采集研究 |
4.4 单光子条纹阵列激光雷达空间分辨能力研究 |
4.4.1 单光子条纹阵列激光雷达空间分辨率计算方法 |
4.4.2 单光子条纹阵列激光雷达空间分辨率结果 |
4.5 本章小结 |
第5章 单光子条纹阵列激光雷达点云去噪方法研究 |
5.1 引言 |
5.2 单光子阵列激光雷达滤噪方法 |
5.2.1 现有单光子探测激光雷达点云滤噪方法 |
5.2.2 基于体素的空间延伸滤噪法 |
5.3 单光子激光雷达滤噪效果评价参数 |
5.3.1 现有评价参数 |
5.3.2 新提出评价参数F_l |
5.4 四种滤噪方法滤噪效果对比 |
5.4.1 被研究的单光子条纹阵列激光雷达点云 |
5.4.2 基于体素的空间延伸滤噪法最佳延伸权重研究 |
5.4.3 滤噪效果对比 |
5.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(2)G3-PLC系统通信可靠性优化研究及实现(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 前言 |
1.2 课题研究的背景和意义 |
1.3 电力线载波通信技术的发展现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 课题的主要工作 |
1.4.1 主要研究工作 |
1.4.2 重难点分析 |
1.5 论文内容及结构安排 |
2 G3-PLC物理层关键技术及通信可靠性优化方案 |
2.1 G3-PLC物理层概述 |
2.1.1 G3-PLC标准物理层结构 |
2.1.2 G3-PLC系统基本参数 |
2.1.3 G3-PLC数据帧结构 |
2.2 G3-PLC核心调制技术 |
2.2.1 OFDM基本原理 |
2.2.2 FFT/IFFT算法 |
2.2.3 保护间隔与循环前缀 |
2.3 电力线信道特征分析 |
2.4 OFDM系统通信可靠性分析 |
2.5 G3-PLC系统性能优化及实现方案 |
2.5.1 G3-PLC系统通信可靠性优化方案 |
2.5.2 G3-PLC系统及优化算法实现方案 |
2.6 本章小结 |
3 G3-PLC系统通信可靠性优化方法及性能分析 |
3.1 RS编码和译码 |
3.1.1 RS编码原理 |
3.1.2 RS译码原理 |
3.1.3 RS码在G3-PLC中的性能仿真与分析 |
3.2 卷积码编码和译码 |
3.2.1 卷积码编码 |
3.2.2 维特比译码 |
3.2.3 卷积码在G3-PLC中的性能仿真与分析 |
3.3 最优滤波算法 |
3.3.1 滤波目的及维纳滤波算法 |
3.3.2 维纳滤波算法的改进 |
3.3.3 最优滤波算法在G3-PLC系统中的性能仿真与分析 |
3.4 本章小结 |
4 G3-PLC系统硬件平台设计 |
4.1 处理器选型 |
4.2 硬件总体结构设计 |
4.3 STM32H743主控模块 |
4.4 电源电路 |
4.5 USB串口转换电路 |
4.6 滤波电路 |
4.7 耦合单元电路 |
4.8 本章小结 |
5 G3-PLC系统及优化算法软件实现 |
5.1 软件设计方案 |
5.2 软件设计流程 |
5.3 OFDM通信系统程序设计 |
5.3.1 符号映射与解映射 |
5.3.2 FFT/IFFT程序设计及效率优化 |
5.3.3 数据帧结构设计及实现 |
5.3.4 调制信号输出及解调信号输入程序设计 |
5.3.5 同步功能的实现 |
5.4 RS编码程序设计 |
5.5 RS译码程序设计 |
5.6 卷积编码程序设计 |
5.7 维特比译码程序设计 |
5.8 循环维纳滤波算法程序设计 |
5.9 本章小结 |
6 系统测试及性能分析 |
6.1 测试平台搭建 |
6.2 定点化FFT误差分析 |
6.3 系统通信效率分析 |
6.4 系统功能测试 |
6.5 系统通信可靠性分析 |
6.6 本章小结 |
7 结论 |
7.1 结论 |
7.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文及成果 |
致谢 |
(3)强噪音环境下盲源信号的分离及定位算法的研究(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 盲源信号分离及定位发展史与国内外现状 |
