CN113238206B - 一种基于判决统计量设计的信号检测方法及系统 - Google Patents

一种基于判决统计量设计的信号检测方法及系统 Download PDF

Info

Publication number
CN113238206B
CN113238206B CN202110431046.9A CN202110431046A CN113238206B CN 113238206 B CN113238206 B CN 113238206B CN 202110431046 A CN202110431046 A CN 202110431046A CN 113238206 B CN113238206 B CN 113238206B
Authority
CN
China
Prior art keywords
data
signal
frequency band
gamma
pass filter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110431046.9A
Other languages
English (en)
Other versions
CN113238206A (zh
Inventor
郑恩明
陈新华
李嶷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Acoustics CAS
Original Assignee
Institute of Acoustics CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Acoustics CAS filed Critical Institute of Acoustics CAS
Priority to CN202110431046.9A priority Critical patent/CN113238206B/zh
Publication of CN113238206A publication Critical patent/CN113238206A/zh
Application granted granted Critical
Publication of CN113238206B publication Critical patent/CN113238206B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G06F17/153—Multidimensional correlation or convolution

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明涉及声纳信号处理领域，特别涉及一种基于判决统计量设计的信号检测方法及系统，所述方法包括：采用伽马通滤波器组对传感器拾取数据进行分频带处理得到各频带数据；根据信号与背景噪声在强度和稳定性上的差异性，对各频带数据进行方差归一化处理，建立判决统计量；根据判决统计量对各频带数据进行判决处理，实现对信号增强和检测。本发明的方法在无需搜索单个滤波频带的情况下，提高了合成数据信噪比，实现对信号的增强和检测。

