基于Householder变换的声学降噪理论研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61601370
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    19.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0111.信号理论与信号处理
  • 结题年份:
    2019
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2019-12-31

项目摘要

Noise reduction consists of recovering clean speech signal from the noisy signals, which are corrupted by unwanted additive noise. It can find numerous applications in various fields of speech processing, such as teleconferencing, immersive communications, hearing aids systems and so on. As the rapid development of the acoustic industry, it has a high demand for noise reduction algorithms with excellent performance, high robustness and practical value. However, the performance of traditional noise reduction methods too much depends on the noise estimation accuracy and voice activity detection process. As a result, we intend to establish a comprehensive novel theory framework of noise reduction based on Householder transformation. Householder transformation converts the noisy signal coefficients into two components: speech dominated and noise dominated component, and then optimal filters can be obtained. One of the major advantages of this approach as compared to many traditional noise reduction techniques is that it does not need a noise estimator or a voice activity detector. Our method can also be combined with some other acoustic signal processing algorithms based on Householder transformation to form a complete theoretical system, which will be helpful for the innovation and development of domestic acoustic industry.
声学降噪,就是从受噪声污染的语音信号中提取出纯净语音的过程,它被广泛应用于远程会议、临境通讯、助听设备等领域。随着声学产业的飞速发展,急需与之相匹配的性能优异、鲁棒性高、实用性强的声学降噪算法。但是,传统声学降噪理论过于依赖噪声估计精度和语音活动检测过程,限制了降噪算法的使用性能。在这样的背景下,本项目拟建立一套完善的基于Householder变换的声学降噪理论方案。利用Householder变换,我们将信号转换为两个部分:第一部分主要由纯净信号构成,第二部分主要由噪声构成,利用分解后的结果进一步推导相应滤波器。与传统声学降噪过程比较,本项目所提出的方法不需要进行噪声估计或者语音活动检测,为声学降噪理论的发展提供了新的思路。另外该方法还可与基于Householder变换的其他声信号处理算法相结合,形成一套完备的理论体系。这些研究结果将有力推动国内声学产业的创新和发展。

结项摘要

本研究项目以基于Householder变换的声学降噪方法作为出发点,进一步提出基于Householder变换的声源定位理论,最终通过完善深化,形成了一套完备的基于几何投影变换的多通道声学信号处理理论体系。本项目的主要创新性和突破性成果体现在以下三个方面:1、提出了基于Householder变换的声学降噪算法,该方法区别于传统方法的最大优势在于其不需要进行噪声估计;2、提出了基于Householder变换的声源定位算法,该方法对原始多通道信号进行分解,利用分解后的结果构造定位代价函数,并搜索区域内代价函数的峰值位置作为声源位置的估计。该方法提供了定位理论的新思路,并且定位准确,灵活度较高;3、在以上理论的基础之上,本研究系统性提出一套完整的基于几何投影变换的多通道声学信号处理理论。在此理论框架下,我们构造了基于几何投影变换的四类代价函数和三类宽带融合方法,并详细解释了传统定位方法的几何意义。这一理论直观解释了定位算法的本质,并且找到了各种算法之间的联系和等价性,从而帮助我们对各算法的优缺点进行把握,为寻求性能更加优秀的定位算法提供了理论指导。

项目成果

期刊论文数量(2)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(0)
Window-Based Constant Beamwidth Beamformer
基于窗口的恒定波束宽度波束形成器
  • DOI:
    10.3390/s19092091
  • 发表时间:
    2019-05-01
  • 期刊:
    SENSORS
  • 影响因子:
    3.9
  • 作者:
    Long, Tao;Cohen, Israel;Chen, Jingdong
  • 通讯作者:
    Chen, Jingdong
Acoustic Source Localization Based on Geometric Projection in Reverberant and Noisy Environments
混响和噪声环境中基于几何投影的声源定位
  • DOI:
    10.1109/jstsp.2018.2885410
  • 发表时间:
    2019-03-01
  • 期刊:
    IEEE JOURNAL OF SELECTED TOPICS IN SIGNAL PROCESSING
  • 影响因子:
    7.5
  • 作者:
    Long, Tao;Chen, Jingdong;Cohen, Israel
  • 通讯作者:
    Cohen, Israel

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

稳态光谱技术提取生物组织结构和功能互补信息研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Spectroscopy and Spectral Analysis
  • 影响因子:
    0.7
  • 作者:
    刘成波;宋璟波;隆弢;张镇西
  • 通讯作者:
    张镇西

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码