1.2.1 盲源信号分离发展史及现状 |
1.2.2 盲源信号定位发展史及现状 |
1.3 研究内容概述 |
1.4 文章结构 |
第二章 盲源信号的分离和定位的理论基础 |
2.1 盲源信号分离相关理论 |
2.1.1 盲源分离(BSS)与独立分量分析(ICA) |
2.1.2 ICA的基本系统模型 |
2.1.3 ICA中的预处理 |
2.1.4 经典ICA算法 |
2.2 基于麦克风阵列的语音信号定位相关理论 |
2.2.1 麦克风阵列语音信号处理模型 |
2.2.2 麦克风阵列的结构 |
2.2.3 麦克风阵列定位方法 |
2.3 仿真工具介绍 |
2.4 本章小结 |
第三章 改进的ICA信号分离和增强算法 |
3.1 传统信号分离与增强算法 |
3.1.1 维纳滤波法 |
3.1.2 基于ICA/BSS的语音增强算法 |
3.2 改进的结合基于负熵的FastICA算法和维纳滤波算法 |
3.3 算法性能分析比较 |
3.4 本章小结 |
第四章 改进的基于麦克风阵列的信号分离和增强算法 |
4.1 传统的麦克风阵列语音增强方法 |
4.1.1 固定波束形成算法 |
4.1.2 自适应波束形成算法 |
4.1.3 后置自适应滤波法 |
4.2 改进的LMS自适应波束形成算法 |
4.2.1 LMS自适应波束形成算法 |
4.2.2 算法性能分析比较 |
4.3 改进的基于ICA的麦克风阵列信号分离和增强算法 |
4.3.1 基于ICA的麦克风阵列信号增强算法 |
4.3.2 算法性能分析比较 |
4.4 本章小结 |
第五章 改进的基于时延估计的麦克风阵列声源定位算法 |
5.1 传统的麦克风阵列时延估计算法 |
5.1.1 广义互相关函数法 |
5.1.2 最小均方自适应滤波法 |
5.2 改进的时延估计算法 |
5.3 算法性能分析比较 |
5.4 本章小结 |
第六章 盲源分离及定位的设计及测试 |
6.1 电路系统的结构介绍和实现 |
6.1.1 系统硬件结构设计 |
6.1.2 系统软件结构设计 |
6.2 测试与分析 |
6.3 本章小结 |
第七章 总结与展望 |
7.1 论文总结 |
7.2 展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
附录2 攻读硕士学位期间参加的科研项目 |
致谢 |
(4)麦克风阵列波束成形算法研究与实现(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 声源定位技术研究现状 |
1.2.2 语音增强技术研究现状 |
1.2.3 回声与混响消除技术研究现状 |
1.3 本文研究内容与结构安排 |
第二章 麦克风阵列 |
2.1 阵列语音信号 |
2.2 阵列拓扑结构 |
2.3 语音质量的标准 |
2.4 硬件平台 |
2.4.1 TMS320C6747核心处理器 |
2.4.2 圆形麦克风板PCM1864CMBEVM |
2.5 本章小结 |
第三章 麦克风阵列声源定位算法 |
3.1 传统声源定位算法 |
3.1.1 基于高分辨谱估计的声源定位算法 |
3.1.2 基于可控波束形成的声源定位算法 |
3.2 基于到达时延的声源定位算法 |
3.2.1 广义互相关法 |
3.2.2 最小均方法 |
3.2.3 几种改进的时延估计算法 |
3.3 改进的TDOA声源定位算法 |
3.4 性能分析 |
3.5 本章小结 |
第四章 麦克风阵列语音增强算法 |
4.1 单信道语音增强算法 |
4.1.1 谱减法 |
4.1.2 维纳滤波法 |
4.2 麦克风阵列语音增强算法 |
4.2.1 固定波束形成 |
4.2.2 自适应波束形成算法 |
4.2.3 后置滤波器波束形成算法 |
4.3 改进的后置滤波波束形成算法 |
4.4 性能分析 |
4.5 本章小结 |
第五章 回声与混响消除算法 |
5.1 回声与混响 |
5.1.1 回声 |
5.1.2 混响 |
5.2 混响消除技术 |
5.2.1 基于语音增强法的混响消除 |
5.2.2 基于固定波束形成的混响消除 |
5.2.3 基于TF-GSC的混响消除算法 |
5.3 基于LMS的自适应回声消除算法 |
5.4 性能分析 |
5.5 系统测试 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录 A 攻读硕士学位期间申请的专利 |
