机载无线语音通信仿真系统研究与实现

针对多机协同对海突击对无线语音通信仿真需求,分析了无线语音通信仿真系统的功能需求,并设计了系统逻辑结构,给出了语音服务器和语音客户端的设计思路与实现方法,并采用面向对象技术封装了语音通信类库,实现了语音的多点、全双工实时传输以及通话权限的控制。应用表明,该系统较好地体现了语音通信距离、语音通信频段、语音通信干扰、语音数据的分发、语音数据回放等效果,提高了系统仿真的逼真性、交互性、对抗性和可信性,具有较强的实用性。     

一种宽带语音系统的设计与实现

提出了一种新的基于G.722.1宽带语音编码的嵌入式语音处理系统的设计.实现了在背景噪声下进行语音采集、压缩、存储及回放.从系统角度阐述了宽带语音处理系统的设计、数据处理及测试方法,测试数据及实际应用表明,系统的语音压缩性能及解码后回放的语音质量满足了实际语音监控与话音识别的要求.     

基于双层码本的语音驱动视觉语音合成系统

提出了一种基于双层码本的语音驱动视觉语音合成系统,该系统以矢量量化的思想为基础,建立语音特征空间到视觉语音特征空间的粗耦合映射关系。为加强语音和视觉语音的关联性,系统分别根据语音特征与视觉语音特征的相似性两次对样本数据进行自动聚类,构造同时反映语音之间与视觉语音之间相似性的双层映射码本。数据预处理阶段,提出一种能反映视觉语音几何形状特征与牙齿可见度的联合特征模型,并在语音特征LPCC及MFCC基础上采用遗传算法提取视觉语音相关的语音特征模型。合成的视频中图像数据与原始视频中图像数据的比较结果表明,合成结果能在一定程度上逼近原始数据,取得了很好的效果。     

一种噪声混叠下的阵列语音采集系统

设计了一种简易的阵列语音采集系统,该系统以STM32F103系列MCU为核心,加载语音放大电路 、通信电路等,实现了5路语音信号的采集 、显示 、通信与存储,利用独立成分分析算法,实现了混叠语音信号的分离,获得了较为纯净的语音,为后续的语音处理 、分析与识别等工作提供了保障.     

车载语音识别及控制系统的设计与实现

针对传统的封闭式手动操作的车载系统,设计了基于Android系统的车载语音识别与控制系统。该车载系统采用ARM架构完成硬件搭建,设计并实现了基于网络和LD3320语音芯片的在线离线多模态语音识别功能,并在此基础上实现了语音控制导航、蓝牙电话及音乐播放功能。该系统支持导航软件应用的自助升级和维护,打破了传统车载系统升级的垄断。实验结果表明,该多模态语音识别与控制车载系统成本低、效率高,功能强大、界面友好操作简便,真正意义上释放了驾驶员的双手,具有广阔的市场前景。     

医用服务机器人语音网络传输设计与实现

本文主要研究了一种应用于医用服务机器人的基于无线网络的语音传榆系统,分析了医用服务机器人的语音传输与识别的功能需求及系统组成,着重阐述了语音网络传输的设计,包括语音的采集与播放,编码与解码和网络传输等.实验表明本文设计的语音网络传输系统能有效地进行语音实时通信,可应用于医用服务机器人.     

基于DSP技术的多路语音实时采集与压缩处理系统

介绍一个多路语音实时采集与压缩处理系统。该系统基于 PC- ISA总线结构 ,最大的特点是通过单片 DSP高性能价格比实时地实现了多达 10路的语音采集和 10路语音实时压缩及一路语音解压处理。该系统已成功应用于某语音记录设备中。     

智能语音收费系统

介绍了一种已广泛应用于医院的智能语音收费系统,该系统大大减轻了医院工作人员的劳动强度,同时也方便前来就诊的病人及其家属。另外,只要稍做不大的改动便可应用于其他不同的场合。还介绍了为该收费系统提供语音数据的一套由语音合成芯片T668与AT89C52CPU组成的高级语音开发系统,该系统由PC机直接控制,可十分方便地对语音数据进行编辑和存储,建立用户所需要的语音数据库。     

