一种鲁棒性听觉特征的说话人确认系统

针对噪声环境下说话人确认系统性能急剧下降问题,根据人耳听觉感知特性,利用Gammachirp滤波器组来模拟人耳耳蜗听觉模型,提出了一种鲁棒性听觉特征参数(Gammachirp Feature Coefficient,GCFC)的提取方法。在高斯混合模型-通用背景模型(Gaussian Mixture Model-Universal Background,GMM-UBM)下进行仿真实验,研究了不同噪声环境下系统的噪声鲁棒性和适应性。实验结果表明,在说话人确认系统中,新提取的听觉特征参数在噪声鲁棒性、噪声适应性和系统整体确认性能上均优于梅尔倒谱系数和基于Gammatone滤波器的听觉特征参数。     

基于小波变换的鲁棒型特征提取及说话人识别

说话人识别系统在实际应用中面临的主要困难之一是鲁棒性问题,干净语音环境下识别率很高的说话人识别系统,在有噪语音环境下识别性能显著降低。解决这一问题的方法之一是寻找具有鲁棒性的特征参数。本文结合具有多分辨率分析特点的小波变换技术,提出一种基于小波变换的鲁棒型特征提取算法,以提高说话人识别系统在噪声环境下的识别性能。对40个说话人的语音库SUDA2002-D2,在加性高斯白噪声环境下进行的识别实验结果表明,本文提出的特征提取算法可以有效地提高说话人识别系统在噪声环境下的识别性能。     

基于小波包分解的抗噪说话人识别特征参数

为了提高说话人识别中语音特征参数的鲁棒性,提取了新的特征参数DWT-MFCC,在提取该参数时利用了新构造的阈值函数,并基于高斯混合模型的说话人识别系统进行实验。实验结果表明,相对于传统的MEL倒谱系数（MFCC）参数,在相同的噪声环境下,DWT-MFCC参数具有更高的说话人识别率。     

噪声环境中基于VQ说话人识别

噪声环境下,为了提高说话人识别系统的鲁棒性,需要对系统进行各种抗噪声处理。采用梅尔频率倒谱系数作为语音的特征参数,矢量量化方法进行模式匹配,将改进的基于听觉掩蔽效应的语音增强器作为预处理器,对语音信号首先进行降噪处理。语音增强器实验结果表明,经过降噪处理后提高了输入信号的信噪比,减少了语音失真,同时很好地抑制了背景噪声和残余音乐噪声。将经过降噪处理的语音信号送入说话人识别系统,提高了系统的识别性能。     

加性白噪声环境下语音特征参数鲁棒性的研究

随着说话人识别技术的发展,实用有效的说话人识别系统越来越成为研究的重点.语音特征参数的鲁棒性直接影响一个说话人识别系统的具体性能,过去主要针对移动通信环境下存在信道失真的问题,研究差分倒谱的鲁棒性.文中则主要在加性白噪声环境下研究Mel倒谱参数、Mel差分倒谱参数的顽健性以及它们经过倒谱系数零均值化（CMN）处理后识别性能的改进.从仿真结果可以看出：在加性白噪声环境下,差分倒谱参数具有很好的鲁棒性;倒谱系数零均值化能有效的除去加性白噪声.     

差分和加权Mel倒谱混合参数应用于说话人识别

说话人识别是信息技术和生物学的新一代身份验证方式,在说话人识别的研究中,特征参数的提取直接影响到识别系统最终的识别效率.通过对Mel频率倒谱系数特征参数进行分析研究,基于Mel频率倒谱系数改进加权函数,将体现个人语音特性的加权特征参数与反映语音帧间变化的差分Mel频率倒谱系数进行维度筛选,再进行参数混合.实验结果表明,通过改进加权函数提取得到的特征参数与差分Mel频率倒谱系数的混合参数在矢量量化的说话人识别系统中,码本容量为16和32时可以达到100%的识别率.     

基于压缩感知的稳健性说话人识别

阐述了在噪声条件下,将基于压缩感知理论的丢失数据重建技术应用于说话人识别系统的系统前端.首先使用Mel滤波器组将带噪语音信号转换成Mel频谱,然后利用带噪MeI谱中可靠数据重建不可靠数据,最后从重建的Mel频谱中提取Mel倒谱特征参数用于说话人识别.稳健性实验结果表明,该方法能够提高在噪声环境下说话人系统的识别率.     

