基于参数化双谱分析的超宽带生物雷达人体目标非接触检测

超宽带（UltraWideband,UWB）生物雷达广泛应用于生命体探测等领域,而人体生命体征信息的非接触检测是其需解决的最主问题。本文利用参数化双谱估计算法分析UWB生物雷达回波信号,以非高斯白噪声激励的AR（AutoRegression）参数模型对信号进行建模,并用带约束的三阶平均法对模型的参数进行估计。在此基础上,提出了一种新的基于UWB的人体目标非接触检测算法,并将该算法与现行的基于功率谱密度的检测算法进行对比、实验结果表明,有人位置点信号和无人位置点信号在双谱域表现出明显的差别特性,新算法能更好地实现人体目标的非接触检测。     

基于BP神经网络的非接触生命参数信号检测

目的:探讨基于BP神经网络的雷达式非接触生命参数信号检测方法.方法:采用四层BP神经网络的模式识别算法,利用Matlab软件环境编写算法程序,进行仿真实验与实际信号处理.结果:利用该方法进行非接触检测系统信号的识别,能够在强噪声背景下检测出生命参数信号.结论:该方法适用于随机性较强的微弱信号检测,对雷达式非接触生命参数信号检测可以达到较好的效果.     

雷达式非接触检测中呼吸和心跳信号分离算法的研究

为了有效地从生物雷达的体动信号中分离出呼吸和心跳信号,实现生理特征参数（呼吸率和心率）实时监测,本文在自适应噪声抵消模型的基础上,提取呼吸信号的谐波组合作为模型的参考输入,将生物雷达检测到的体动信号作为模型的原始输入,构建了一套适用于生物雷达检测中分离呼吸、心跳信号的自适应谐波抵消算法。仿真实验结果表明,该算法简单、易于实现,能够实时地分离呼吸和心跳信号。     

基于FFT频域积累的非接触生命参数信号检测

目的：提高非接触生命参数检测系统信噪比。方法：采用两种基于FFT的频域积累检测方法，利用Matlab软件环境编写算法，进行仿真实验与实际信号处理。结果：该方法提高了非接触检测系统信号的信噪比，能够在强噪声背景下检测出生命参数信号。结论：该方法适用于低信噪比下的微弱信号提取，在本系统中得到了较好应用。     

非接触生理信号检测技术

非接触生理信号检测技术是近年来发展起来的新兴技术,由于其无需使用传感器或者电极与人体接触,能够给检测目标提供相对自由的检测环境,因此具有特殊的应用前景。本文在介绍光学、超声非接触检测技术的同时,重点阐述了生物雷达检测技术的研究现状及发展趋势,最后展望了非接触生理信号检测技术的应用前景。     

基于改进基音跟踪算法的单通道语音分离

基于计算听觉场景分析（Computational Auditory Scene Analysis,CASA）的语音分离系统通过模拟人耳的听觉感知系统对混合信号进行处理并分离出感兴趣的目标语音,近年来得到了很大的发展。如何在干扰噪声存在的情况下进行正确的基音提取跟踪一直是CASA系统研究的重点。提出了一种基于目标语音源的改进基音跟踪算法。该算法通过对目标源估计和基音检测两个步骤的反复迭代计算,得到最终的基音轨迹。通过在不同噪声干扰条件下与传统基音跟踪算法对比的实验结果证明,该算法能够有效地抑制噪声,提高输出语音的信噪比和语音质量。     

强噪声条件下基于小波包能量的语音增强新算法

目的：研究在强噪声背景条件下增强语音质量的方法,为在复杂条件下获取语音信号奠定基础.方法：在应用小波包分析技术对语音信号进行分解与重构的基础上,对分解后的小波包系数进行尺度,时间2个方面的阈值自适应调节,再对此系数进行重构以实现语音信号的噪声自适应消除.结果：在信噪比为0dB的强噪声条件下,在0～3000Hz较宽的频率段上,增强后的语音频谱明显清晰,且各频谱成份更加丰富.结论：本方法能够在强背景噪声条件下对语音信号中的噪声成分进行有效去除.     

