-
公开(公告)号：CN111653287A
公开(公告)日：2020-09-11
申请号：CN202010497711.X
申请日：2020-06-04
Applicant: 重庆邮电大学
IPC: G10L21/0208 , G10L21/0224 , G10L21/0232 , G10L21/0264 , G10L25/30
Abstract: 本发明请求保护一种基于深度神经网络(Deep Neural Network,DNN)和频带内互相关系数的单通道语音增强算法，属于语音信号处理领域。首先，提取带噪语音的能量谱作为DNN的输入特征；接着，将噪声与带噪语音的频带内互相关系数(inter-channel correlation factor,ICC factor)作为DNN的训练目标；然后，利用DNN模型得到的互相关系数构造凸优化的目标函数；最后，联合DNN和凸优化，利用梯度下降法迭代处理初始掩蔽，通过新的掩蔽合成增强语音。仿真实验表明，在不同背景噪声的低信噪比下，相比其他方法，本发明方法可以有效重构语音频谱成分，提升了语音的整体质量并且可以抑制噪声，具有重要的工程实际意义。
-
Patent Agency Ranking
公开(公告)号：CN112068163A
公开(公告)日：2020-12-11
申请号：CN202010758121.8
申请日：2020-07-31
Applicant: 重庆邮电大学
IPC: G01S19/29
Abstract: 本发明针对一种高动态环境下DBOC信号的捕获算法，属于信号处理领域。首先对接收到的含有高动态项的DBOC信号使用定阶算法判断其是否需要定阶，若需要则通过离散多项式相位变换对其进行降阶处理，对本地组合扩频码做相同处理，然后对处理后的信号序列和本地组合扩频码进行分段，再相关做apFFT，最后对其结果进行累加再和预设门限做对比，若超过则捕获成功。实验仿真表明，本发明算法可以在高动态环境下更加容易的使判决器检测到主峰的位置，使其正确捕获DBOC信号，并且本发明算法的检测概率比PMF‑apFFT算法高大约20dB，比PMF‑FFT算法高大约22dB。这也表明相比于PMF‑FFT算法和PMF‑apFFT算法，本发明算法更加适合于高动态环境下DBOC信号的捕获。
-
公开(公告)号：CN113777631A
公开(公告)日：2021-12-10
申请号：CN202010521067.5
申请日：2020-06-10
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种针对正弦调频干扰下的CBOC信号的无模糊捕获算法，属于信号处理领域。将接收到的含有正弦调频干扰的CBOC信号做正弦调频变换，通过正弦调频干扰在DSFMT域呈现聚拢这一特征确定正弦调频干扰位置并进行干扰置零处理。然后把经过伪码调制的副载波分为12个组，将干扰抑制处理后的接收信号和这12组子副载波进行相关得到12组子相关函数，最后根据12组子相关函数之间的对应关系，合成一种精确的无模糊捕获算法。实验表明，本方法可以有效抑制正弦调频干扰，并且能完全消除副峰，同时，副载波所分组数越大，其主峰的宽度就越窄，性能就越好。不仅如此，本发明方法有着比传统ASPECT算法和SCPC算法更好的性能，对实际应用中信号的捕获具有重要的意义。
-
公开(公告)号：CN111796307A
公开(公告)日：2020-10-20
申请号：CN202010497700.1
申请日：2020-06-04
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于二次谱的AltBOC伪码周期盲估计方法，属于信号处理领域。通过分析AltBOC信号模型，并分析推导出了AltBOC的功率谱函数，然后根据傅里叶变换求AltBOC信号的二次谱函数，根据二次谱函数峰值位置关系特征可以对AltBOC信号的伪码周期进行盲估计。同时通过对多段信号的二次谱函数进行累加平均，可以实现降低噪声和精确估计的目的，同时分析了在不同伪码周期条件下以及不同采样频率条件下对AltBOC信号参数估计的影响。本方法可以在低信噪比下较准确地估计AltBOC信号的伪码周期，从而对该信号的后续处理以及细微特征分析具有重要意义。
-
公开(公告)号：CN113078914B
公开(公告)日：2023-08-08
申请号：CN202110323541.8
申请日：2021-03-26
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种对单个非完整Turbo码分量编码器参数盲识别方法，属于信道编码盲识别领域。针对Turbo码在删余位上的码字与对应的RSC码有所区别的情况，将该位上的码字视为“0”和“1”等概率出现的误码，从而对删余位进行归零处理并选取合适的截取序列进行匹配度计算，根据最后匹配度的总分布情况对删余型Turbo码分量编码器的参数进行识别。不仅相较于传统检验矩阵匹配法性能有很大的提升，而且该算法能在码长、交织未知的情况下也能完成对分量编码器参数的盲识别。甚至在仅截获一段不完整的码字的情况下，依然能较好的完成分量编码器的参数识别，具有实际应用的工程价值。
-
公开(公告)号：CN113078914A
公开(公告)日：2021-07-06
申请号：CN202110323541.8
申请日：2021-03-26
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种对单个非完整Turbo码分量编码器参数盲识别方法，属于信道编码盲识别领域。针对Turbo码在删余位上的码字与对应的RSC码有所区别的情况，将该位上的码字视为“0”和“1”等概率出现的误码，从而对删余位进行归零处理并选取合适的截取序列进行匹配度计算，根据最后匹配度的总分布情况对删余型Turbo码分量编码器的参数进行识别。不仅相较于传统检验矩阵匹配法性能有很大的提升，而且该算法能在码长、交织未知的情况下也能完成对分量编码器参数的盲识别。甚至在仅截获一段不完整的码字的情况下，依然能较好的完成分量编码器的参数识别，具有实际应用的工程价值。
-
-
-
-
-
Search Results
6
records
(took 0.086 seconds)
