基于随机共振理论强噪声背景下弱语音信号检测

发布时间：2017-08-08 21:02

  本文关键词：基于随机共振理论强噪声背景下弱语音信号检测

  更多相关文章： 自适应随机共振 语音检测 变尺度 弱信号检测

【摘要】：在日常生活中,人们主要是通过语音来传输信息、交流感情等,因此语音是一种人们最常用且方便有效的沟通方式。然而,在通信时,语音信号无法避免地会受到内部及外界噪声的干扰,导致接收到的是已经被噪声污染的语音信号,而非纯净的原始语音信号,这样会干扰人们迅速准确的接收信息。所以,学者们通过语音增强技术从含噪语音信号中提取稍微纯净的语音信号,改善其质量,以便于更有效的对语音信号进行分析。根据噪声特性的不同,学者们提出了很多语音信号的增强方法。目前,比较常用的语音增强有谱减法、自适应噪声抵消法、小波变换以及维纳滤波器法等。但是,上述方法基本上都是将噪声看作是有害的干扰信号,借助噪声估计等将其从含噪语音中消除掉。而在强噪声背景下,这些方法的降噪效果也随之变差,在去除噪声的同时也会丢失部分语音信息,或者波形失真。随机共振是一种能够将噪声能量转移到弱信号上,进而达到放大弱信号并抑制噪声的方法。基于该原理,本文提出一种基于随机共振理论提取弱语音信号的方法,并与变尺度相结合,实现强噪声背景下弱语音信号的检测。该方法根据系统输出信号的信噪比,自适应调节系统参数,从而最优地检测出弱语音信号。经过实验仿真分析,在强噪声背景下,系统输出信噪比与初始信噪比相比有了较大的提高。该方法很明显的提高了系统输出语音信号的信噪比,同时也为强噪声背景下弱语音信号的检测提供了一个新的思路。
【关键词】：自适应随机共振 语音检测 变尺度 弱信号检测
【学位授予单位】：天津工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN912.3
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 绪论8-14
• 1.1 引言8-9
• 1.2 随机共振研究背景和国内外研究现状9-11
• 1.3 论文研究的主要内容及结构11-14
• 第二章 随机共振基本理论14-30
• 2.1 郎之万方程、福克-普朗克方程14-22
• 2.1.1 郎么万方程15-16
• 2.1.2 福克-普朗克方程16-22
• 2.2 随机共振理论22-27
• 2.2.1 绝热近似理论22-25
• 2.2.2 线性响应理论25-27
• 2.2.3 本征值理论27
• 2.3 随机共振判断方法27-30
• 2.3.1 输出信号功率谱27-28
• 2.3.2 信噪比28
• 2.3.3 互相关系数28-30
• 第三章 随机共振数学模型30-38
• 3.1 双稳态随机共振数学模型30-35
• 3.2 自适应双稳态随机共振35-37
• 3.3 随机共振算法的数值求解37-38
• 第四章 大参数双稳态随机共振系统38-44
• 4.1 双稳态系统的参数特性38-41
• 4.2 变尺度随机共振41-44
• 4.2.1 变尺度随机共振理论41-42
• 4.2.2 大参数信号变尺度随机共振的数值仿真42-44
• 第五章 自适应随机共振在弱语音信号检测中的应用44-54
• 5.1 引言44
• 5.2 语音特性和噪声特性44-45
• 5.2.1 语音特性44-45
• 5.2.2 噪声特性45
• 5.3 基于谱减法的语音检测45-49
• 5.4 含噪弱语音信号自适应随机共振49-51
• 5.4.1 含噪语音信号自适应随机共振模型49-50
• 5.4.2 双稳态随机共振的SNR评价50-51
• 5.5 实验结果与分析51-54
• 第六章 结论与展望54-56
• 参考文献56-60
• 发表论文和参加科研情况60-62
• 致谢62

【相似文献】

中国期刊全文数据库 前10条

1 张桂香;高爱国;;语音信号采集和处理方法的研究[J];高师理科学刊;2007年02期

2 季云云;杨震;;基于主分量分析的语音信号压缩感知[J];信号处理;2011年07期

3 韩大伟;熊欣;;语音信号采集和处理方法的分析[J];无线互联科技;2013年05期

4 张梅横,孙伟,刘雅君;交通指挥网络与语音信号系统的实现[J];信息技术;2000年08期

5 赵力,钱向民,邹采荣,吴镇扬;从语音信号中提取情感特征的研究[J];数据采集与处理;2000年01期

6 戴启军,卞正中,陈砚圃,张介秋;基于统计模型实现语音信号有声/无声检测的研究[J];西安交通大学学报;2002年08期

7 周开利;基于子波变换的语音信号压缩[J];海南大学学报(自然科学版);2002年02期

8 蔡建,方勇,音春,徐洪伟;一种基于频谱特征的语音信号识别方法及硬件实现[J];电声技术;2003年07期

9 屈丹,王炳锡;语音信号元音检测的新方法[J];声学学报;2003年01期

10 胡峻辉,王蓓蕾,李晶皎;基于凌阳单片机的语音信号实时采集[J];单片机与嵌入式系统应用;2003年04期

中国重要会议论文全文数据库 前10条

1 赵力;曾毓敏;邹采荣;吴镇扬;;基于子空间分析的语音信号寂声语声段识别方法[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