Description

一种基于判决统计量设计的信号检测方法及系统
技术领域
本发明涉及声纳信号处理领域，特别涉及一种基于判决统计量设计的信号检测方法及系统。
背景技术
信号检测在雷达、声纳和语音等领域中占有重要的地位。因此，如何在复杂背景中准确检测感兴趣的信号一直是声纳、雷达和语音等领域中信号处理所关心的研究内容之一。目前，比较经典和常用的信号检测方法有互相关检测法、平方律检波器法、能量累积检测法等。其中，能量累积检测法由于其复杂度低，被广泛应用。但是该类检测法需要一定的信噪比，在信噪比较低的情况下，对未知信号检测效果较差，需要采取一定的滤波手段对数据进行增强处理，以提高信噪比。
为了对处理数据中期望信号实现增强，提升信号检测效果，研究者提出了一些信号的增强方法，并取得了一定的应用效果，如参数方法、非参数方法以及统计方法。在参数方法中主要代表性方法为：梳状滤波器、维纳滤波和卡尔曼滤波方法等；非参数方法主要代表性方法为：自适应抵消和谱减法等；在统计方法中主要代表性方法为：映射方法，参数估计和隐马尔科夫模型等。但这些方法在实际应用中还存在一些问题，如参数方法对所使用的模型依赖性强，需要提取模型参数；非参数方法不需要从传感器拾取数据中估计模型参数，由于没有利用潜在的统计信息，不适合处理含非平稳背景噪声数据；统计方法充分利用了统计特点，以概率计算方法实现对信号的增强，但需要依赖一定准则实现对最优结构的选择。
综上，如何应对低信噪比情况下、对信号进行检测仍然是富有挑战性的难题。
发明内容
本发明的目的在于解决上述问题，提出一种基于判决统计量设计的信号检测方法及系统。
为了实现上述目的，本发明提出了一种基于判决统计量设计的信号检测方法，所述方法包括：
采用伽马通滤波器组对传感器拾取数据进行分频带处理得到各频带数据；
根据信号与背景噪声在强度和稳定性上的差异性，对各频带数据进行方差归一化处理，建立判决统计量；
根据判决统计量对各频带数据进行判决处理，实现对信号的增强和检测。
作为上述方法的一种改进，所述方法具体包括：
步骤1)采用伽马通滤波器组对传感器拾取数据x(n)进行处理，得到I组频带数据，第i组频带数据yi(n)为：
yi(n)＝x(n)*gi(n)
其中，n为采样点，n＝1,2,…,N，N为一次处理采样长度，gi(n)为第i个伽马通滤波器传递函数，i＝1,2,…,I，*为卷积运算符；
gi(n)为：
Figure BDA0003031371380000021
其中，A为伽马通滤波器组增益，L为伽马通滤波器组的阶数，L＝4，fi为第i个伽马通滤波器的中心频率，
Figure BDA0003031371380000022
为第i个伽马通滤波器的初始相位，令
Figure BDA0003031371380000023
μ(m)为阶跃函数，满足下式：
Figure BDA0003031371380000024
其中，m表示时域信号；则μ(n)＝1；
bi为第i个伽马通滤波器的衰减因子，满足下式：
bi＝1.019ERB(fi),i＝1,2,…,I
其中，ERB(fi)为第i个伽马通滤波器等效矩形带宽，满足下式：
Figure BDA0003031371380000025
步骤2)根据信号与背景噪声在强度和稳定性上的差异性，对每组频带数据计算强度归一化方差，消除不同滤波器等效矩形带宽对判决统计量的影响；第i组强度归一化方差Dδi为：
Figure BDA0003031371380000026
其中，
Figure BDA0003031371380000031
为各频带数据的平均值：
Figure BDA0003031371380000032
步骤3)建立各频带的判决统计量，第i组频带的判决统计量Ti为：
Figure BDA0003031371380000033
步骤4)根据各频带判决统计量，对各频带数据进行判决加权处理，并进行合成，得到增强信号zi(n)为：
Figure BDA0003031371380000034
步骤5)采用能量累积检测方法对zi(n)进行处理，实现对信号的检测。
一种基于判决统计量设计的信号检测系统，所述系统包括伽马通滤波器组、归一化及判决统计模块和信号增强检测模块；其中，
所述伽马通滤波器组，用于对传感器拾取数据进行分频带处理得到各频带数据；
所述归一化及判决统计模块，用于根据信号与背景噪声在强度和稳定性上的差异性，对各频带数据进行方差归一化处理，建立判决统计量；
所述信号增强检测模块，用于根据判决统计量对各频带数据进行判决处理，实现对信号增强和检测。
作为上述系统的一种改进，所述伽马通滤波器组的具体处理过程包括：
对传感器拾取数据x(n)进行处理，得到I组频带数据，第i组频带数据yi(n)为：
yi(n)＝x(n)*gi(n)