基于计算听觉场景分析的语音增强改进算法

针对单通道语音增强问题,基于计算听觉场景分析（CASA）的原理,提出了一种基于CASA计算模型的语音增强改进算法。该算法在特征提取中选择了目标语音有效能量、信道互相关等特征,对语谱能量和互相关特征的阈值选取进行了改进。在5种低信噪比噪声干扰条件下的仿真实验结果证明,该算法输出增强语音的信噪比平均提高了9.32 dB,有效地抑制了噪声。     

一种基于噪声分类的语音增强方法

为了提高噪声估计的准确性,改进语音增强方法性能,在改进的最小控制递归平均算法（Improved Minima Controlled Recursive Averaging, IMCRA）的基础上提出了一种基于噪声分类的语音增强方法。该方法首先对含噪语音进行噪声类型的判断,然后根据判定的噪声类型选取相应的最优参数进行噪声估计,最后采用最优修正的对数谱幅度语音估计计算增强后的语音。该方法相对于传统IMCRA算法,在语音信号的还原和背景噪声的抑制两方面都有较好的性能。     

一种基于预测谱偏移的自适应高斯混合模型在语音转换中的应用

基于高斯混合模型（GMM）的语音帧谱包络转换算法容易导致转换后的语音谱包络过平滑、语音细节特征受损。通过对GMM中协方差的准确性与谱包络过平滑现象的研究,提出了一种基于预测谱偏移的自适应GMM建模方法。该方法采用平滑加权算法对目标谱的偏移进行建模,并根据语音帧信息自适应调节预测谱偏移项的比例系数,结合高斯混合模型共同实现对谱包络的转换。实验结果表明,该建模方法能够有效抑制转换后语音谱包络的失真现象,提高转换后语音的清晰度、自然度和可懂度。     

基于EMD的生物雷达回波信号噪声抑制研究

目的：基于经验模态分解（EMD）的多尺度时域滤波特性,抑制生物雷达回波信号噪声。方法将经过预处理的雷达回波信号进行EMD分解,获取固有模态函数（IMF）分量;根据噪声与信号自相关函数的特性差异将IMF区分为有用信号占主导模态与噪声占主导模态两部分;然后用基于小波软阈值的去噪方法提取噪声占主导模态部分中的有用成分,与有用信号占主导模态部分的固有模态函数叠加,获取雷达回波信号中的生命信息。结果基于EMD的噪声抑制方法有效地去除了雷达回波信号中的高频噪声成分,提取出了有用信息。结论基于EMD的噪声抑制方法能为生命体目标的识别提供更多信息。     

一种用于噪声估计的改进最小值搜索方法

含噪语音短时功率谱的最小值搜索是噪声估计的基础。为了提高非平稳噪声估计的准确性,减小噪声水平上升时的噪声估计延时,提出了一种同时使用大、小两个搜索窗进行并行搜索的方法,最小值搜索的最终结果由两个并行搜索结果和基于噪声分类的语音存在二值判决共同决定。实验结果表明：对于高度非平稳的噪声,该方法能够有效地减小噪声估计的延时问题,显著提高增强后语音的质量。     

GPRS移动式心电监护系统的QRS波实时检测算法

目的探讨GPRS移动式心电监护系统ECG信号QRS波的实时检测算法.方法采用四点平均对CM5导联的ECG信号进行滤波,再对ECG信号的一、二阶差分值进行平滑处理,利用ECG信号的二阶差分值极小值和一阶差分过零点在较短的时间窗内实现QRS波精确定位,并设计了具有自学习和自适应功能的信号检测门限.结果算法能抑止多种噪声对ECG信号的影响,将搜索的时间窗宽度缩小到0.02 s以下,且算法只具有多项式的复杂度;经过临床测试,动态ECG信号进QRS波检测准确率可达99.8%以上.结论该算法适合于移动心电监护系统QRS波的实时检测和分析.     

基于序列低秩嵌入算法的故障检测

复杂化工过程采集到的数据往往夹杂着过程噪声，如何去除冗余数据、充分提取数据的有效信息是研究重点。提出了一种融合序列相关与低秩表征（LRR）的信息提取算法——序列低秩嵌入（SLRE）。通过LRR对训练样本进行低秩分解，剔除噪声点，去除数据中的冗余信息，增强了算法的鲁棒性。为了保持数据的全局-局部特征，通过计算样本间相关系数构造加权矩阵，并利用嵌入算法实现数据降维。建立T²和SPE统计量，使用核密度估计（KDE）方法估计控制限。通过数值仿真实例和田纳西-伊斯曼（TE）过程验证了本文方法的有效性。