听觉特性和语谱特性在说话人识别中的应用

大多数说话人识别系统当由实验室走向实际应用时,环境噪声的存在会造成其识别性能下降。为了提高噪声环境下说话人识别系统的识别性能,将基于听觉特性和语谱特性的语音增强技术作为预处理器,首先对语音信号进行降噪处理,提高输入信号的信噪比。实验证明,经过降噪处理的语音信号送入说话人识别系统,提高了系统的识别性能。     

噪声自适应的多数据流复合子带语音识别方法

首先针对现有丢失数据语音识别技术中的边缘化（marginalisation）技术在特征运用上的局限，提出了一种倒谱特征分量的可靠性估计方法，将边缘化技术推广到常用的倒谱语音识别系统中；然后利用基于全带和子带倒谱特征的边缘化识别器在不同噪声中的互补性能，提出了一种噪声自适应的多数据流复合子带语音识别方法。实验结果表明，所提识别方法可以自适应地选出全带和子带数据流中受噪声影响较小者并以之为主要依据进行识别，有效地提高了识别系统在多变噪声环境中的鲁棒性。     

基于伽马通滤波器组的听觉特征提取算法研究

本文从模拟人类听觉角度出发,给出了基于人耳耳蜗听觉模型的伽马通滤波器组模型,测试语音通过该滤波器组输出得到了高维听觉特征向量.经过主成分分析和离散余弦变换,分别得到了可用于表征说话人的伽马通系数和伽马通滤波器倒谱系数及其衍生特征.实验证明,与传统梅尔倒谱特征相比,采用本文提出特征的说话人识别系统在识别率及鲁棒性上均有明显提高.     

基于不变集多小波的语音特征参数提取

在研究不变集多小波理论的基础上,借鉴Mel频率倒谱系数（MFCC）的提取算法,用多小波交换代替傅里叶变换及Mel滤波．构造了一种新的语音特征参数MWBC。汉语数字识别实验结果表明,提出的新语音特征参数MWBC的识别性能和抗噪性能均优于MFCC,为提高语音识别系统的噪声鲁棒性提供了一条新途径。     

基于子带HMM和MLP的话者确认系统的噪声鲁棒性研究

噪声鲁棒性是影响话者确认系统实用化的关键问题之一，为了提高系统的噪声鲁棒性，本文设计了基于子带隐Markov模型（HMM）和多层感知机（MLP）的话者确认系统，系统由多个子带系统所构成，对每个子带分别建立基于背景模型的连续HMM话者确认模型，采用MLP对各个子带HMM的输出进行非线性拟合，并利用MLP直接做确认判决，在与文本有关的话者确认实验中，本文提出的模型较常规基于背景模型的HMM话者模型在确认性能和噪声鲁棒性上均有所提高，实验进一步表明，利用MLP进行拟合和判决在一定程度上解决了话者确认阈值设置的困难，有效地提高了确认系统的鲁棒性。     

基于子带VQ及ANN的话者确认系统的设计

话者识别系统的时间鲁棒性是影响话者识别系统实用化的关键问题之一。为了提高系统的时间鲁棒性,本文提出了基于子带矢量量化及人工神经网络的话者模型。将语音文本的有效频段划分为几个子带,分别求取子带上的知闰量化码本,利用ＢＰ 工神经网络对训练数据在各个子带上的量化误差进行拟合,即可训练出话者模型（ＳＢＶＱ码本及ＢＰＮＮ的权值矩阵 、确认阈值）该话者模型反映了不同频段对话者识别系统性能的不同影响,并可将时间     

基于改进Mel滤波器组的声纹特征提取SoC设计

针对说话人声纹身份认证一体化设计需求,利用曲线拟合方法改进Mel滤波器组,开展声纹特征参数提取的SoC设计研究。首先选取MFCC,IMFCC,MidMFCC的Mel频率刻度上的平均值作为拟合参数,得到拟合函数;然后利用插值方法改进Mel滤波器组中各滤波器的加权中心频率;通过Matlab进行算法设计和仿真分析,采用Quartus II和Modelsim实现代码编写、编译、时序仿真和综合;最后利用SOPC Builder技术将Verilog模块封装为IP核,并下载到DE2开发板中进行验证。研究结果表明,本系统提取出的多维特征参数具有更好的鲁棒性,有利于提高识别率。     

Wavelet based robust sub-band features for phoneme recognition

Wavelet transform has been found to be an effective tool for the time-frequency analysis of non-stationary and quasi-stationary signals. Recent years have seen wavelet transform being used for feature extraction in speech recognition applications. In the paper a sub-band feature extraction technique based on an admissible wavelet transform is proposed and the features are modified to make them robust to additive white Gaussian noise. The performance of this system is compared with the conventional mel frequency cepstral coefficients (MFCC) under various signal to noise ratios. The recognition performance based on the eight sub-band features is found to be superior under the noisy conditions compared with MFCC features.     