基于声音信号的翻译机器人语音交互系统设计

在机器人语音交互系统中存在共性问题,包括环境噪声、位置距离等,这些因素的共同影响下导致机器人语音交互效果较差,因此,有必要设计一个基于声音信号的翻译机器人语音交互系统。在设计系统硬件部分,将SPCE061A处理器作为核心部分,并设计了音频处理芯片、CPLD、语音输出模块与LCD显示模块。在系统软件部分,对语音预加重处理提高语音的高频部分,对语音信号加窗分帧处理,以保证处理后的语音是连续的,在此基础上,进行端点检测,区分背景噪声和环境噪声,并增加非线性小波去噪方法进一步去除噪声,得到纯净人声信号。同时对语音合成,并提出语音交互流程,实现翻译机器人语音交互。实验结果表明,此次研究的语音交互系统在有噪音与安静的环境下,识别率都较高,获得的语音信号实时波形图准确性也较高,并且在交互语句量多与少的情况下都具有较快的交互速度,有效提高了机器人语音交互效果。     

语音识别的智能门控系统设计

该智能门卫系统采用语音识别技术.在陵阳单片机SPCE061A上实现.硬件部分主要由SPCE061A单片机、电源与门控电路、外扩存储器SPR4096、音频输入与输出电路等组成.主要技术是该单片机在语音识别中的应用和对门控电路的设计.该系统软件部分由语音训练模块、语音识别模块、语音数据处理模块、语音播报模块和密码输入与确认模块组成,通过对系统的初始化和识别训练实现了语音数据的采集、特征提取、特定语音识别和语音播放等功能.根据语音识别算法原理,对语音信号的预处理、特征提取、模式匹配做了分析.该系统实验结果表明,系统性能稳定,识别效果好,可用于家庭或小型办公场所的门锁控制.     

基于MS Agent的语音识别与合成

语音合成与语音识别提供了全新的人机交互方式,在信息处理、教育与商务应用等方面已显示出了巨大的优势。本文分析了MS Agent的工作原理,论述了基于MS Agent的语音系统的开发步骤,给出了系统运行示意图。     

Monaural Speech Separation Based on Computational Auditory Scene Analysis and Objective Quality Assessment of Speech

Monaural speech separation is a very challenging problem in speech signal processing. It has been studied extensively, and many separation systems based on computational auditory scene analysis (CASA) have been proposed in the last two decades. Although the research on CASA has tended to introduce high-level knowledge into separation processes using primitive data-driven methods, the knowledge on speech quality still has not been combined with it. This makes the performance evaluation of CASA mainly focused on the signal-to-noise ratio (SNR) improvement. Actually, the quality of the separated speech is not directly related to its SNR. In order to solve this problem, we propose a new method which combines CASA with objective quality assessment of speech (OQAS). In the grouping process of CASA, we use OQAS as the guide to instruct the CASA system. With this combination, the performance of the speech separation can be improved not only in SNR, but also in mean opinion score (MOS). Our system is systematically evaluated and compared with previous systems, and it yields substantially better performance, especially for the subjective perceptual quality of separated speech.     

语音识别前端鲁棒性问题综述

随着手持设备的日益小型化以及一些特殊场合的限制,使用语音识别这种自然的人机接口技术愈发显得迫切。基于HMM架构的语音识别技术经过几十年的发展,在实验室环境下已经取得了很高的识别率。当前已经取得的技术要想走向实用化,所面临的最大障碍来自于语音识别前端的鲁棒性问题。本文对语音识别的前端鲁棒性问题做了比较深入细致的分析,并在此基础上比较全面地介绍了解决这些棘手问题所采取的一些措施。文章最后对语音识别前端鲁棒性问题给出了一定的讨论和展望。     

基于深度学习语音分离技术的研究现状与进展

现阶段, 语音交互技术日益在现实生活中得到广泛的应用, 然而, 由于干扰的存在, 现实环境中的语音交互技术远没有达到令人满意的程度. 针对加性噪音的语音分离技术是提高语音交互性能的有效途径, 几十年来, 全世界范围内的许多研究者为此投入了巨大的努力, 提出了很多实用的方法. 特别是近年来, 由于深度学习研究的兴起, 基于深度学习的语音分离技术日益得到了广泛关注和重视, 显露出了相当光明的应用前景, 逐渐成为语音分离中一个新的研究趋势. 目前已有很多基于深度学习的语音分离方法被提出, 但是, 对于深度学习语音分离技术一直以来都缺乏一个系统的分析和总结, 不同方法之间的联系和区分也很少被研究. 针对这个问题, 本文试图对语音分离的主要流程和整体框架进行细致的分析和总结, 从特征、模型以及目标三个方面对现有的前沿研究进展进行全面而深入的综述, 最后对语音分离技术进行展望.     

