一种基于倒谱变换的自同步音频水印算法

本文提出了一种基于倒谱变换的自同步数字音频水印算法。算法对音频载体分段后,将同步码嵌入到时域上,将水印信息嵌入到变换域上。水印的提取不需要原始音频信号,是一种盲水印算法。实验结果表明,嵌入后的水印不仅具有很好的不可感知性,而且对添加噪声、重新采样、低通滤波、重新量化和剪切攻击也具有很好的稳健性。     

基于MFCC和HMM的气固流型辨识

针对气力输送管道中测控装置后常见的三种过渡流型,即中心流、环状流和层状流,采用静电传感器作为测量装置获得静电流动噪声信号,借鉴语音信号处理方法,提取静电流动噪声信号的梅尔频率倒谱系数（MFCC）及其一阶差分作为特征参数,用特征参数训练连续高斯混合密度隐马尔科夫模型（CGHMM）,建立不同流型的模型库,再用训练好的CGHMM模型对提取的特征参数进行分类,进而实现流型识别.实验结果表明,该方法识别率达到98%,为气固流流型识别及气力输送测控装置提供了新的研究方法.     

基于Mel频率倒谱参数相似度的语音端点检测算法

为提高噪声环境下语音端点检测的精确性,提出了一种基于Mel频率倒谱参数(MF-CC)相似度的端点检测方法。提取了每帧语音信号的Mel频率倒谱参数,然后将前十帧作为背景噪声,计算测试帧和背景噪声的MFCC相关系数距离,最后用得到的MFCC相似度距离曲线进行端点检测。实验结果表明,该方法在白噪声和粉噪声环境下均可得到理想的端点检测效果,并且在低信噪比时仍然有效。     

基于快速提升小波变换的语音特征提取方法

为提高语音识别系统对环境噪声的鲁棒性，在快速提升小波的基础上，结合感知频域上的滤波与倒谱均值归一化技术，提出一种语音特征参数提取方法．仿真实验表明，与传统方法相比，噪声鲁棒性显著提高；在语音信号的信噪比相近情况下，与传统小波方法相比，该方法计算简便、易于编程、计算速度快．     

双向循环神经网络在语音识别中的应用

针对前馈神经网络难以处理时序数据的问题,提出将双向循环神经网络（BiRNN）应用在自动语音识别声学建模中。首先,应用梅尔频率倒谱系数进行特征提取;其次,采用双向循环神经网络作为声学模型;最后,测试不同参数对系统性能的影响。在TIMIT数据集上的实验结果表明,与基于卷积神经网络和深度神经网络的声学模型相比,识别率分别提升了1.3%和4.0%,说明基于双向循环神经网络的声学模型具有更好的性能。     

基于神经网络的家用型睡眠呼吸暂停综合症监测系统

本文介绍了一款新的SAS监测系统,系统在不添加任何设备的情况下,利用手机调用自行设计的手机软件采集用户的鼾声数据,并采用fcp协议,利用家庭无线网传输数据,最终将数据存储在Pc机中,并将神经网络算法和语音识别技术加入到系统的核心算法中,用于识别语音和鼾声,结合SAS的病征实现对SAS病症的诊断．实践证明,本系统相对于传统的SAS监测系统,具有更高的病症判别率．     

一种基于短时倒谱速变率的语音信号平滑端点检测方法

短波通信以其天波传播特性,在通信领域具有其他通信手段无法替代的地位。为解决短波通信中信噪比较低,噪声信号严重影响语音处理效果的问题,提出了一种基于短时倒谱速变率的平滑端点检测方法,通过检测噪声信号的倒谱特征,初步确定语音信号端点,然后加入平滑优化处理以及Holdon设计,降低由于倒谱突变造成的误判。实测信号仿真实验证明,该方法在不过多加重系统负担的前提下,取得了良好的效果。     

一种改进的倒谱基音提取算法

介绍一种基音检测的新方法。该算法首先对分帧语音采用Burg算法进行LPC分析,获取最佳预测系数构造逆滤波器;然后通过逆滤波得到预测误差序列代替原输入语音序列进行倒谱分析;最后在恰当的范围里测出最大峰值,进行基音检测。实验结果表明,与传统方法相比,该方法鲁棒性好,在信噪比低的情况下仍可获得较高的准确率。     

应用倒谱域滤波的TDR波形分析

倒谱域滤波能够有效的滤除多次反射回波。该文将倒谱域滤波方法引入TDR(Time Domain Reflectometry)波形分析,通过将TDR波形在倒谱域内做滤波,滤除多次反射回波对时域波形的影响,进而快速准确测定脉冲在探头上传播时间,反演土壤表观介电常数。利用倒谱域滤波法测试结果与双切线法结果相比,具有更高的测试精度。     

融合AP和GMM的说话人识别方法研究

针对在说话人识别过程中经典的高斯混合模型(Gaussian Mixture Model,GMM)阶数的确定具有很大随意性的问题,提出采用吸引子传播聚类方法(AP聚类)自动获取GMM的阶数,进而实现说话人识别的方法.首先,采用Mel频率倒谱系数法(MFCC)与差分倒谱相结合的方法,提取语音特征参数;其次,采用吸引子传播聚类方法(AP聚类)对语音特征参数进行聚类处理,从而自动获得GMM的阶数;在此基础上进行GMM模型的训练;最后,采用训练好的GMM模型对Timit标准语音库以及自制网络志愿者语音库进行说话人识别测试实验.实验结果为：使用了AP聚类算法获取GMM阶数的情况下,对Timit标准语音库的测试结果为100%;在自制网络志愿者语音库中,训练样本为168个,其中潮汕话样本10个,湖南话样本10个,测试样本为42个,测试结果为97.6%.实验结果表明,引入AP聚类自动获取GMM的阶数,可以显著提高说话人识别的精度和效率.