基于声音定位和听觉掩蔽效应的语音分离研究

人耳具有在嘈杂环境中将感兴趣的语言信息提取出来的能力,而双耳听觉特性有助于这种能力的加强.据此本文提出了一种基于声音定位和听觉掩蔽效应的混叠语音分离方法.根据声音到达双耳的时间差和强度差在时频域内确定相应的掩蔽系数,该系数是二值的,以直接去除干扰信号,保留有用信号并达到语音分离的目的.实验表明,本文提出的方法是有效的.该方法不仅适用于混叠语音为浊音情形,对清音的情况同样适用,因而比基于基音提取的语音分离方法的适用范围更广.     

基于计算听觉场景分析的强噪声背景下基音检测方法

本文针对强噪声背景下语音基音检测这一既具实际应用，又相当困难的问题，提出了一种基于计算听觉场景分析的基音检测方法。该方法利用了人的听觉感知特性，适用于低信噪比和存在其它语音干扰下基音信息的提取。实验结果证明，本文提出的方法是非常有效的。     

基于听觉模型的汉语耳语音声调检测

 从听觉感知出发,分析了听觉外周模型对于语音激励的主要响应过程,采取听神经平均发放率为声调感知线索,提出了一种汉语耳语音声调的识别方法.其理论基础是听神经发放信息是听觉中枢的唯一信息来源,它是对于语音激励中声强、频谱、共振峰等多种特征的综合反应,因此适合用作耳语音的声调特征.采用BP神经网络对大量汉语元音耳语四声样本进行训练、识别,得到65.1%的平均识别率,达到了改善汉语耳语音声调识别效果的目的.     

基于EMD拟合特征的耳语音端点检测

耳语音作为人类发音的一种特殊形式,与正常语音相比具有信噪比低、元音的周期特征不明显等特性,因而耳语音处理比正常语音更为困难。耳语音处理研究的第1个关键步骤就是语音的端点检测,该文利用希尔伯特-黄变换(Hilbert-Huang Transform, HHT)中的经验模态分解(Empirical Mode Decomposition, EMD),首次提出了一种基于EMD拟合特征的耳语音端点检测新方法。利用EMD得到的内禀模态函数(Intrinsic Mode Function, IMF)能量,以其归一化拟合参数为耳语音端点检测的特征,可以准确地划分出耳语音端点。实验表明,该方法在耳语音端点检测中取得了很好的效果,在1200个信噪比为2～10dB的测试样本中,检测准确率为98.25%。     

桃胶片加工工艺及品质研究

实验以桃胶为主要原料,通过研究桃胶、水、卡拉胶、酸变性淀粉、预糊化淀粉、柠檬酸、蔗糖用量及对桃胶片品质的影响,获得桃胶片生产优化工艺,利用单因素试验和正交试验确定优化工艺参数。结果表明,桃胶片生产优化工艺为先分别水解桃胶和溶糖,然后将其混合,添加其他成分,再成型包装,桃胶片优化配方为卡拉胶0．6 g,酸变性淀粉4 g,预糊化淀粉10 g,水为30 g,桃胶5．5 g,蔗糖30 g,柠檬酸0．2 g,柠檬酸钠0．25 g,食盐0．375 g,单甘酯0．15 g,羟基化卵磷脂0．25 g,蔗糖酯0．25 g。该条件下生产出的桃胶片呈浅黄色,半透明,晶莹剔透;具有桃胶特有的风味;口感润滑、滋味纯正,具有咀嚼性。     

乳清蛋白-低聚糖型小麦胚运动饮料的研制

以小麦胚、低聚麦芽糖、乳清蛋白、无机盐（NaCl、KCl）和柠檬酸、黄原胶为原料,制作新型运动饮料。其生产工艺为制取小麦胚汁、调配、均质、灌装、杀菌、冷却、静置、检验、成品。利用单因素试验和正交试验确定运动饮料的最优配方为小麦胚汁100g,黄原胶0．075g,乳清蛋白1．5g,无机盐1．8g,柠檬酸0．02g,低聚麦芽糖8g。该运动饮料呈乳白色,具有小麦胚特殊色泽,色泽均匀,清爽可口,既有小麦胚的清香味,又有乳清蛋白的香味,质地均匀一致,无沉淀,不分层,具有良好的流动性,对运动后的不适有良好的缓解作用。     

基于四阶累积量的重叠语音分离

文章将文献「１」给出的信号盲分离的一个理论判据应用于实际重叠语音信号的分离，给出了实现该判据的迭代算法，并对其中的参数选择等进行了讨论。实验表明，对于由两个语音分量构成的重叠语音信号，只要合理地选择其参数，就能有效地将其分离。     

基于OSF的汉语耳语音的端点检测

将非线性理论应用到端点检测中，提出一种利用次序统计滤波（OSF）来进行汉语耳语音的端点检测的方法。对信噪比为2-10dB的耳语音的测试样本进行仿真试验，结果表明，该方法能较准确地检测到汉语耳语音的端点。     

修正自适应格型陷波器及其应用

提出了一种频率响应非对称的修正自适应格型陷波器(improved adaptive lattice notch filter,I-ALNF),并且提出一种新的自适应格型递推算法。将陷波器传递函数零极点部分同时引入到自适应调整算法中,使陷波器具有更好的特性。该陷波器应用于语音信号处理,根据其反射系数推导出自适应陷波频率,可以较容易的检测到语音声门闭合时刻(glottal closure instant,GCI)的位置。     

高表现力情感语料库的设计

针对高表现力情感语音合成的需要,设计并建立了一个具有四种情感状态（正常、喜悦、忧伤、愤怒）的高表现力情感语料库.该数据库包含1000个词组、700条语句,共30分钟的语料.论文分析并讨论了设计和建立情感语料库的几个重要准则：语料的选择、制定标注规范、安静的录音环境、情感的情景准备以及情感语料库经主观辨听的后期筛选.为达到高表现力,论文着重强调了情境诱发的重要性,主观听觉评价表明,本数据库具有明显的情感特征.