致谢 |
(5)基于GPP的5G NR物理层信道估计和MIMO检测的优化与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景与研究意义 |
1.2 MIMO技术 |
1.3 信道估计和MIMO检测研究现状 |
1.3.1 信道估计研究现状 |
1.3.2 MIMO检测研究现状 |
1.4 本文结构与工作安排 |
第二章 关键技术基础与GPP平台概述 |
2.1 5G NR物理层资源 |
2.1.1 帧结构 |
2.1.2 时频结构 |
2.2 导频结构 |
2.2.1 常规导频结构 |
2.2.2 DMRS结构 |
2.3 GPP开发平台 |
2.3.1 GPP概述 |
2.3.2 SIMD概述 |
2.3.3 基于GPP的信号处理优化思路 |
2.4 本章小结 |
第三章 信道估计和MIMO检测算法研究与并行性分析 |
3.1 信道估计算法研究 |
3.1.1 导频处信道估计算法 |
3.1.2 信道插值算法 |
3.1.3 信道估计仿真结果及分析 |
3.2 信道估计算法并行性分析 |
3.2.1 导频处LS信道估计 |
3.2.2 频域维纳滤波插值 |
3.2.3 时域拉格朗日插值 |
3.3 MIMO检测算法研究 |
3.3.1 线性检测算法 |
3.3.2 MIMO检测仿真结果及分析 |
3.4 MIMO检测算法并行性分析 |
3.5 本章小结 |
第四章 基于GPP平台的算法优化实现 |
4.1 基于GPP平台的优化方案 |
4.1.1 算法优化 |
4.1.2 编译优化 |
4.1.3 指令集优化 |
4.2 信道估计模块优化实现 |
4.2.1 LS信道估计 |
4.2.2 频域插值 |
4.2.3 时域插值 |
4.3 MIMO检测模块优化实现 |
4.4 算法优化结果 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 论文总结 |
5.2 后续工作展望 |
参考文献 |
致谢 |
(6)超声成像测井图像增强和复原方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 背景与意义 |
1.2 国内外研究现状 |
1.2.1 国内外声成像测井仪器的发展现状 |
1.2.2 国内外成像测井处理软件的研究现状 |
1.2.3 图像增强算法研究现状 |
1.2.4 图像复原算法研究现状 |
1.2.5 存在的问题 |
1.3 论文研究工作 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 论文结构安排 |
第2章 超声测井图像成像基本原理及处理方法 |
2.1 引言 |
2.2 超声成像测井仪器及原理 |
2.2.1 超声成像测井仪器组成 |
2.2.2 声波测量数据成像过程 |
2.2.3 超声测井成像质量影响因素 |
2.3 室内超声成像实验装置构建 |
2.3.1 超声成像装置组成与功能 |
2.3.2 超声成像装置硬件设计 |
2.3.3 超声成像装置软件设计 |
2.3.4 标准模型制作 |
2.4 图像增强方法 |
2.4.1 基于直方图均衡的图像增强算法 |
2.4.2 小波变换图像增强算法 |
2.4.3 基于图像融合的图像增强算法 |
2.4.4 基于色彩恒常性理论的Retinex算法 |
2.5 图像复原方法 |
2.5.1 图像退化模型及复原 |
2.5.2 图像非盲复原方法 |
2.5.3 图像盲复原方法 |
2.6 图像质量评价方法 |
2.6.1 图像质量的主观评价 |
2.6.2 图像质量的客观评价 |
2.7 本章总结 |
第3章 基于CLAHE和幂次变换的超声测井图像增强 |
3.1 引言 |
3.2 局部直方图均衡 |
3.2.1 子块重叠的直方图均衡算法(BOHE) |
3.2.2 子块不重叠直方图均衡化(NOBHE) |
3.2.3 子块部分重叠直方图均衡化(POSHE) |
3.3 基于CLAHE和幂次变换的超声测井图像增强 |
3.3.1 算法原理 |
3.3.2 颜色模型转换 |
3.3.3 CLAHE算法原理 |
3.3.4 幂次变换 |
3.4 参数及性能分析 |
3.4.1 子块数量的影响 |
3.4.2 剪切阈值的影响 |
3.4.3 幂次参数的影响 |
3.5 实验结果及分析 |
