一种改进的心理声学语音质量客观评价算法

分析了国际电信联盟提出的语音质量感知评价算法的原理,优化了其中的心理声学模型,提出了高效语音质量感知评价(EPESQ)算法。该算法采用无滤波或理想带通滤波代替原算法的IRS滤波,用对数关系简化了强度扭曲过程,并基于人耳的掩蔽效应,按照语音帧能量的不同来简化扰动聚合的加权过程。实验表明,EPESQ算法的时间复杂度平均比原算法降低了39%,而与主观评价的相关度仅下降了8.8%。此算法适合于语音质量实时测评和嵌入式系统实现,并且已经应用在自行研制的Internet语音通信系统中。     

基于小波变换的语音质量客观评估方法研究

对小波变换原理进行简要分析的基础上,对小波变换与小波美倒谱(MFCC)方法相结合进行语音客观音质评价的方法进行了研究,给出了小波美倒谱语音音质评估原理及计算流程。使用MFCC方法和小波美倒谱算法分别计算原始语音文件与受扰语音文件的失真距离,并将失真距离与主观评测结果进行相关分析,得出相应算法的相关系数和方差值,通过对比表明小波美倒谱语音评估方法对于以倒谱域参数为基础的客观评价方法有很大改善。     

语音通信干扰效果客观评估的实现

将基于听觉的模型MFCC引入到语音通信干扰效果评价中,用语音通信干扰装备外场试验的实测数据对MFCC理论模型的适用性进行了验证,并制定了切实可行的方法将MFCC客观评价应用于外场通信对抗试验语音通信干扰效果的评估。     

基于客观因素的EMI语音质量评估方法

回顾常见的语音质量评估方法,重点介绍一种客观的非插入式EMI(等同MOS指示)语音质量评估方法,介绍了EMI数据在TD-SCDMA网络中的获取方法,通过对TD-SCDMA网络进行EMI与MOS(平均意见得分)拟合度评估,得出EMI能较好地反应出客户的语音质量的总论;介绍了EMI语音质量评估方法在日常TOPN(最坏小区)小区分析、单用户跟踪、终端性能分析、单通问题定位等四个方面的应用。     

基于波束形成的长短时记忆网络语音分离算法研究

在利用深度学习方式进行语音分离的领域,常用卷积神经网络(RNN)循环神经网络进行语音分离,但是该网络模型在分离过程中存在梯度下降问题,分离结果不理想。针对该问题,该文利用长短时记忆网络(LSTM)进行信号分离探索,弥补了RNN网络的不足。多路人声信号分离较为复杂,现阶段所使用的分离方式多是基于频谱映射方式,没有有效利用语音信号空间信息。针对此问题,该文结合波束形成算法和LSTM网络提出了一种波束形成LSTM算法,在TIMIT语音库中随机选取3个说话人的声音文件,利用超指向波束形成算法得到3个不同方向上的波束,提取每一波束中频谱幅度特征,并构建神经网络预测掩蔽值,得到待分离语音信号频谱并重构时域信号,进而实现语音分离。该算法充分利用了语音信号空间特征和信号频域特征。通过实验验证了不同方向语音分离效果,在60°方向该算法与IBM-LSTM网络相比,客观语音质量评估(PESQ)提高了0.59,短时客观可懂(STOI)指标提高了0.06,信噪比(SNR)提高了1.13 dB,另外两个方向上,实验结果同样证明了该算法较IBM-LSTM算法和RNN算法具有更好的分离性能。     

语音干扰效果客观评估模板优化分析

语音通信质量客观评估方法是当前声学技术研究领域的一个重要课题,在介绍语音音质评估一般方法的基础上,首先利用最小二乘法建立了基于巴克谱测度的语音通信质量评估模板,通过对该模板进行主、客观分析,引入了BP网络建模方法,大大减小了以往的最小二乘法在语音干扰效果客观评估建模中的误差,确立了基于BP神经网络的语音干扰效果评估模型,并通过实验数据加以验证.     