其中，n为采样点，n＝1,2,…,N，N为一次处理采样长度，gi(n)为第i个伽马通滤波器传递函数，i＝1,2,…,I，*为卷积运算符；
gi(n)为：
Figure BDA0003031371380000035
其中，A为伽马通滤波器组增益，L为伽马通滤波器组的阶数，L＝4，fi为第i个伽马通滤波器的中心频率，
Figure BDA0003031371380000036
为第i个伽马通滤波器的初始相位，令
Figure BDA0003031371380000037
μ(m)为阶跃函数，满足下式：
Figure BDA0003031371380000041
其中，m表示时域信号；则μ(n)＝1；
bi为第i个伽马通滤波器的衰减因子，满足下式：
bi＝1.019ERB(fi),i＝1,2,…,I
其中，ERB(fi)为第i个伽马通滤波器等效矩形带宽，满足下式：
Figure BDA0003031371380000042
作为上述系统的一种改进，所述归一化及判决统计模块的具体处理过程包括：
根据信号与背景噪声在强度和稳定性上的差异性，对每组频带数据计算强度归一化方差，消除不同滤波器等效矩形带宽对判决统计量的影响；第i组强度归一化方差Dδi为：
Figure BDA0003031371380000043
其中，
Figure BDA0003031371380000044
为各频带数据的平均值：
Figure BDA0003031371380000045
建立各频带的判决统计量，第i组频带的判决统计量Ti为：
Figure BDA0003031371380000046
作为上述系统的一种改进，所述信号增强检测模块的具体处理过程包括：
根据各频带判决统计量，对各频带数据进行判决加权处理，并进行合成，得到增强信号zi(n)为：
Figure BDA0003031371380000047
采用能量累积检测方法对zi(n)进行处理，实现对信号的检测。
与现有技术相比，本发明的优势在于：
利用信号与背景噪声在强度和稳定性上的差异特性，通过对各频带数据进行方差归一化处理，建立判决统计量，对各频带数据进行判决处理，在无需搜索单个滤波频带的情况下，提高了合成数据信噪比，实现对信号增强和检测。
附图说明
图1为本发明实施例1的基于判决统计量设计的信号检测方法流程图；
图2(a)为本发明实施例1的伽马通波器组第12个滤波器时域波形；
图2(b)为本发明实施例1的伽马通波器组各滤波器频响；
图2(c)为仿真实例所造数据时域波形；
图2(d)为仿真实例所造数据频域波形；
图3(a)为仿真实例采用FIR滤波后数据时域波形；
图3(b)为仿真实例采用FIR滤波后数据频域波形；
图4(a)为仿真实例采用本发明的方法处理后的时域波形；
图4(b)为仿真实例采用本发明的方法处理后的频域波形；
图5(a)为仿真实例本发明所得归一化方差；
图5(b)为仿真实例本发明所得判决统计量；
图6(a)为仿真实例未采用本发明方法处理前信号检测结果的时域波形；
图6(b)为仿真实例未采用本发明方法处理前信号检测结果的时域包络；
图7(a)为仿真实例采用本发明方法处理后信号检测结果的时域波形；
图7(b)为仿真实例采用本发明方法处理后信号检测结果的时域包络。
具体实施方式
本发明提出一种基于判决统计量设计的信号检测方法，该方法以人耳耳蜗时频分解原理为基础，设计伽马通滤波器组，对传感器拾取数据进行分析处理，并根据信号与背景噪声在强度和稳定性上的差异，建立判决统计量，对各频带数据实现判决加权处理，在无需搜索单个滤波频带的情况下，提高了合成数据信噪比，实现了对信号的增强和检测，进而提升了能量累积检测方法对信号的检测效果。最后通过数值仿真进一步验证了本发明所述方法的有效性和可行性。
下面结合附图和实施例对本发明的技术方案进行详细的说明。
实施例1
如图1所示，本发明的实施例1提供了一种基于判决统计量设计的信号检测方法。
在对本发明的方法做详细说明前，首先对本发明的方法所述信号检测流程图加以描述。传感器拾取数据首先通过已设计的滤波器组进行分解，将其分解成与耳蜗非线性频率相对应的子带数据；然后采用强度和稳定性信息形成判决统计量提取组成因子，构建判决统计量；最后采用非线性判决加权方法对信号增强。
下面对本发明方法做进一步的说明。
伽马通(Gammatone)滤波器滤波器组基本原理
在人耳听觉系统中，不同频率的信号可在人耳耳蜗基底膜的不同位置产生最大响应。对此，可依据人耳耳蜗基底膜频响特性，设计相应滤波器组模拟耳蜗基底膜频响特性，对传感器拾取数据进行分解处理，增强未知多频带组合信号所在频带在整个处理频带中的比重。
在模拟人耳耳蜗基底膜时频分解中，本发明采用一组相互交叠的伽马通滤波器组模拟实现，滤波器组的时域响应可表示为：
Figure BDA0003031371380000061
