汉语自然话语的音高下倾

该研究使用电话对话语料,在统计的基础上对语句的音高下倾进行了考察。发现绝大多数语句的音高都是逐渐下降的,音高曲线前高后低的走势有其生理上的原因,并且具有标界功能。少数语句音高不下降,这与词语的载义重度、焦点及音节本调有关。该文又对陈述句和疑问句的音高进行了考察,发现与陈述句相比,疑问句的整体音域较大,句末无疑问语气词的是非问句末尾两音节间的降幅较小。     

基于C#语言的Microsoft Speech SDK应用

对MicrosoR Speech SDK 5.1软件开发包提供的语音应用程序编程接口SAPI进行了分析,探讨了使用C#语言调用SAPI中语音合成和语音识别相关接口的方法,实现了数据库应用程序的语音交互功能。     

基于UniSPeech-SDA80D51的车载音响声控系统

提出一种语音命令控制车载音响操作的设计方案,以德国Infineon公司新推出的具有DSP和单片机双核的SoC语音处理芯片UniSpeech-SDA80D51为核心组成非特定人车载音响语音控制系统,并实现了系统样机的研制.该系统在江淮同悦SL1102C1型车载音响上进行了语音控制实测,实测数据表明系统语音识别率可达到95...     

MELP低速率语音编码器在DSP上的改进与优化*

在标准混合激励线性预测(MELP)语音编码算法中,对同时含有清音和浊音的混合帧会产生参数估计错误,并且导致合成语音质量的下降。针对这个缺陷提出一种基于过渡帧判决算法的改进MELP模型(M-MELP),提高了参数估计的准确度,保证了合成语音的质量,并结合TMS320C6416数字信号处理器的结构特点,通过改写开源的MELP算法实现M-MELP算法,从程序结构、编译器和代码进行三级优化。相对于单一的优化,能更好的提高程序运行的并行性和存储器的访问效率,从而在基于DSP的嵌入式系统中实现高质量的实时语音编码。     

消除溢出问题的精确Baum-Welch算法

Baum-Welch算法是在语音领域中用于HMM(hidden Markov model)模型参数训练的最基本方法之一.但它在多样本训练时存在着严重的上、下溢问题,需要不断地人工介入来调整中间参数.该文提出了一种新的能消除上、下溢问题的Baum-Welch改进算法.该算法不但摆脱了人工介入,保证了计算的精度,而且不会带来过大的计算和存储要求.实验结果表明了这种新算法的有效性.     

对经典隐马尔可夫模型的经验性改进

文章分析了经典隐马尔可夫模型（Hidden Markov Model,HMM）齐次假设的理论缺陷,以及两种非齐次HMM。语音识别对比实验表明,经验性的惩罚概率法是稳健的、且更有效的补偿方法。实验结果还指出在最优惩罚概率下,经典HMM达到了与非齐次的基于段长分布的HMM（Duration Distribution Based HMM,DDBHMM）几乎相同的识别率,证明了齐次假设并不影响经典HMM在实用中的重要性。文章提出了一种改进Baum－Welch重估算法的初值的经验方法,用于HMM参数的估计,在汉语连续语音识别实验中一致性地降低了音节误识率。     

基于复解析子波变换（CAWT）的汉语语音谱图

复解析子波变换（CAWT）紧密地将希尔伯特变换（HT）与子波变换（WT）结合在一起,在信号分析处理方面具有良好的表现。本文将复解析子波复换应用于汉语语的谱分析中,实验结果表明,文中所构造的复子波语音谱图可以清晰地表征汉语语音的动态谱结构,谱图中的语音形态为进一步的语音识别提供了一种新的途径。     

ITU—TG.729a语音编解码器的实时实现

G.729a是ITU－T推出的用于PSTN的第四代语音编码标准,采用了共轭结构－算术码本激励线性预测编码（CS－ACELP）算法,其码率为8Kbps。本文在对G.729a的编解码算法作出扼要介绍后,就如何在定点DSP芯片TMS320C541上实时实现该编码算法做出了具体讨论,包括系统的软硬件设计及关键技术。随后文中给出了详细的实验结果以供分析。根据测试结果,最后得出结论：在'C541上实现一路全双工G.729a编解码器需程序空间7．23K字、数据空间6．7K字,其算法复杂度最大为15．5MIPS。     

G.723.1语音编解码器优化策略的研究

在语音编解码器的实际应用中,语音编解码器的编解码时间是一个关键的性能指标。本文通过对G.723.1语音编解码器客观测试和使用VC^＋＋的工具profile对G.723.1语音编解码器测试结果的分析,提出对G.723.1语音编解码器的优化应着重于对计算复杂度较大的模块进行优化。如基音估计、自适应码本搜索、固定码本搜索等模块。并针对这些模块给出相应的优化方法。最后对根据优化策略优化的代码和未优化代码进行了测试,结果显示优化代码比未优化代码的运行时间减少了24％－31％。     

基于非监督训练的汉语词性标注的实验与分析

概率参数的获取是基于统计的词性标注的两个主要研究方向之一．侧重于研究非监督方式,利用未标注的语料进行训练获取概率参数．实现了一个非监督的训练标注模式－ＨＭＭ－Ｂａｓｉｃ;从不同的初始模型和训练集出发对汉语词性标注进行了实验;分析了训练集规模、初始模型的选择对系统标注性能的影响并讨论了其中所存在的问题。