3.5.1 实验室超声成像增强结果 |
3.5.2 模型井实验结果 |
3.5.3 现场超声测井图像实验结果 |
3.5.4 客观评价 |
3.6 本章小结 |
第4章 基于POSHE最优剪切限制的超声测井图像增强 |
4.1 引言 |
4.2 子块部分重叠的直方图均衡算法 |
4.2.1 POSHEOC原理及框图 |
4.2.2 POSHE算法流程 |
4.2.3 子块大小和移动步长的影响 |
4.2.4 剪切阈值的影响 |
4.2.5 对比度和过增强分析 |
4.2.6 最优剪切策略 |
4.3 实验结果与分析 |
4.3.1 模型井实验 |
4.3.2 现场超声测井图像实验结果 |
4.3.3 客观评价 |
4.4 本章小结 |
第5章 基于点扩展函数估计的超声测井图像复原 |
5.1 引言 |
5.2 超声测井图像退化模型 |
5.3 超声测井图像复原模型 |
5.4 点扩展函数的估计方法 |
5.4.1 图像观察估计法 |
5.4.2 试验估计法 |
5.4.3 模型估计法 |
5.5 .基于APEX点扩展函数估计的最佳K值维纳滤波测井图像复原 |
5.5.1 点扩展函数的模型估计 |
5.5.2 基于APEX的点扩展函数参数的估计 |
5.5.3 改进APEX算法的超声测井图像退化模型参数估计 |
5.5.4 改进维纳滤波测井图像复原 |
5.6 实验结果与分析 |
5.6.1 计算机模拟图像复原结果 |
5.6.2 实验室超声图像复原结果 |
5.6.3 模型井超声图像复原结果 |
5.6.4 现场超声测井图像复原结果 |
5.7 客观评价 |
5.8 本章小结 |
第6章 全文总结与工作展望 |
6.1 论文主要工作 |
6.2 本文的创新点 |
6.3 今后工作展望 |
致谢 |
参考文献 |
攻读博士学位期间所发表的学术论文 |
个人简历 |
(7)基于时频掩蔽的麦克风阵列语音增强算法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文主要工作 |
1.4 文章结构安排 |
第二章 麦克风阵列语音增强基本理论 |
2.1 语音特性 |
2.2 麦克风阵列基础 |
2.2.1 麦克风阵列信号模型 |
2.2.2 麦克风阵列拓扑结构 |
2.2.3 空间采样定理 |
2.3 现有麦克风阵列语音增强算法概述 |
2.4 高斯混合模型及EM算法 |
2.4.1 高斯混合模型 |
2.4.2 EM算法计算参数 |
2.5 语音质量评价准则 |
2.5.1 主观评价 |
2.5.2 客观评价 |
2.6 小结 |
第三章 基于时频掩蔽的语音失真加权多通道维纳滤波 |
3.1 相关工作总结 |
3.2 语音失真加权多通道维纳滤波 |
3.3 基于时频掩蔽的噪声协方差求解 |
3.3.1 基于时频掩蔽的噪声协方差求解原理 |
3.3.2 基于时频域假设的观测模型 |
3.3.3 复高斯混合模型的观测信号生成模型 |
3.3.4 基于EM算法的参数估计 |
3.3.5 协方差估计 |
3.4 基于掩蔽的后置滤波 |
3.4.1 基于掩蔽的后置滤波原理 |
3.4.2 基于多通道维纳滤波的噪声估计 |
3.4.3 理想二值掩蔽 |
3.4.4 理想比值掩蔽 |
3.5 仿真分析 |
3.5.1 实验环境设置 |
3.5.2 实验结果分析 |
3.6 小结 |
第四章 语音失真加权多通道维纳滤波改进算法 |
4.1 最优rank-1语音失真加权多通道维纳滤波 |
4.2 语音失真加权多通道维纳滤波算法性能分析 |
4.3 改进的语音失真加权多通道维纳滤波 |
4.4 仿真分析 |
4.4.1 实验环境设置 |
4.4.2 实验结果分析 |
4.5 小结 |
第五章 总结与展望 |
5.1 本文工作总结 |
5.2 研究展望 |
参考文献 |
致谢 |
作者简介 |
(8)环形麦克风阵列的语音增强算法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究目的及内容 |
1.4 章节安排 |
第二章 麦克风阵列语音信号处理基础 |
2.1 语音信号理论基础 |
2.1.1 语音信号特性 |
2.1.2 噪声和噪声场模型 |
2.2 麦克风阵列语音增强基础 |
2.2.1 麦克风阵列信号模型 |
2.2.2 近场模型和远场模型 |
2.2.3 麦克风阵列拓扑结构 |
