摘要：多通道欠定卷积语音混合信号的分离问题是盲信号分离领域的难点.由于混合信号中常伴随声学回声和混响,真实的源信号很难完全被清晰地分离出来.传统的盲信号分离算法多数适用于低混响,而在高混响场景下,算法的分离性能极速下降甚至是失效的.本文针对具有声学回声和混响环境下的多通道欠定卷积语音混合信号的分离问题,提出一种结合脉冲响应重塑和期望最大化的盲信号分离算法,该算法在低混响和高混响下都表现出很好的分离性能.首先,利用基于无穷范数和p-范数的脉冲响应重塑技术设计预滤波器消除可听回声,完成对混合信号的重塑,提高混合信号的质量.然后,对重塑后的混合信号利用分层聚类方法估计混合矩阵,基于期望最大化算法框架,设计新的模型参数实时更新规则,通过结合脉冲响应重塑和期望最大化重构源信号.实验结果表明,所提算法可以有效地分离不同混响环境下带声学回声的欠定卷积混合信号,其分离性能优越,同时对噪声具有很好的鲁棒性.

摘要：语音增强的目的是从受噪声干扰的语音信号中提取纯净的目标语音信号。然而,在混响环境下接收到的声源信号是目标源信号和许多延迟与衰减的反射的集合,这大大降低了目标语音的质量和可懂度。为了探索带噪声和声学混响场景下的语音增强问题,本文在目标语音和声学环境的先验信息未知的情况下,设计一种基于盲信号提取的无监督的多通道语音增强方法。首先,将后期反射产生的混响视为附加的、不相关的噪声分量,构建一个带噪声和声学混响的语音增强新模型,使用原始-对偶分裂算法,通过时频掩码对目标语音信号进行隐式建模。然后,利用倒谱阈值法增强目标语音信号的谐波结构,使得含噪声混响语音信号中的目标语音信号被增强,并且具有比目标语音信号小能量的其他分量被衰减。最后,由于每个信道上的干扰信号都被衰减,使得在每次迭代中提取的目标语音信号具有更好的排他性和非混合性,从而设计一种自适应时频类维纳掩蔽逆滤波器实现去混响去噪声的增强效果。实验部分,分别对噪声和混响条件下的实际语音信号进行了去混响去噪声的性能评估和分析,实验结果表明,所提算法具有很好的去混响去噪声的性能,同时对比于几种比较流行的多通道语音增强算法,验证了本文算法的增强效果更优越。

摘要：根据独立新风系统的结构,对独立新风系统的表面冷却器和房间进行了数学建模,同时设计了独立新风空调的模糊控制方法,并在Matlab软件下进行仿真.结果表明,与传统比例积分微分(Proportion integration differentiation,PID)控制方法相比,在模型不确定性的适应性、稳定性以及节能性方面,模糊控制方法比PID控制方法性能要好,能够很好地应用在独立新风空调控制系统中.