基于HMM和匹配追踪的多参数语音识别

本文提出了一种基于HMM和匹配追踪的多参数语音识别新算法。首先构建局部余弦基表示语音信号,对其进行匹配追踪(MP)分解。然后,应用改进后的算法对语音信号进行特征提取,得到余弦基原子参数和魏格纳-维利(WVD)分布,并结合语音信号的美尔频率倒谱系数(MFCC)一起作为该信号的特征向量,通过隐马尔科夫模型(HMM)进行识别。最后通过实验验证了方法的有效性,仿真实验表明,改进后的多参数语音识别算法比仅使用MFCC作为特征向量的HMM算法,提高了语音识别的速度和准确度。     

基于STRAIGHT模型和人工神经网络的语音转换

采用STRAIGHT语音分析一合成模型,提取源说话人和目标说话人的基频和光滑声道谱作为表征语音特征的参数。在频谱训练阶段,把声道谱转换成MFCC参数,采用人工神经网络算法对源一目标说话人的MFCC参数进行训练映射。主观和客观试验结果表明,该方法能取得较好的转换效果,转换语音和目标语音较接近,易于理解。     

采用多特征组合优化的语音特征参数研究

在研究传统语音特征参数线性预测倒谱系数(LPCC)和梅尔频率倒谱系数(MFCC)的基础上,加入基于人耳听觉特性的Bark子波滤波器组所提取的特征参数,来共同组成特征集.同时将基于遗传算法的相关性特征算法将特征集进行优化,分别采用贝叶斯和径向基神经网络算法进行语音识别.实验结果表明本方法与传统的LPCC和MFCC方法相比,平均识别率分别提高了4.66％和3.5％,最佳达到98.1％的识别率.     

基于Bark子波变换和RAS-MFCC特征的语音识别系统研究

提出了一种适用于低信噪比下的语音识别算法.该算法在前端利用人耳听觉掩蔽效应进行语音增强,然后提取一种在不需要噪声先验知识,能避免大量计算的情况下能较好地消除系统加性噪声的自相关MFCC(RAS-MFCC)参数,作为语音特征参数进行识别.     

通信语音干扰效果评估方法

通信语音干扰效果评估,是指对语音通信系统接收的受扰语音信号进行分析,确定语音信号被干扰程度的技术。准确地评估干扰效果是研制通信对抗设备、评估电子对抗态势以及了解通信质量等活动的重要依据。针对超短波通信干扰系统,提出了基于梅尔频率倒谱系数(MFCC)特征、小波统计特征和感知特征的统计测度,结合最小二乘、反向传播(BP)神经网络以及支持向量回归(SVR)拟合回归模型的评估系统,其预测值和主观评估值的相关系数达到0.9以上,保障了该干扰评估系统的实用性。研究了基于深度学习的无参考评估方法,并利用实测数据验证了其有效性,准确率达到了87%,高于多测度融合评估方法。     

Research on optimal intelligent routing algorithm for IoV with machine learning and smart contract

The huge increase in the communication network rate has made the application fields and scenarios for vehicular ad hoc networks more abundant and diversified and proposed more requirements for the efficiency and quality of data transmission. To improve the limited communication distance and poor communication quality of the Internet of Vehicles (IoV), an optimal intelligent routing algorithm is proposed in this paper. Combined multi-weight decision algorithm with the greedy perimeter stateless routing protocol, designed and evaluated standardized function for link stability. Linear additive weighting is used to optimize link stability and distance to improve the packet delivery rate of the IoV. The blockchain system is used as the storage structure for relay data, and the smart contract incentive algorithm based on machine learning is used to encourage relay vehicles to provide more communication bandwidth for data packet transmission. The proposed scheme is simulated and analyzed under different scenarios and different parameters. The experimental results demonstrate that the proposed scheme can effectively reduce the packet loss rate and improve system performance.     

