基于长短时能量均值的活动语音检测算法

为了有效抑制非平稳背景噪音对语音处理系统的严重干扰,提出了一种基于长短时能量均值的活动语音检测算法.该算法基于两个合理的假设,一个是基于语音隐含成分集的稀疏分解,不但能尽可能地保留含噪语音中的语音信息,还能在一定程度上消除非语音类噪音的干扰;另一个是对上述稀疏分解的语音进行重构,该重构信号中语音段的时域能量高于非语音段的时域能量.在上述两个假设的基础上,采用重构信号的时域能量作为音频特征,以当前帧为中心,并将与其相邻的特定数量帧的短时能量均值作为当前帧的得分值;以当前帧及其之前特定数量帧的长时能量均值作为判决阈值,进而提出了以当前帧的短时能量均值和长时能量均值大小作为判断条件的活动语音检测算法.实验结果显示,该算法能有效地区分低信噪比(平稳噪音和非平稳噪音)条件下的语音和非语音片段,并且其性能优于基于单Gaussian分布的似然比算法.     

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。     

基于EDFE的顽健语音识别方法中测试环境特征的自适应

作者曾提出一种基于环境特征判别学习的顽健语音识别方法EDFE,该方法基于最小分类错误准则迭代地学习环境特征。从训练数据中学得的环境特征不可能完全反映测试环境的特点,因此研究测试环境的自适应方法,有利于提高语音识别系统性能。文章讨论EDFE中一种测试环境的自适应方法。     

基于Lattice分段的高质量混淆网络快速生成方法

针对现有混淆网络生成方法难以兼顾速度和质量的问题,研究了基于横断一致性的Lattice分段方法和基于最大置信度的Lattice分段方法,研究了用这两种Lattice分段方法来减少对混淆网络质量的影响。提出了一种基于Lattice分段的高质量混淆网络快速生成方法。该方法把原始大规模Lattice分割成小尺寸的Lattice,分别生成混淆网络,从而可减小计算规模,提高网络生成速度。同时通过分段数目来调节速度和质量之间的平衡。实验结果显示,与词聚类算法相比,所提方法显著提高了混淆网络的生成速度,而对混淆网络质量影响很小。从解码性能看,在相同速度下所提方法获得了比采用剪枝的词聚类算法更低的错误率。     

基于矢量量化的弦乐颤音自动检测

自动音乐标注是音频信息检索的基础,并可广泛应用于辅助音乐教学、辅助音乐创作等许多音乐相关领域。然而,在弦乐器演奏的音乐中存在着大量用于修饰或表现乐曲情感、风格的颤音。在对这类乐器的自动音乐标注中,如果不进行颤音检测而直接进行标注容易出现错误。对基于矢量量化的弦乐颤音识别方法进行了研究,提出了一种用于对整段音乐进行颤音检测的方法。实验证明这种方法是精确有效的。     

基于p-稳定分布局部敏感哈希地址的鲁棒音频检索方法

局部敏感哈希（Local-Sensitive Hashing, LSH）索引方法具有快速的优点,对数据规模具有子线性的时间复杂度。但是该方法对待检集合的选取要求苛刻,容易将带噪数据排除在待检集合之外,导致检索精度下降。针对这一缺点,本文从p-稳定分布理论出发,分析噪声对数据的局部敏感哈希地址的影响,并利用数据的哈希地址受噪声影响在原始地址附近偏移的特性,提出一种鲁棒的音频检索方法。该方法将LSH地址直接作为相似性判定的特征,并通过扩大检索范围来提高噪声鲁棒性。实验表明,所提方法在噪声鲁棒性方面优于LSH索引方法;进一步引入向量搜索算法优化后,其检索速度也可达到与LSH索引方法接近的水平。      

DSP开发工具综述

数字信号处理器DSP已经在诸多领域中得到了广泛的应用，同时DSP开发工具也得到了迅速的发展。本文在对各类DSP开发工具分析的基础上，将其归纳为低、中、高三个层次，分析阐述了每个层次的特点：低层工具提供了C语音编译器、实时操作系统、可供C语言调用的库函数、以及实时多重处理的特殊支持；中层工具提供了面向算法的开发、分析和学习工具可对数据进行时、频域等不同形式的处理；高层工具提供了数据流软件包帮助用户用方框图进行开发。最后对DSP开发工具的发展趋势进行了展望。     

基于长短时能量均值的活动语音检测算法

为了有效抑制非平稳背景噪音对语音处理系统的严重干扰,提出了一种基于长短时能量均值的活动语音检测算法。该算法基于两个合理的假设,一个是基于语音隐含成分集的稀疏分解,不但能尽可能地深留含噪语音中的语音信息,还能在一定程度上消除非语音类噪音的干扰;另一个是对上述稀疏分解的语音进行重构,该重构信号中语音段的时域能量高于非语音段的时域能量。在上述两个假设的基础上,采用重构信号的时域能量作为音频特征,以当前帧为中心,并将与其相邻的特定数量帧的短时能量均值作为当前帧的得分值;以当前帧及其之前特定数量帧的长时能量均值怍为判决阈值,进而提出了以当前帧的短时能量均值和长时能量均值大小作为判断条件的活动语音检测算法。买验结果显示,该算法能有效地区分低信噪比（平稳噪音和忙平稳噪音）条件下的语音和非语音片段,并且其性能优于基于单Gaussian分布的似然比算法．     

电话语音识别中通道补偿方法的性能比较

1.引言语音信号在进入语音识别系统之前,通常受到一些诸如语音产生过程、记录过程以及传输过程中产生的通道畸变的影响。例如:麦克风依赖于其类型和位置的不同能明显地影响语音信号的频谱,电话线网络的频率特性也对语音信号产生了频谱畸变的影响。这些由于传输通道而引入的频谱畸变将直接影响到语音信号的短时频谱分析结果,目前所有的语音识别系统中的参数计算,以及相似度测度都直接或间接地依赖于语音信号的短时频谱分析结果,