式中，n为采样点，A为滤波器组增益，L为滤波器组的阶数，bi为第1≤i≤I个滤波器组衰减因子，I为滤波器个数；fi为第i个滤波器中心频率，μ(n)为阶跃函数，
Figure BDA0003031371380000064
为滤波器的初始相位。
Figure BDA0003031371380000062
衰减因子bi决定了滤波器时域响应衰减速度，其与滤波器带宽有关，关系式如式(3)所示：
bi＝1.019ERB(fi),i＝1,2,…,I (3)
式中，ERB(fi)为第i个滤波器等效矩形带宽，其表示形式为：
Figure BDA0003031371380000063
对于采样率为fs的数据拾取系统，在处理频带数确定的情况下，由式(3)和式(4)可得到第i个滤波器的中心频率fi，然后由式(1)可得到第i个滤波器的时域响应。
判决处理
首先，采用Gammatone滤波器组对传感器拾取数据x(n)(n＝1,2,…,N，N为一次处理采样长度，)进行处理，可得I组分解后数据yi(n)(i,i＝1,2,…,I)。
yi(n)＝x(n)*gi(n) (5)
式中，gi(n)为第i,i＝1,2,…,I个Gammatone滤波器，*为卷积运算符。
其次对每个频带数据yi(n)强度归一化方差，消除不同滤波器等效矩形带宽对判决统计量的影响。
Figure BDA0003031371380000071
式中，
Figure BDA0003031371380000072
再次建立判决统计量。
Figure BDA0003031371380000073
最后根据提到的各频带判决统计量Ti，对各频带数据yi(n)进行判决加权处理，并对其进行合成，得到信噪比较高的数据zi(n)。
Figure BDA0003031371380000074
步骤5)可采用能量累积检测方法对zi(n)进行处理，实现对信号的检测。
仿真实例分析
下面结合实例，对本发明方法的效果进行比较。
为了进一步验证本发明方法可以有效实现对信号检测，进行如下数值仿真分析，见下表：
表1数值仿真参数
Figure BDA0003031371380000075
Figure BDA0003031371380000081
仿真中，假定数据处理前对脉冲信号频带、脉宽长度均未知，所以在处理数据前只采用了带宽为100Hz～8kHz的128阶FIR滤波器对处理数据进行初始滤波处理。
图3至图4给出了采用本发明方法处理前后的数据对比，图5为本次处理中所得的判决统计量，所用滤波器组即为图2(a)-(d)所示Gammatone滤波器组。
数值仿真中采用图2所示Gammatone滤波器组。
图3(a)、(b)为FIR滤波后数据时频波形；
图4(a)、(b)为本发明方法处理后时频波形；
图5(a)、(b)为本发明所得判决统计量；
图6(a)、(b)为未采用本发明方法处理前信号检测结果；
图7(a)、(b)为采用本发明方法处理后信号检测结果。
由图6和图7结果可知，采用能量累积检测法无法对原始数据进行信号检测，无法对第2000个采样点附近未知脉冲信号实现检测；而经本发明方法处理后，再采用能量累积检测法对其进行检测，可有效实现对第2000个采样点和第4000个采样点附近未知的脉冲信号检测。该结果进一步证实了本发明方法可提升信号检测方法对未知多频带组合信号的检测效果。
实施例2
本发明的实施例2提出了一种基于判决统计量设计的信号检测系统。该系统包括：一种基于判决统计量设计的信号检测系统，所述系统包括伽马通滤波器组、归一化及判决统计模块和信号增强检测模块；具体处理方法同实施例1。
所述伽马通滤波器组，用于对传感器拾取数据进行分频带处理得到各频带数据；
所述归一化及判决统计模块，用于根据信号与背景噪声在强度和稳定性上的差异性，对各频带数据进行方差归一化处理，建立判决统计量；
所述信号增强检测模块，用于根据判决统计量对各频带数据进行判决处理，实现对信号增强和检测。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种基于判决统计量设计的信号检测方法，所述方法包括：
采用伽马通滤波器组对传感器拾取数据进行分频带处理得到各频带数据；
根据信号与背景噪声在强度和稳定性上的差异性，对各频带数据进行方差归一化处理，建立判决统计量；
根据判决统计量对各频带数据进行判决处理，实现对信号的增强和检测；
所述方法具体包括：
步骤1)采用伽马通滤波器组对传感器拾取数据x(n)进行处理，得到I组频带数据，第i组频带数据yi(n)为：
yi(n)＝x(n)*gi(n)
其中，n为采样点，n＝1,2,…,N，N为一次处理采样长度，gi(n)为第i个伽马通滤波器传递函数，i＝1,2,…,I，*为卷积运算符；
gi(n)为：
Figure FDA0003321434270000011
其中，A为伽马通滤波器组增益，L为伽马通滤波器组的阶数，L＝4，fi为第i个伽马通滤波器的中心频率，