2.3 现有麦克风阵列算法概述 |
2.4 导向矢量与后置滤波算法 |
2.4.1 导向矢量 |
2.4.2 后置滤波算法 |
2.5 常用质量评价方法 |
2.5.1 时延估计的评价 |
2.5.2 平均信噪比和分段信噪比 |
2.5.3 字错误率 |
2.5.4 语音质量感知评价 |
2.6 本章小结 |
第三章 改进MVDR的环形麦克风阵列语音增强系统 |
3.1 MVDR波束形成原理 |
3.2 导向矢量与噪声协方差矩阵的估计 |
3.2.1 导向矢量的估计 |
3.2.2 噪声协方差矩阵的估计 |
3.3 改进的时延估计方法 |
3.4 仿真与结果分析 |
3.4.1 实验参数设置 |
3.4.2 结果及分析 |
3.5 本章小结 |
第四章 使用后置滤波的环形麦克风阵列语音增强系统 |
4.1 维纳后置滤波器基本原理 |
4.2 改进的后置滤波器 |
4.3 仿真与结果分析 |
4.3.1 实验参数设置 |
4.3.2 结果分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 本文工作总结 |
5.2 未来研究展望 |
参考文献 |
致谢 |
作者简介 |
(9)基于语音相位估计和声源空间特征的语音增强方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景 |
1.2 国内外研究现状 |
1.2.1 单通道语音增强方法 |
1.2.2 多通道语音增强方法 |
1.2.3 语音编码 |
1.3 研究目标 |
1.4 研究内容 |
1.5 论文结构 |
第2章 基于深度神经网络和相位修正函数的单通道语音增强方法 |
2.1 基于深度神经网络的单通道语音增强方法 |
2.1.1 基于MLP的深度神经网络基本原理 |
2.1.2 基于深度神经网络的单通道语音增强方法原理 |
2.2 基于深度神经网络和相位修正函数的单通道语音增强方法 |
2.2.1 信号模型及所提方法的基本原理 |
2.2.2 基于深度神经网络的幅度增强方法 |
2.2.3 基于相位修正函数的相位增强方法 |
2.3 实验及结果分析 |
2.3.1 数据集设置 |
2.3.2 神经网络及参数设置 |
2.3.3 测试工具说明 |
2.3.4 实验结果与分析 |
2.4 本章小结 |
第3章 基于深度神经网络和相位解缠绕的单通道语音增强方法 |
3.1 基于元胞自动机的相位解缠绕方法 |
3.1.1 基于元胞自动机的相位解缠绕方法基本原理 |
3.1.2 可行性分析 |
3.2 基于深度神经网络和相位解缠绕的单通道语音增强方法 |
3.2.1 信号模型及所提方法的基本原理 |
3.2.2 基于深度神经网络和相位解缠绕的语音相位增强方法 |
3.2.3 语音幅度增强方法 |
3.3 实验及结果分析 |
3.3.1 数据集设置 |
3.3.2 神经网络及参数设置 |
3.3.3 测试工具说明 |
3.3.4 实验结果与分析 |
3.4 本章小结 |
第4章 基于声源空间特征和语音相位信息的多通道语音增强方法 |
4.1 基于BiLSTM的循环神经网络 |
4.1.1 RNN原理概述 |
4.1.2 基于LSTM的循环神经网络基本原理 |
4.1.3 基于Bi LSTM的循环神经网络基本原理 |
4.2 基于MVDR的波束形成 |
4.2.1 信号模型及波束形成基本原理 |
4.2.2 基于MVDR的波束形成基本原理 |
4.3 基于声源空间特征和语音相位信息的多通道语音增强方法 |
4.3.1 所提方法的基本原理 |
4.3.2 基于IPD和 PSM的 MVDR波束形成方法 |
4.3.3 基于DNN和相位修正函数的单通道后置滤波方法 |
4.4 实验及结果分析 |
4.4.1 数据集设置 |
4.4.2 神经网络及参数设置 |
4.4.3 测试工具说明 |
4.4.4 实验结果与分析 |
4.5 本章小结 |
第5章 基于声源空间特征的多通道语音编码和增强方法 |
5.1 EVS语音编码方法概述 |
5.2 基于MPV的时延估计方法基本原理 |
5.3 基于声源空间特征的多通道语音编码和增强方法 |
5.3.1 所提方法的基本原理 |
5.3.2 基于声源空间特征和EVS的多通道语音编码方法 |
5.4 实验及结果分析 |
5.4.1 数据集设置 |
5.4.2 测试工具说明 |
5.4.3 多通道语音编码实验结果与分析 |
