导读:本文包含了噪声功率谱估计论文开题报告文献综述及选题提纲参考文献，主要关键词:相干滤波,无偏估计,软语音存在概率,噪声互功率谱密度
噪声功率谱估计论文文献综述
罗瀛,曾庆宁,龙超[1]（2019）在《基于软语音存在概率的噪声互功率谱估计》一文中研究指出针对目前已有的改进相干滤波语音增强系统中噪声互功率谱估计方法运算效率低、准确性不足的问题,提出一种基于软语音存在概率的噪声互功率谱估计方法。通过计算语音信号的固定先验软语音存在概率代替语音活动检测器,得到噪声互功率谱的无偏估计值,以改善估计的准确性,同时还可避免复杂的偏差补偿值计算,使算法计算量得以减小。仿真实验结果表明,所提出的噪声互功率谱估计方法在应用于改进相干滤波语音增强系统时有更好的感知语音质量评价得分,且运算用时更短。(本文来源于《科学技术与工程》期刊2019年23期）
陈建明,梁志成,符成山[2]（2019）在《基于时间递归平均的语音噪声功率谱估计算法研究》一文中研究指出提出一种改进的时间递归平均噪声功率谱估计算法;利用谱熵计算当前语音存在概率并获取平滑系数,采用双平滑系数估计平滑后的当前语音存在概率,最后得到噪声功率谱;该算法采用自适应跟踪可以通过参数及时跟踪噪声变化,使得估计的噪声信号与原噪声信号基本保持一致;实验仿真结果证明该算法估计的噪声明显改善了时间递归平均算法估计滞后的问题,同时该算法的归一化均方误差也低于时间递归平均算法。(本文来源于《兵器装备工程学报》期刊2019年01期）
严争通,张群飞[3]（2017）在《基于Welch功率谱估计和中值滤波的水下目标辐射噪声线谱提取》一文中研究指出线谱是水下目标辐射噪声中重要的特征信息,提出了一种基于Welch谱估计和中值滤波联合算法对水下目标辐射噪声线谱进行提取。Welch谱估计法可以有效地减小功率谱估计的方差,中值滤波方法可以精确地跟踪功率谱的变化趋势,实现连续谱的平滑和提取。所提算法充分利用了Welch谱估计和中值滤波算法的优点,实测数据分析结果表明,采用Welch算法和中值滤波联合算法处理水下目标的辐射噪声信号能够有效地提取线谱,两者的结合有利于提高线谱的检测准确度。(本文来源于《第十一届全国信号和智能信息处理与应用学术会议专刊》期刊2017-10-26）
赵彦平,赵晓晖,王波[4]（2016）在《基于语音存在概率的噪声功率谱估计》一文中研究指出在幅度平方谱模型下,利用语音和噪声信号的幅度平方谱服从指数分布,结合由后验信噪比不确定性决定的后验语音存在概率来更新噪声功率谱估计,很好地抑制了噪声且避免了语音信号失真。仿真实验结果表明:本文方法能够准确跟踪噪声功率谱、快速跟踪噪声功率谱变化,可以在一定程度上提高增强后语音信号的质量。(本文来源于《吉林大学学报(工学版)》期刊2016年03期）
张正文,赵晓晴,尹波[5]（2016）在《基于递归最小追踪的噪声互功率谱估计算法》一文中研究指出针对改进最小追踪噪声互功率谱估计方法存在的噪声过估计的问题。提出一种基于递归最小追踪的噪声互功率谱估计算法。该方法中的平滑因子使用了递归平均技术,在估计噪声互功率谱时,会根据每个频点的实际信噪比作相应的调整。仿真结果表明,该噪声估计算法应用于一个语音增强系统时,取得了较小的噪声均方估计误差及较好的感知语音质量评价(PESQ)得分。(本文来源于《科学技术与工程》期刊2016年10期）
许春冬[6]（2016）在《嘈杂声学环境下的时频语音出现概率与噪声功率谱估计》一文中研究指出语音出现概率与噪声功率谱是语音增强所依赖的基本前提,它们对噪声消除的结果有着决定性的影响。语音出现概率与噪声功率谱估计是两个等效问题,从一个问题的解可以推导出另一个解。本文关注的焦点在于利用统计模型推导出两个最优解。传统的统计模型建模方法是启发式的,在模型参数的更新过程中采用了大量的经验规则,甚至某些重要的参数直接由经验给出。启发式的方法使得模型参数对数据的自适应能力差,难以保证最优解。此外,传统的建模方法是半监督式的。它们通常假定输入语音是以非语音起始的,起始部分的非语音可视作被标记的样本,用于监督式建模,在后续更新中采用决策导向的非监督方法更新模型,因而在整体上视为半监督式的建模。然而,在实际应用中输入语音经常以语音信号起始,因而半监督式建模方法不能满足实际需求。针对传统方法存在的问题,本文提出了一种基于非监督聚类的最优估计方法,在极大似然准则指导下求解聚类模型的参数,从而保证了语音出现概率和噪声功率谱的解是最优的。具体采用二元高斯混合模型(GMM)和隐马尔可夫模型(HMM)作为聚类模型,将语音和非语音聚类看作模型的两个“元”。本文中,聚类过程等同于模型参数的估计过程,噪声功率谱的解则由聚类均值表示,语音出现概率(SPP)则由聚类的统计特征导出。由于聚类是非监督式的建模方法,它不需要非语音起始假设,比传统的建模方式更贴近于实际应用。论文的具体贡献和创新性研究成果简述如下:1.提出了二元GMM的非监督离线建模方法,对每个子带上的对数功率谱包络建模,采用经典的EM方法实现最优估计。2.提出了二元HMM的离线建模方法。HMM相比于GMM的优势在于它考虑了谱包络的时间相关性,它将子带上的功率谱包络视作在语音和非语音状态之间动态转移的状态序列,EM方法使得时间相关性自适应于观察数据。3.在经典的EM方法基础上,实现了一个近似最优的GMM参数在线估计,GMM的参数集逐帧更新,同时逐帧输出检测与估计结果。4.提出HMM的在线似然函数,并在似然函数的基础上,根据牛顿迭代法推导出HMM参数集的一阶递归过程,实现参数的逐帧最优更新。5.针对功率谱包络的统计特征,提出约束二元GMM/HMM模型的方法,使得模型在语音长时缺失的情况仍然保持稳定。(本文来源于《北京理工大学》期刊2016-01-01）
