全局和时序结构特征并用的语音信号情感特征识别方法

在利用全局特征进行语音情感特征分析的基础上,提出了采用情感语句中各元音时序 结构作为新的特征,并针对不同语句中包含不同元音个数的情况,提出了零补齐、分局均值补 齐、前均值补齐三种不同的规整方法.以从10名话者中搜集的带有欢快、愤怒、惊奇、悲伤4种 情感的1000句语句作为样本,本文对语音情感特征进行了分析.实验结果表明利用全局特征和 时序特征相结合,对时序特征采用前均值补齐,同时使用修正二次判别函数(MQDF)进行情感 识别能够获得94%的平均情感识别率.     

数字音频压缩中的变换编码算法

变换编码是音频压缩中的一个重要部分,文中叙述ＭＰＥＧ音频编码标准中的变换编码技术,包括改进余弦变换和反变换（ＭＤＣＴ和ＩＭＤＣＴ）时域混叠抵消与自适应窗选择,详细推导了ＭＤＣＴ和ＩＭＤＣＴ的快速算法。     

语音信号中的情感识别研究

提出了从语音信号中识别情感特征的方法.从5名说话者中搜集了带有欢快、愤怒、惊奇和悲伤的情感语句共300句.从这些语音资料中提取了10个情感特征.提出了3种基于主元素分析的语音信号中的情感识别方法.使用这些方法获得了基本上接近于人的正常表现的识别效果.     

基于连续分布型HMM的汉语连续语音的声调识别方法

本文介绍了基于连续分布型HMM的汉语连续语音声调识别方法,提出了一个适合于汉语连续语音声调识别的特征参数提取和识别方案.通过对汉语连续语音声调特点的分析,选择了8个音节单位的连续分布型HMM作为声调识别用基元模型进行识别试验,识别结果表明,10名话者1070个句子的连续语音声调识别的平均识别率是95.1%.     

基于3维空间Viterbi算法的汉语连续语音识别方法

本文提出了基于３维空间Ｖｉｔｅｒｂｉ算法的汉语连续语音识别方法。本方法采用６０个音素单位的隐马尔可大模型（ＨＭＭ）和８个声调单位的ＨＭＭ作为识别用基元模型。音素基元模型和声调基元模型的识别结果的统合,采用音素单位的ＨＭＭ状态,声调单位的ＨＭＭ状态和时间的３维空间Ｖｉｔｅｒｂｉ算法来实现。     

虚拟听觉空间中运动声源的模拟

文中提出一种在虚拟听觉空间中加入多普勒效应以提高模拟运动物体效果的方法。该方法通过对原始声源运动轨迹的分析,对声源信号进行多普勒调频,并根据耳间时间差对双耳信号进行高歌上。最后利用连续球面空间上的ＨＲＩＲ对双耳信号进行滤波处理。经过验证,该方法处理后的声源信号运动感觉强烈。它为实现虚拟听觉空间提供了一种有益的新方法 。     

网格运动分析与形态学滤波相结合的视频对象分割

提出了一种基于二维网格运动分析与改进形态学滤波空域自动分割策略相结合的视频对象时空分割算法。该算法首先利用高阶统计方法对视频图像的二维网格表示进行运动分析，快速得到前景对象区域，通过后处理有效获得前景对象运动检测掩膜。然后，用一种结合交变序列重建滤波算法和自适应阈值判别算法的改进分水岭分割策略有效获得前景对象的精确边缘。最后，用区域基时空融合算法将时域分割结果和空域分割结果结合起来提取出边缘精细的视频对象。实验结果表明，本算法综合了多种算法的优点，主客观分割效果理想。     

一种应用形态学滤波的视频对象时空分割算法

从视频图像中提取视频对象是基于内容的视频编码中的一项关键技术。本文提出了一种基于帧间运动信息和形态学滤波的视频对象时空分割算法。该算法首先利用分块高阶统计算法和基于最大类间方差的阈值算法得到目标的运动区域检测模板。然后,用基于交变序列重建滤波的分水岭算法得到前景对象的精确边缘。最后,用区域基时空融合方法将运动检测和形态学分割结果结合起来提取出视频对象。实验结果表明,本文算法能避免区域合并有效提取出具有精确边缘的视频对象,主客观分割效果理想。     

径向高斯核函数时频分布及在故障诊断中的应用

对一种可调核函数的时频分布－径向高斯核函数时频分布（RGKD）进行了研究,并将径向高斯核函数时频分布引入机械故障诊断。这种时频分布根据被分析信号不同特性,采用优化方法自适应对模糊函数进行整形,尽可能保留集中在原点的信号模糊函数的自分量,抑制远离原点的交叉分量,与固定核函数的时频分布对比结果表明,径向高斯核函数时频分布极大地去除了交叉分量,提高了分辨率,并且对品怕不敏感,在分析实际低信噪比的信号时,仍能保持较高的分辨率,杂散分量很少,该方法具有对信号的广泛自适应性,试验证明径向高斯核函数时频分布在故障诊断中的较强的特征提取作用。     

语音识别技术在电话语音自动拨号中的应用

给出了一种应用于电话语音自动拨号的实时语音识别方法。该系统对特定人的语音进行识别,并将识别结果映射成相应的电话号码。实验结果表明该方法具有很高的识别精度和实时的识别速度,并且只需很小的内存空间就可以实现,是一种有效的应用于电话语音自动拨号等方面的语音识别方法。