鲁棒性话者辨识中的一种改进的马尔科夫模型

为了提高话者识别系统的噪声鲁棒性,本文对CHMM 进行了改进,将每帧特征参数之间的差分参数来对应状态之间的转移,从而使帧间信息在模型中得到了体现.利用改进后的CHMM模型对不同的特征参数携带的信息进行信息融合.使得在强噪环境下,鲁棒性好的特征参数起主导作用,而在噪声比较小的环境下,精细度高的特征参数起主导作用.实验证明,这种改进的马尔可夫模型明显提高语音识别系统的鲁棒性能,这种技术具有良好的发展和应用前景.     

高阶MFCC的话者识别性能及其噪声鲁棒性

在一个以MFCC为特征参数的语音识别系统中,人们通常采用低阶的MFCC系数作为语音帧的特征矢量.本文对MFCC的高、低阶系数在与文本有关的话者识别中体现出的识别性能和噪声鲁棒性分别进行了实验分析,发现高阶的MFCC系数在干净环境下对于话者识别而言具有与低阶MFCC系数相当的识别性能,并且当环境信噪比恶劣时,高阶的MFCC系数表现出比低阶MFCC系数更强的噪声鲁棒性.基于这个结果,本文将高阶系数的取值范围进一步向低阶拓展,只滤除最易受噪声影响的几个系数,并与Delta参数相结合形成新的特征矢量.实验证明,这种经过适当选取的MFCC系数同时具有良好的话者识别性能和噪声鲁棒性.     

OPTIMIZED SUB-BAND ADAPTIVE AEC USING EAR AUDITORY FEATURE

Acoustic echo cancellation based on sub-band filters has the characteristics of rapid con- vergence and small computational complexity. This letter analyses two different sub-band filters design methods which used in acoustic echo cancellation fields and compares them with each other. Fur- thermore, the sub-band filter construction have been optimized, which lead to the improvement of the computational efficiency. At the same time, this letter combines ear auditory feature with acoustic echo cancellation, thus improves the original algorithms by importing a new objective function creatively. At the last part, a simulation environment has been designed and a computer simulation has been carried out. The final results indicate that this method can meet the requirements of actual projects, and some improvements are demonstrated on performance and calculation quantity compared to original algo- rithms.     

shearlet变换和区域特性相结合的图像融合

为了提高多模医学图像或多聚焦图像的融合性能,结合shearlet变换能够捕捉图像细节信息的性质,提出了一种基于shearlet变换的图像融合算法。首先,用shearlet变换将已精确配准的两幅原始图像分解,得到低频子带系数和不同尺度不同方向的高频子带系数。低频子带系数使用改进的加权融合算法,用平均梯度来计算加权参量,以此来改善融合图像轮廓模糊度高的问题,高频子带系数采用区域方差和区域能量相结合的融合规则,以得到丰富的细节信息。最后,进行shearlet逆变换得到融合图像。结果表明,此算法在主观视觉效果和客观评价指标上优于其它融合算法。     

基于小波变换和改进Top-Hat滤波的红外小目标检测

提出了一种基于小波变换与改进Top-Hat滤波的有效地红外小目标检测算法。该方法首先对红外图像进行单层小波分解,分别得到近似、水平、垂直和对角四个分量;接着,对近似分量进行改进Top-Hat滤波,并将滤波结果与原近似分量进行差分,得到差分图像,将其再与水平分量进行融合形成新的近似和水平分量。同时将垂直和对角分量的小波系数置零,进行小波重构。最后,为了进一步凸显红外小目标,采用了基于直方图的灰度变换方法对重构图像进行增强。实验结果证明本文所提出的算法能准确地检测出红外小目标,且鲁棒性较好。