许春冬,战鸽,应冬文,李军锋,颜永红[7]（2015）在《基于隐马尔可夫模型的非监督噪声功率谱估计》一文中研究指出噪声功率谱估计是语音增强算法的基本组成部分,传统算法大多采用启发式的估计方法,因而不能保证噪声估计值的统计最优。提出了一种基于极大似然的非监督噪声功率谱估计方法,采用隐马尔可夫模型(Hidden Markov model,HMM)在每个子带建立语音和非语音对数功率谱的统计模型,模型包含语音和非语音两个高斯分量,其中非语音高斯分量的均值表示噪声功率谱估计值,根据最大期望(Expectation maximization,EM)算法得到包括噪声均值在内的HMM参数集。针对语音信号可能出现的长时缺失,对HMM引入了一些约束条件,保证了模型的稳定性。实验表明,该方法获得的极大似然噪声估计优于基于启发式的经典方法获得的噪声估计。(本文来源于《数据采集与处理》期刊2015年02期）
冯炎,安宝坤[8]（2014）在《改进型加权噪声功率谱估计算法》一文中研究指出提出一种改进型的加权噪声功率谱估计算法,该算法使用平滑因子对加权噪声功率谱估计算法所计算的噪声进行平滑处理。实验结果表明,当应用于语音增强系统时,改进型算法的优越性能得以体现。(本文来源于《重庆科技学院学报(自然科学版)》期刊2014年04期）
任全会,于彦峰[9]（2014）在《Welch功率谱估计算法在相位噪声测量中的应用》一文中研究指出针对传统的功率谱估计方法存在频谱分布不稳定、无法反映信号时变特性的问题,提出了一种基于Welch功率谱估计的相位噪声测量算法。该方法通过对不同的被测信号进行功率谱的估计,可以相应地选择Welch法数据分段和窗函数,并对相位噪声建立数学模型。随后对相位噪声与噪声功率谱之间的关系进行了分析。测试结果表明,该方法不但具有能适应噪声信号的随机性和脉冲性的优点,而且大大减小了噪声功率谱的均方误差,能很好地应用在相位噪声测量中。(本文来源于《自动化仪表》期刊2014年01期）
冯炎,安宝坤[10]（2013）在《基于加权噪声的递归平滑噪声功率谱估计》一文中研究指出提出了一种噪声功率谱估计算法,该算法对加权后的带噪语音进行递归平滑,可以持续更新噪声并可应用于非平稳噪声环境中。为了避免在强语音后的弱语音区域出现噪声过估计,本文提出了用于计算加权函数的投影平滑算法。本文噪声估计算法可以快速跟踪噪声的变化并且没有过估计。实验结果表明,本文噪声估计算法应用于一个语音增强系统时,取得了较小的噪声分段估计误差及较好的感知语音质量评价(PESQ)得分。(本文来源于《太赫兹科学与电子信息学报》期刊2013年05期）
噪声功率谱估计论文开题报告
（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：
提出一种改进的时间递归平均噪声功率谱估计算法;利用谱熵计算当前语音存在概率并获取平滑系数,采用双平滑系数估计平滑后的当前语音存在概率,最后得到噪声功率谱;该算法采用自适应跟踪可以通过参数及时跟踪噪声变化,使得估计的噪声信号与原噪声信号基本保持一致;实验仿真结果证明该算法估计的噪声明显改善了时间递归平均算法估计滞后的问题,同时该算法的归一化均方误差也低于时间递归平均算法。
（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。
噪声功率谱估计论文参考文献
[1].罗瀛,曾庆宁,龙超.基于软语音存在概率的噪声互功率谱估计[J].科学技术与工程.2019
[2].陈建明,梁志成,符成山.基于时间递归平均的语音噪声功率谱估计算法研究[J].兵器装备工程学报.2019
[3].严争通,张群飞.基于Welch功率谱估计和中值滤波的水下目标辐射噪声线谱提取[C].第十一届全国信号和智能信息处理与应用学术会议专刊.2017
[4].赵彦平,赵晓晖,王波.基于语音存在概率的噪声功率谱估计[J].吉林大学学报(工学版).2016
[5].张正文,赵晓晴,尹波.基于递归最小追踪的噪声互功率谱估计算法[J].科学技术与工程.2016
[6].许春冬.嘈杂声学环境下的时频语音出现概率与噪声功率谱估计[D].北京理工大学.2016
[7].许春冬,战鸽,应冬文,李军锋,颜永红.基于隐马尔可夫模型的非监督噪声功率谱估计[J].数据采集与处理.2015
[8].冯炎,安宝坤.改进型加权噪声功率谱估计算法[J].重庆科技学院学报(自然科学版).2014
[9].任全会,于彦峰.Welch功率谱估计算法在相位噪声测量中的应用[J].自动化仪表.2014
[10].冯炎,安宝坤.基于加权噪声的递归平滑噪声功率谱估计[J].太赫兹科学与电子信息学报.2013