语言信息系统设计

某型进口运输机语盲信息系统采用的电机卷带播放磁带存在语音录制更改困难、信息条目有限、音质逐渐变差、磁带磁头需定期清洁更换、故障率较高等突出问题;利用单片机控制技术和半导体语音存贮技术对语言信息系统进行重新设计,阐述了系统电路设计原理和软件流程,具有操纵控制自动化程度高,成本低等优点,并且达到了无转动部件和无机械触点,满足机载设备要求,具有电好的军事和经济效益。     

基于HTK 的特定词语音识别系统

语音识别技术经过半个世纪的发展,目前已日趋成熟,其在语音拨号系统、数字遥控、工业控制等领域都有了广泛的应用。由于目前常用的声学模型和语言模型的局限性,计算机只能识别一些词汇或一些句子。语音识别系统在语种改变时,往往会出现错误的识别结果。针对上述问题,结合隐马尔可夫模型原理,在HTK语音处理工具箱的基础上构建了中英文特定词语音识别系统。该系统通过代码控制整个构建过程,使其在更换新的训练数据和词典后能快速生成对应的识别模型。     

环境噪声对语音分布和语音识别性能影响的人工模拟分析

语音识别技术已经取得了很大的成就,然而目前绝大多数识别系统的仍色局限于在安静的环境下使用。实际环境中的背景噪声和传输通道变化所引起的畸变严重影响了语音识别系统的性能。本文分析和讨论环境声对语音信号以及语音识别性能生的影响。     

Speech encryption using hybrid-hyper chaotic system and binary masking technique

In this paper, a novel speech encryption algorithm based on hybrid-hyper chaotic system has presented. Instead of using normal chaotic system a hybrid-hyper chaotic system has used for improving the security level of speech communication models. Hyper-chaotic system is highly complex and dynamic system than normal chaotic system where it has more than one positive Lyapunov exponents. Hybrid chaotic system has designed by a disturbed discrete system by another one discrete system. In this algorithm, the input speech signal has compressed by Discrete Cosine Transform (DCT) to reduce the residual intelligibility. The compressed speech signal has permuted by hybrid chaotic system, which has designed using Zaslavsky and Zigzag maps. For substitution process, a reference speech signal has generated by Hidden Markov Model (HMM) speech synthesizer and permuted by using hyper-chaotic system. Masking of encryption signal has done by a masking sequence, which has obtained from the hyper-chaotic system. Our proposed work provides high security for the audio and speech signal over an insecure public network than other traditional speech encryption algorithms based on normal chaotic systems. The betterment of proposed algorithm is proven using the following metrics: key space analysis, key sensitivity analysis, information entropy measure, correlation coefficient analysis, Signal to Noise Ratio (SNR) analysis, subjective evaluation of speech quality, Perceptual Evaluation of Speech Quality (PESQ) analysis, NSCR (Number of Samples Changing Rate) and UACI (Unified Averaged Changed Intensity) analysis have carried out from cryptographic point of view and presented in this paper. The results proof that the proposed speech encryption algorithm ensures appreciable security system with robust encryption and decryption quality.

     

Speech Recognition Moves from Software to Hardware

Speech recognition has long promised a natural way to improve user interaction with computers, cars, and other devices. During the past 30 years, researchers have gradually upgraded the technology to the point that it is used in a number of these settings. However, because of limitations in processing power and other factors, the applications typically have been relatively simple, and speech recognition has not been widely used, despite the growing desire to implement it in PCs, cell phones, applications that automate home utilities and entertainment devices, and other systems. Researchers have been working on implementing speech recognition in dedicated processors for about 20 years, but the chips still have limited capabilities and work with only relatively small vocabularies. As such, few companies sell speech chips. Now, though, scientists are interested in developing high-end speech chips that work with large vocabularies of words and that recognize continuous speech. Despite its promise, speech-chip technology faces technical and marketplace challenges     

维吾尔语语音检索技术研究

随着大数据时代的到来,各种音频、视频文件日益增多,如何高效地定位关键敏感信息具有非常重要的研究意义。目前研究人员对针对英语和汉语的语音检索技术进行了深入的研究,而针对维吾尔语的语音检索技术还处于起步阶段。该文对维吾尔语语音关键词检索技术进行了研究并采用了大词汇量连续语音识别、利用聚类算法将多候选词图转换为混淆网络、倒排索引、置信度以及相关度的计算等技术和方法,对维吾尔语语音检索系统进行了研究与搭建。最后在测试集上对该系统进行测试,测试结果显示,在语音识别正确率为82.1%的情况下,检索系统的召回率分别达到97.0%和79.1%时,虚警率分别为13.5%和8.5%。