Figure FDA0003321434270000012
为第i个伽马通滤波器的初始相位，令
Figure FDA0003321434270000013
μ(m)为阶跃函数，满足下式：
Figure FDA0003321434270000014
其中，m表示时域信号；
bi为第i个伽马通滤波器的衰减因子，满足下式：
bi＝1.019ERB(fi),i＝1,2,…,I
其中，ERB(fi)为第i个伽马通滤波器等效矩形带宽，满足下式：
Figure FDA0003321434270000015
步骤2)根据信号与背景噪声在强度和稳定性上的差异性，对每组频带数据计算强度归一化方差，消除不同滤波器等效矩形带宽对判决统计量的影响；第i组强度归一化方差Dδi为：
Figure FDA0003321434270000021
其中，
Figure FDA0003321434270000022
为各频带数据的平均值：
Figure FDA0003321434270000023
步骤3)建立各频带的判决统计量，第i组频带的判决统计量Ti为：
Figure FDA0003321434270000024
步骤4)根据各频带判决统计量，对各频带数据进行判决加权处理，并进行合成，得到增强信号zi(n)为：
Figure FDA0003321434270000025
步骤5)采用能量累积检测方法对zi(n)进行处理，实现对信号的检测。
2.一种基于判决统计量设计的信号检测系统，其特征在于，所述系统包括伽马通滤波器组、归一化及判决统计模块和信号增强检测模块；其中，
所述伽马通滤波器组，用于对传感器拾取数据进行分频带处理得到各频带数据；
所述归一化及判决统计模块，用于根据信号与背景噪声在强度和稳定性上的差异性，对各频带数据进行方差归一化处理，建立判决统计量；
所述信号增强检测模块，用于根据判决统计量对各频带数据进行判决处理，实现对信号增强和检测；
所述伽马通滤波器组的具体处理过程包括：
对传感器拾取数据x(n)进行处理，得到I组频带数据，第i组频带数据yi(n)为：
yi(n)＝x(n)*gi(n)
其中，n为采样点，n＝1,2,…,N，N为一次处理采样长度，gi(n)为第i个伽马通滤波器传递函数，i＝1,2,…,I，*为卷积运算符；
gi(n)为：
Figure FDA0003321434270000031
其中，A为伽马通滤波器组增益，L为伽马通滤波器组的阶数，L＝4，fi为第i个伽马通滤波器的中心频率，
Figure FDA0003321434270000032
为第i个伽马通滤波器的初始相位，令
Figure FDA0003321434270000033
μ(m)为阶跃函数，满足下式：
Figure FDA0003321434270000034
其中，m表示时域信号；
bi为第i个伽马通滤波器的衰减因子，满足下式：
bi＝1.019ERB(fi),i＝1,2,…,I
其中，ERB(fi)为第i个伽马通滤波器等效矩形带宽，满足下式：
Figure FDA0003321434270000035
所述归一化及判决统计模块的具体处理过程包括：
根据信号与背景噪声在强度和稳定性上的差异性，对每组频带数据计算强度归一化方差，消除不同滤波器等效矩形带宽对判决统计量的影响；第i组强度归一化方差Dδi为：
Figure FDA0003321434270000036
其中，
Figure FDA0003321434270000037
为各频带数据的平均值：
Figure FDA0003321434270000038
建立各频带的判决统计量，第i组频带的判决统计量Ti为：
Figure FDA0003321434270000039
所述信号增强检测模块的具体处理过程包括：
根据各频带判决统计量，对各频带数据进行判决加权处理，并进行合成，得到增强信号zi(n)为：
Figure FDA0003321434270000041
采用能量累积检测方法对zi(n)进行处理，实现对信号的检测。
CN202110431046.9A 2021-04-21 2021-04-21 一种基于判决统计量设计的信号检测方法及系统 Active CN113238206B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110431046.9A CN113238206B (zh) 2021-04-21 2021-04-21 一种基于判决统计量设计的信号检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110431046.9A CN113238206B (zh) 2021-04-21 2021-04-21 一种基于判决统计量设计的信号检测方法及系统