基于MEFF倒谱距离与对数能量融合的语音端点检测方法

为提高低信噪比环境下语音端点检测算法性能不高的问题,提出将MFCC倒谱距离与对数能量结合进行端点检测.首先,对语音计算对数能量,然后计算改进的倒谱距离,将MFCC倒谱距离与对数能量融合,获得了一种新的语音参数,该参数能有效地提高低信噪比情况下语音与噪声的区别,对参数进行顺利滤波用于语音端点检测,采用自动更新的双阈值进行语音端判别.仿真实验表明,该算法具有较好的适用不同噪声,在低信噪比下依然能获得比较理想的端点检测效果.     

移动网络通信质量测试与评价技术初探

移动网络的通信质量在移动网络发展与运营中有着十分重要的地位，进行移动网络的通信质量测试与评价是非常有必要的。文章以用户感知作为出发点，提出了以统一的测试指标体系、统一的测试方法和统一的评价方法为主体的移动网络通信质量测试与评价体系。该体系可以针对不同的移动网络进行测试与评价，从而为电信主管部门、手机用户以及运营商提供科学合理的通信质量评价结果。     

自组织Ad Hoc网络的信任路径研究

信任机制是Ad Hoc网络安全通信的前提。针对AdHoc网络自组织信任模型,给出信任和推荐信任的定义,设计由最大入度算法和基于证据理论度量信任的评估算法共同构成的一种最优信任路径选择算法．模拟结果和性能分析表明在小规模的Ad Hoc网络中,该算法具有良好的复杂度O（n）,信任路径经过恶意节点的比率下降3％．5％,丢包率也降低4％～10％。事实证明该算法在小规模Ad Hoc网络中具有良好性能。     

基于小波包分析特征参数的说话人识别系统

介绍了说话人识别系统,研究MFCC提取原理与小波包分析的基础上,提出了一种基于小波包分析的新型语音特征参数WPDC。在研究了WPDC提取算法的基础上,建立了一个神经网络模型的说话人识别系统,实验比较了MFCC与WPDC的识别性能,验证WPDC了具有很高的识别率,是一种很好的语音特征参数。     

基于强化学习的合作频谱分配算法

为了解决认知无线电网络中的频谱分配问题,提出了一种基于用户体验质量的合作强化学习频谱分配算法,将认知网络中的次用户模拟为强化学习中的智能体,并在次用户间引入合作机制,新加入用户可以吸收借鉴其他用户的强化学习经验,能够以更快的速度获得最佳的频谱分配方案;并且在频谱分配过程中引入了主用户和次用户之间的价格博弈因素,允许主用...     

异构网络中基于能效优化的D2D资源分配机制

针对异构网络中D2D通信复用蜂窝用户频谱时存在的频谱分配问题,该文提出一种基于改进离散鸽群优化(PIO)算法的D2D通信资源分配机制。通过设置信干噪比(SINR)门限值来保证用户的通信服务质量(QoS),采用功率控制算法为用户设置发射功率,使用基于运动权值的二进制离散鸽群优化(MWBPIO)算法为D2D用户进行资源分配,并将D2D通信技术与中继技术进行有效结合,为边缘用户建立D2D中继链路,保证边缘用户的通信质量,最大化系统性能目标。仿真结果表明,该方案有效抑制了异构通信系统中引入D2D用户后导致的干扰问题,提高了边缘用户的通信质量和系统的频谱利用率以及系统的能效。     

RASTA滤波在语音干扰客观评价中的应用

提出了相关频谱(Relative Spectral,RASTA)处理模拟人类听觉感知特性的原理,将RASTA处理应用于语音通信干扰效果的客观评价。在美尔倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)参数的基础上,加入RASTA处理步骤,对语音通信干扰试验中的实测数据进行分析,证明了RASTA处理在一定程度上改善了MFCC参数的性能。