语音信号传输的超阈值随机共振研究

《语音信号传输的超阈值随机共振研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要伴随着社会老龄化问题的出现，人类物质生活水平的富足，人类的整体感觉运动功能、营养代谢功能等都在以不同程度地减弱。大量提高检测信号技术和提高人体感觉运动功能是出现在现实世界中的迫切需求。学者们在通过长期以来的尽量地减少或抑制背景噪声来改善系统性能的情况下，发现了噪声在满足特定条件的非线性系统中可以辅助信号传输的“反直觉”的现象，即随机共振现象。这种现象为增强信号在噪声背景下的检测性能提供了新的思路，也让人类面临的整体感觉功能下降的问题有了一种新型的处理技术。本文以互相关系数作为衡量随机共振系统的评价

2、指标，研究内部噪声环境为均匀分布和指数分布噪声的动态感觉神经元群体传输语音信号的过程中所产生的超阈值随机共振现象，以及语音信号的短时时域特征通过动态感觉神经元群体传输前后的变化。首先，运用均匀分布噪声和指数分布噪声分别模拟两种神经元模型的内部噪声，将被噪声污染后的神经元分别并联组合成不同数目的神经元系统来模拟人体感觉神经元群体，并选取两种不同类型的语音信号作为系统的输入信号。其次，以互相关系数作为衡量指标，定量观察两种噪声对于不同数目的感觉神经元系统输出语音信号的影响，以及语音信号的短时时域特征在通过

3、神经元系统传输后与原信号短时时域特征的互相关系数随噪声强度的变化，并运用短时Fourier频谱分析噪声对于感知神经元系统输出语音信号基频的影响。最后，根据数据实验证实：实际信息处理中的超阈值随机共振现象以及噪声环境下感觉神经元系统对语音信号短时时域特征的增强作用，对超阀值随机共振原理以及语音信号在神经系统中的实际传输问题提供了有效的依据和参考，对语音合成、语音识别等技术在神经细胞群体中的研究也提供了重要的有价值的参考。关键词：语音信号；语音信号短时时域特征；噪声；感知神经元模型；超阈值随机共振Abst

4、ractJIIIII[1UIIIIJIIrlIIIIIIrllflJY2589402Alongwiththeadventofanagingringsocietyproblem、abundanceofhumanmateriallifelevel．thewholehumansensoryfunctionandnutritionmetabolismiSreducingindifferentdegrees．Improvingsignaldetectiontechnologyandthehumansensory

5、functionisbecomingtheurgentrequirementintherealworld．Scholars岫gtoreduceorsuppressbackgroundnoisetoimprovetheperformanceofthesystemforalongtime，foundoutthephenomenonthatthenoiseinacertainconditionsinanonlinearsystemconhelpthesiptransmission，whichcallcall

6、edthephenomenonof“counter—intuitive”，thisphenomenonisnamedstochasticresonance．Stochasticresonanceenhancingthedetectionperformanceofsignalinnoisebackgroundprovidesanewthoughtaboutsignaldetectiontechnology，alsomakesanewprocessingtechnologyabouttheoveralld

7、eclineofthesensoryfunctioninhumanbeings．Thisstudyselectcross-correlationcoefficientastheevaluationindex，analyzingthesuperthresholdphenomenonstochasticresonancewhenthespeechsignalistransmittedbythedynamicsensoryneuronsgroupattackingbyuniformdistributiona

8、ndexponentialdistributionnoiseandthechangeofspeechsignalsshorttimedomainfeatures．First，usingtheuniformdistributionandexponentialdistributionnoisesimulatethegroupinternalnoiseinsensorynervecells，makemultipleneuralmodelbyparallelco