极低错误接受率的说话人识别方法研究

针对一些说话人识别方法在应用中要面对海量的集外数据,其很低的错误接受率也会带来大量识别错误的情况,进行了极低错误接受率的说话人识别技术的研究,以求在保证召回率的前提下,将错误接受率降低至约万分之一的水平.研究的重点是对经典的高斯混合模型-通用背景模型(GMM-UBM)方法进行了改进,加入一个确认判决机制来进一步拒绝集外...     

语音识别中环境失配补偿综述

作为语音处理领域的支撑技术之一,语音识别以识别语音信号并将其转变成文字为目标,在智能人机交互、对话系统、多媒体内容分析等领域有着广阔的应用前景。经过数十年的发展,目前的语音识别技术在理想状况下能取得较高的识别率。然而,在采集和传输过程中,语音信号不可避免地会受到各种信道和加性噪声的干扰,引起训练环境和识别环境不一致、即环境失配,进而导致识别系统的性能急剧下降。这种失配严重阻碍了语音识别技术走向现实应用,已成为语音识别领域中迫切需要解决的问题之一。首先阐述了环境失配的问题,然后按照加性噪声、信道畸变和联合补偿的脉络,系统地综述了各个问题的补偿方法。     

基于信号重要子空间匹配追踪的擦除补偿方法

近年来的研究表明,自然界中能够为人们所理解的信号都具有稀疏的性质。利用信号的稀疏性,提出了一种基于被擦除信号重要子空间匹配追踪的擦除补偿方法。首先,在给定错误率的基础上定义了信号稀疏性的度量方法。然后,依据被擦除信号的有效部分基于正交匹配追踪方法来寻找信号的重要子空间。最后,基于迭代方程在信号的重要子空间中获得信号的近似表示,并将其作为被擦除信号的补偿信号。模拟实验结果显示了所提出方法补偿被擦除信号的有效性。     

噪声环境下畸变模型线性化处理的顽健语音识别方法

针对噪声环境下语音识别的顽健性问题,考虑到梅尔倒谱系数(MFCC, Mel-frequency cepstral coefficient)域的畸变模型高度非线性且难以处理,用分段线性插值函数代替对数函数,提出了一种新的线性畸变模型.在此基础上,导出了噪声参数估计和声学模型补偿方法,无需采用矢量泰勒级数(VTS, vector Taylor series)展开作近似处理,有效避免了模型误差的引入,增强了系统在噪声环境下的顽健性.     

哈工大与中国计算机事业

1956年2月,中国最早的计算机专业在哈工大诞生。50年来,哈工大人用自己的智慧和勤奋在我国计算机领域创造出一项又一项奇迹,填补了一个又一个空白,培养了一大批高水平的计算机品牌人才,有力地推动和促进了中国计算机事业的发展。如今,哈工大计算机学科已从一个专业发展成为在国内外享有很高声誉的计算机科学与技术学院。从1957年我国第一台比较完整的结构模拟计算机的制成,到1958年中国第一台能说话会下棋的数字计算机的诞生;从1963年首创“挤出—切断”制造磁芯的方法,到20世纪70年代首开中国容错计算机的先河;从1987年被评为全国唯一的计…     

动态时间规正与差别子空间相结合变异语音识别的在线训练方法

应力影响下的变异语音(由于说话人受到重力加速度变化而产生)可以用动态时间规正与差别子空间相结合的方法进行识别,但是该方法空间开销很大,而且训练算法极为复杂。针对该方法提出特征矢量替换法和特征矢量求平均法两种基于聚类思想的简单在线训练方法,取一个较小的初始训练集,然后用在线训练的方法使系统识别率达到最大。实验结果表明,其中特征矢量求平均的在线训练方法非常有效,保证系统整体识别率的同时,大大减小了系统的空间开销,适合于训练数据有限的变异语音识别。     

TMS320C40的结构特点及其构成并行处理结构的方案探讨

并行处理是计算机技术发展的必要趋势。ＴＭＳ３２０Ｃ４０浮点数字信号处理器具有独特的硬件结构和丰富的软件支持，使其非常适合构成高性能的并行处理结构。Ｃ４０具有６个通讯端口，因而在构成并行处理结构上有明显的优势。本文分析Ｃ４０的硬件结构、软件支持、讨论由它所构成的并行处理系统。     

一种基于矢量量化的音频场景分析方法

基于音频的场景分析技术对机器自动感知环境特征，提高自动化程度等具有重要的意义。考虑到人耳的听觉特性，采用反映人类听觉特性的Mel倒谱系数MFCC（Mel frequency cepstral coefficient)作为音频信号特征，提出了一种用矢量量化来进行音频场景分析的方法。     

一种语音识别中的环境自适应方法

众所周知,训练和测试环境的不同严重影响了语音识别系统的性能。该文提出了一种新的测试环境自适应的方法,它能在测试进行过程中逐步地学得环境特征,而不需要事先获得测试环境的样本数据,从而改变了语音识别系统性能。     

声道的调频-调幅模型及其在语音分析中的应用

传统的线性声学理论是基于这样一个假设：流经声带的气流在声道中是以平面波的形式传播，而根据Teager的研究结果，由于在声道中有涡流分布，这个假设将不成立，基于这种非线性现象的存在，Msaragos提出了一个调频－调幅模型来表示语音产生的过程；近年来这个模型已经被成功地应用到语音处理的许多领域中，介绍了调频－调幅模型的产生背景及其产生主要理论核心，重点讨论它在语音分析中的应用有在异语音识别中的应用前景。