实时加窗滤波算法

随着语音识别技术的应用越来越广， 对其实时性的要求也越来越高。专用的DSP 语音芯片虽然有硬件加速功能， 但其指令依然是串行计算， 在实时性方面有所欠缺。如今， 具有并行运算能力的FPGA 主频不断提高，加上其设计灵活、功耗低、体积小等优点， 可以满足语音信号实时处理的要求。目前很多语音处理算法都是基于软件平台的， 真正的语音处理硬件实现很少。本文针对非特定人的语音信号， 研究当前主流的语音处理算法， 并将这些基于软件平台的算法“ 硬件化” 。在保证一定精度的前提下将浮点运算转换成便于FPGA

通过对美国天基可见相机(SBV)在轨检测算法(Moving target indicator，MTI)算法进行改进，使其更加快速有效地检测出淹没在噪声杂波中的目标条纹。MTI改进算法使用了一种新的二维图像检测预处理算法――依概率加窗检测算法。依概率加窗检测算依据同一大小检测窗口内，目标所在检测窗内出现的非零点比纯噪声检测窗内多的特性，通过检测窗门限滤波，在可能剔除部分目标点的同时，极大地抑制噪声。接着使用三点共线条纹检测算法，剔除可疑目标条纹，进一步降低虚警概率，提高检测概率。通过算法性能分析可

随着语音识别技术的应用越来越广， 对其实时性的要求也越来越高。专用的DSP 语音芯片虽然有硬件加速功能， 但其指令依然是串行计算， 在实时性方面有所欠缺。如今， 具有并行运算能力的FPGA 主频不断提高，加上其设计灵活、功耗低、体积小等优点， 可以满足语音信号实时处理的要求。目前很多语音处理算法都是基于软件平台的， 真正的语音处理硬件实现很少。本文针对非特定人的语音信号， 研究当前主流的语音处理算法， 并将这些基于软件平台的算法“ 硬件化” 。在保证一定精度的前提下将浮点运算转换成便于FPGA