2 杜安丽;王茜;余磊;孙洪;;基于小波树结构的语音信号压缩感知恢复算法[A];2010年通信理论与信号处理学术年会论文集[C];2010年

3 张云翼;崔杰;肖灵;;一种改进的语音信号去混响算法[A];泛在信息社会中的声学——中国声学学会2010年全国会员代表大会暨学术会议论文集[C];2010年

4 陈韬;莫福源;李昌立;;语音信号的自动分段方法研究[A];第三届全国人机语音通讯学术会议论文集[C];1994年

5 沙宗先;卢绪刚;秦兵;李吉民;;语音信号的混沌现象研究[A];第四届全国人机语音通讯学术会议论文集[C];1996年

6 沙宗先;韩俊涛;陈惠鹏;秦兵;;语音信号的混沌现象研究[A];第五届全国人机语音通讯学术会议论文集[C];1998年

7 刘佳;师硕;李锡杰;王旭;;语音信号的分析方法和应用[A];第八届全国人机语音通讯学术会议论文集[C];2005年

8 于水源;陈玉东;;语音信号非线性动力学特性与语音学特性之间的关系[A];中国声学学会2006年全国声学学术会议论文集[C];2006年

9 吕苗荣;古德生;彭振斌;;语音信号基本处理单元的选择与应用[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（上册）[C];2007年

10 高畅;李海峰;马琳;;基于压缩感知理论的语音信号压缩与重构方法[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

中国重要报纸全文数据库 前9条

1 西安邮电学院 王娜;企业IP电话解决方案探讨[N];通信信息报;2005年

2 成都 史为;红外光语音通信实验[N];电子报;2005年

3 记者 杨柳纯;HYT携手清华大学研发语音信号技术[N];深圳特区报;2009年

4 ;什么是信号分离器？[N];中国电脑教育报;2003年

5 NMS国际公司供稿;StudioSound：高性能的语音质量[N];通信产业报;2003年

6 陕西 朱亚伟 编译;一款半双工对讲机电路[N];电子报;2012年

7 湖海;美推出一次性手机[N];中国电子报;2002年

8 ;YS-608型学习耳机原理与维修[N];电子报;2002年

9 山东 吕建国;鹦鹉学话、复读两用电路[N];电子报;2002年

中国博士学位论文全文数据库 前10条

1 薛丽芳;语音信号动态特征分析及其可视化的关键技术研究[D];东北大学　;2010年

2 韩志艳;语音信号鲁棒特征提取及可视化技术研究[D];东北大学;2009年

3 刘柏森;基于HHT复杂环境下低信噪比语音检测及增强方法研究[D];哈尔滨工程大学;2011年

4 叶蕾;语音信号压缩感知关键技术研究[D];南京邮电大学;2014年

5 金学成;基于语音信号的情感识别研究[D];中国科学技术大学;2007年

6 陈为国;实时语音信号处理系统理论和应用[D];浙江大学;2004年

7 谭丽丽;语音信号盲分离算法的研究[D];华南理工大学;2001年

8 闫润强;语音信号动力学特性递归分析[D];上海交通大学;2006年

9 覃爱娜;基于非线性理论的汉语语音编码技术研究[D];中南大学;2012年

10 郭海燕;基于稀疏分解的单通道混合语音分离算法研究[D];南京邮电大学;2011年

中国硕士学位论文全文数据库 前10条

1 朱健晨;基于语音信号特征参数提取的同模板匹配算法的综合分析及应用[D];昆明理工大学;2015年

2 杜朦旭;感冒病人嗓音的特征提取与识别研究[D];浙江大学;2016年

3 高源龙;基于压缩感知的语音联合压缩算法研究[D];长春工业大学;2016年

4 陈亚柯;低信噪比下PLC语音信号间断传输的研究[D];河南理工大学;2015年

5 卢欢欢;基于随机共振理论强噪声背景下弱语音信号检测[D];天津工业大学;2016年

6 向靓;RLS算法跟踪性能与时间序列平稳性研究[D];华侨大学;2016年

7 李翠;基于C#的语音信号分析平台的设计[D];山东大学;2009年

8 周伟雄;语音信号的神经网络非线性分析模型及应用[D];华南理工大学;2010年

9 孙艳;语音信号时频建模的研究[D];江南大学;2011年

10 马春;基于压缩感知的语音信号重构方法研究[D];安徽大学;2012年

，

本文编号：641989