Publications (2)

Publication Number Publication Date
CN113238206A CN113238206A (zh) 2021-08-10
CN113238206B true CN113238206B (zh) 2022-02-22

Family

ID=77128686

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110431046.9A Active CN113238206B (zh) 2021-04-21 2021-04-21 一种基于判决统计量设计的信号检测方法及系统

Country Status (1)

Country Link
CN (1) CN113238206B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6980602B1 (en) * 2001-01-31 2005-12-27 Comsys Communication & Signal Processing Ltd. Normalization of equalizer soft output for channels with varying noise power
CN101738611A (zh) * 2009-12-15 2010-06-16 中国科学院声学研究所 一种水声目标信号检测和识别方法
CN103985390A (zh) * 2014-05-20 2014-08-13 北京安慧音通科技有限责任公司 一种基于伽马通相关图语音特征参数提取方法
CN104658544A (zh) * 2013-11-20 2015-05-27 大连佑嘉软件科技有限公司 一种语音中瞬态噪声抑制的方法
US9215527B1 (en) * 2009-12-14 2015-12-15 Cirrus Logic, Inc. Multi-band integrated speech separating microphone array processor with adaptive beamforming
CN110110341A (zh) * 2018-02-01 2019-08-09 中国科学院声学研究所 一种判决门限自动推荐的脉冲检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101399039B (zh) * 2007-09-30 2011-05-11 华为技术有限公司 一种确定非噪声音频信号类别的方法及装置
US10381024B2 (en) * 2017-04-27 2019-08-13 Motorola Solutions, Inc. Method and apparatus for voice activity detection

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6980602B1 (en) * 2001-01-31 2005-12-27 Comsys Communication & Signal Processing Ltd. Normalization of equalizer soft output for channels with varying noise power
US9215527B1 (en) * 2009-12-14 2015-12-15 Cirrus Logic, Inc. Multi-band integrated speech separating microphone array processor with adaptive beamforming
CN101738611A (zh) * 2009-12-15 2010-06-16 中国科学院声学研究所 一种水声目标信号检测和识别方法
CN104658544A (zh) * 2013-11-20 2015-05-27 大连佑嘉软件科技有限公司 一种语音中瞬态噪声抑制的方法
CN103985390A (zh) * 2014-05-20 2014-08-13 北京安慧音通科技有限责任公司 一种基于伽马通相关图语音特征参数提取方法
CN110110341A (zh) * 2018-02-01 2019-08-09 中国科学院声学研究所 一种判决门限自动推荐的脉冲检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于相位相关的低信噪比下BPSK DS/SS检测方法;王满喜等;《数据采集与处理》;20090515(第03期);全文 *
基于计算听觉场景分析的说话人转换检测;杨登舟等;《计算机工程》;20180215(第02期);全文 *

Also Published As

Publication number Publication date
CN113238206A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN107845389B (zh) 一种基于多分辨率听觉倒谱系数和深度卷积神经网络的语音增强方法
CN104157295B (zh) 用于检测及抑制瞬态噪声的方法
US7492814B1 (en) Method of removing noise and interference from signal using peak picking
CN110148420A (zh) 一种适用于噪声环境下的语音识别方法
CN109643554A (zh) 自适应语音增强方法和电子设备
US7676046B1 (en) Method of removing noise and interference from signal
CN110503967B (zh) 一种语音增强方法、装置、介质和设备
CN104835503A (zh) 一种改进gsc自适应语音增强方法
CN109890043A (zh) 一种基于生成式对抗网络的无线信号降噪方法
CN102624349B (zh) 一种对原始数据低失真的谐波噪声干扰和白噪声干扰的去除方法
CN106199532A (zh) 基于混合傅立叶‑小波分析的探地雷达信号降噪方法
CN110808057A (zh) 一种基于约束朴素生成对抗网络的语音增强方法
CN113096682A (zh) 基于掩码时域解码器的实时语音降噪方法和装置
CN113593599A (zh) 一种去除语音信号中噪声信号的方法
CN111968651A (zh) 一种基于wt的声纹识别方法及系统
CN107123431A (zh) 一种水声信号降噪方法
Do et al. Speech Separation in the Frequency Domain with Autoencoder.
CN113341378B (zh) 基于频谱差分熵检测的自适应信道化接收方法
CN113238206B (zh) 一种基于判决统计量设计的信号检测方法及系统
Zeng et al. Underwater sound classification based on Gammatone filter bank and Hilbert-Huang transform
Hong et al. Independent component analysis based single channel speech enhancement
CN116665681A (zh) 一种基于组合滤波的雷声识别方法
CN113948088A (zh) 基于波形模拟的语音识别方法及装置
CN113066483B (zh) 一种基于稀疏连续约束的生成对抗网络语音增强方法
CN112086105A (zh) 一种基于Gammatone分频带连续谱特征的目标识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant