低模糊區域序列在雙選擇性信道上的過採樣用於信道估計
本文提出了一種新的序列設計方法,稱為過採樣低模糊區域(O-LAZ)序列,用於在雙選擇性信道上進行有效的信道估計。
超奈奎斯特USF頻譜估計：使用6K+4個模數樣本估計K個頻率
本文提出了一種新的超奈奎斯特頻譜估計方法,利用多通道系統和無限感知框架(USF),能夠從6K+4個模數樣本中準確恢復K個任意頻率和幅度的正弦信號。這種方法在高動態範圍信號的採樣和估計中表現出色,在實驗中展示了相比傳統ADC,高達33倍的頻率估計精度提升。
增強型隨機矩陣理論估計器用於有色噪聲環境下的信號數量估計
提出了一種增強型隨機矩陣理論估計器,能夠在未知色噪聲協方差矩陣的情況下,準確估計信號的數量。
一種明確的保持一致性的損失函數用於相位重建和語音增強
提出一種新的損失函數,利用相位和幅度的一致性約束來生成一致的相位譜,而不是直接估計原始相位。這種方法可以避免直接估計相位所面臨的挑戰,如相位包裹和時間移位的敏感性。
基於複雜頻譜和可學習時間特徵的語音去削波轉換器
本文提出了一種基於轉換器的語音去削波模型,能夠有效地恢復在各種輸入信噪比下被削波的信號。該模型結合了複雜頻譜和可學習時間特徵,在高低信噪比輸入上都表現出色,並能保留未被削波的語音部分,避免了僅使用頻譜信息時常見的退化。
使用兩階段神經網絡進行雷達感測的實用OTFS信號去噪
本文提出了一種兩階段神經網絡模型,用於從OTFS信號中估計多個目標的範圍和速度。第一階段使用生成對抗網絡(GAN)去噪受污染的OTFS樣本,顯著提高了數據質量。第二階段使用卷積神經網絡(CNN)模型預測多個目標的速度和範圍值。該兩階段方法即使在極低信噪比情況下,也能以高精度預測多個目標的範圍和速度,並優於現有方法。
簡單、高效且有效的子頻帶分割技術用於解決確定性盲源分離中的區塊置換問題
提出一種簡單有效的子頻帶分割技術,通過將整個頻帶分割成重疊的子頻帶並逐個應用盲源分離方法,可以有效解決區塊置換問題,並顯著提高分離性能,而無需增加總計算成本。
正交模態分解用於有限離散信號
本文提出了一種正交模態分解方法,用於分解有限長度實信號在複平面的實軸和虛軸上的模態。通過分析插值函數空間的維度與其子空間以及插值函數的帶寬之間的關係,證明了本質模態實際上是帶寬窄的信號,其本質瞬時頻率始終為正(或始終為負)。因此,本質模態分解問題轉化為插值函數空間到其低頻子空間或窄帶子空間的正交投影問題。與現有的模態分解方法不同,正交模態分解是一種局部時頻域算法,每次操作都可以提取特定的模態。所得到的全局分解結果在嚴格定義的本質模態下具有唯一性和正交性,計算複雜度也遠小於現有的模態分解方法。
有限長離散信號的正交模式分解
本文提出了一種基於正交投影的新型模式分解方法,可以得到唯一且正交的模式集合。該方法具有計算效率高、定義嚴格、不存在模式混淆等優點。
音頻修復的時頻域方法：Janssen 2.0
本文提出了一種基於自迴歸模型的新型時頻域音頻修復方法 Janssen-TF，並將其與基於深度先驗的方法進行比較。實驗結果表明，Janssen-TF 在客觀和主觀指標上均優於深度先驗方法。
© 2024 by Linnk AI