5.4.4 多通道语音编码和增强实验结果与分析 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间所发表和递交的学术论文 |
攻读硕士学位期间参加的科研项目 |
致谢 |
(10)基于电刺激信号信噪比的人工耳蜗降噪算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 听觉系统与人工耳蜗 |
1.2.1 听觉原理与听力损伤 |
1.2.2 人工耳蜗 |
1.3 正常听觉与CI植入者听觉 |
1.4 国内外研究进展 |
1.5 本文主要内容及文章结构 |
第2章 人工耳蜗言语处理策略及降噪算法 |
2.1 人工耳蜗言语处理策略 |
2.1.1 连续间隔采样策略 |
2.1.2 高级混合编码 |
2.2 语音降噪算法 |
2.2.1 维纳滤波降噪算法 |
2.2.2 参数维纳滤波降噪算法 |
2.3 噪声估计算法 |
2.3.1 最小值统计噪声估计算法 |
2.3.2 改进的最小值控制递归平均算法 |
2.4 人工耳蜗降噪算法 |
2.5 语音降噪算法的性能评估 |
2.5.1 语音质量的评价 |
2.5.2 语音可懂度的评价 |
2.6 总结与讨论 |
第3章 基于电刺激信噪比的CI降噪算法 |
3.1 本文算法框架 |
3.2 CI电刺激信号的信噪比估计 |
3.2.1 理想情况下的信噪比估计 |
3.2.2 CI声-电信号信噪比映射 |
3.3 基于增益函数的噪声抑制算法 |
3.3.1 维纳增益函数 |
3.3.2 参数维纳增益函数 |
3.4 总结与讨论 |
第4章 基于电刺激信号信噪比的CI降噪算法的客观分析 |
4.1 CIS言语处理算法的声码器仿真 |
4.2 语音评价指标WSS和 NCM |
4.2.1 加权谱斜率(WSS)距离 |
4.2.2 归一化协方差评价方法(NCM) |
4.3 基于仿真声的降噪效果客观分析 |
4.3.1 包络效果分析 |
4.3.2 语谱图效果分析 |
4.3.3 WSS和 NCM评估 |
4.4 总结与讨论 |
第5章 基于电刺激信号信噪比的CI降噪算法的主观听觉实验 |
5.1 仿真声SRT实验 |
5.1.1 实验素材和实验对象 |
5.1.2 实验方法 |
5.1.3 实验结果 |
5.1.4 分析与讨论 |
5.2 仿真声言语识别实验 |
5.2.1 实验方法 |
5.2.2 个体言语识别率结果分析 |
5.2.3 平均言语识别率结果分析 |
5.2.4 分析与讨论 |
第6章 信噪比估计和降噪算法对实验效果影响的分析与讨论 |
6.1 电刺激信号信噪比估计对降噪效果的影响客观分析 |
6.1.1 包络效果分析 |
6.1.2 语谱图分析 |
6.1.3 WSS和 NCM评估 |
6.2 降噪算法对降噪效果的影响理论分析 |
6.3 总结与讨论 |
第7章 总结与展望 |
7.1 全文总结 |
7.2 后续工作和展望 |
参考文献 |
致谢 |
攻读硕士学位期间的研究成果 |
四、Receiver Function Estimated by Wiener Filtering(论文参考文献)
- [1]条纹阵列激光雷达多回波目标提取及单光子探测研究[D]. 罗铜. 哈尔滨工业大学, 2021(02)
- [2]G3-PLC系统通信可靠性优化研究及实现[D]. 周宇. 西安工业大学, 2021
- [3]强噪音环境下盲源信号的分离及定位算法的研究[D]. 施瑜. 南京邮电大学, 2020(03)
- [4]麦克风阵列波束成形算法研究与实现[D]. 陈颖睿. 南京邮电大学, 2020(02)
- [5]基于GPP的5G NR物理层信道估计和MIMO检测的优化与实现[D]. 吴际. 北京邮电大学, 2020(04)
- [6]超声成像测井图像增强和复原方法研究[D]. 付青青. 长江大学, 2020
- [7]基于时频掩蔽的麦克风阵列语音增强算法研究[D]. 崔培娟. 西安电子科技大学, 2020(05)
- [8]环形麦克风阵列的语音增强算法研究[D]. 张玉帅. 西安电子科技大学, 2020(05)
- [9]基于语音相位估计和声源空间特征的语音增强方法研究[D]. 程锐. 北京工业大学, 2020
- [10]基于电刺激信号信噪比的人工耳蜗降噪算法研究[D]. 邵小伟. 深圳大学, 2019(09)