针对多种处理痕迹的数字语音取证算法

现有的数字语音取证研究主要集中于对单一的某种操作进行检测，无法对不相关的操作进行判断。针对该问题，提出了一种能够同时检测经过变调、低通滤波、高通滤波和加噪这四种操作的数字语音取证方法。首先，计算语音的归一化梅尔频率倒谱系数（MFCC）统计矩特征；然后通过多个二分类器对特征进行训练，并组合投票得到多分类器；最后使用该多分类器对待测语音进行分类。在TIMIT以及UME语音库上的实验结果表明，归一化MFCC统计矩特征在库内实验中均达到了97%以上的检测率，且在对MP3压缩鲁棒性测试的实验中，检测率仍能保持在96%以上。     

一种新的抗噪语音特征的提取

针对LPCC易受噪声干扰和不能反映人耳听觉特性的缺点,提出了新的抗噪声特征,实验表明,在各种信噪比（SNR）环境中,该方法的精度高于线性预测倒谱系数（LPCC）和美尔倒谱系数（MFCC）.     

一种改进的语音信号特征参数提取算法研究

为了提高语音信号的识别率,提出了一种改进的语音信号特征提取算法。该算法在MFCC参数的基础上,增加每帧信号的短时能量和短时过零率,使得新参数能够更为准确地表征语音信号。通过仿真实验。说明了新特征参数取得了较高的识别率。     

雷达辐射源音频信号声纹识别方法

针对复杂的电磁环境中,雷达辐射源音频信号人工识别方法存在耗时长、误判和错判等问题,提出一种利用声纹识别和计算机技术对雷达辐射源音频进行识别的方法.利用了声纹识别关键技术--美尔倒谱系数特征提取和动态时间规整算法实现雷达辐射源音频自动识别,实验结果表明:该方法缩短了识别时间,提高了识别的正确率.     

面向普通话辅音检测的区别特征参数测量

以建立基于特征参数的解析化的普通话辅音发音检测方法为应用目的。根据普通话辅音按发音方式和发音部位分类的特点并结合区别特征理论的二元对立思想,首先提取分析了普通话21个辅音的美尔倒谱系数MFCC和美尔滤波器能量这两类特征,并进一步得到能区别发音方式或发音部位的区别性特征参数k1~k11。在此基础上构建了面向普通话辅音检测的二元分类决策树。与基于HTK的分类结果比较表明：使用基于区别性特征参数的决策树判决的方法对辅音进行分类检测和识别的结果比较稳定,准确率大多在80%以上且有更好的鲁棒性。     

A new approach of audio emotion recognition

A new architecture of intelligent audio emotion recognition is proposed in this paper. It fully utilizes both prosodic and spectral features in its design. It has two main paths in parallel and can recognize 6 emotions. Path 1 is designed based on intensive analysis of different prosodic features. Significant prosodic features are identified to differentiate emotions. Path 2 is designed based on research analysis on spectral features. Extraction of Mel-Frequency Cepstral Coefficient (MFCC) feature is then followed by Bi-directional Principle Component Analysis (BDPCA), Linear Discriminant Analysis (LDA) and Radial Basis Function (RBF) neural classification. This path has 3 parallel BDPCA + LDA + RBF sub-paths structure and each handles two emotions. Fusion modules are also proposed for weights assignment and decision making. The performance of the proposed architecture is evaluated on eNTERFACE’05 and RML databases. Simulation results and comparison have revealed good performance of the proposed recognizer.     

噪声背景下语音识别特征参数选择研究

为提高语音识别系统的实用性与实时性,该文采用缺失特征分量的方法研究了美尔频率倒谱系数静态特征及其一阶差分各分量对识别率的影响.在不同信噪比情况下,分别对含白噪声、粉红噪声、车载噪声和工厂噪声这四种典型噪声的语音进行了实验研究,结果表明:在保证系统有较高识别率的情况下,在低信噪比时,含白噪声的语音信号缺失美尔频率倒谱系数...     

一种提取说话人特征的新方法

抽取最佳鉴别特征是说话人辨认中的重要一步.本文在使用美尔倒谱系数(MFCC)及一阶差分组成的特征参数的基础上利用主分量分析(PCA)和线性判决分析(LDA)结合的提取方法,构造了一种新的特征参数.这种新的参数具有最佳鉴别特性,然后用支持向量机(SVM)对提取的特征分类辨认.实验结果表明该方法能更好地识别说话人,有更好的识别能力.     

基于FPGA的高性能MFCC特征参数提取

为了实现高速语音特征参数的提取,在分析了美尔频率倒谱特征参数提取算法的基础上,提出了算法的硬件设计方案,介绍了各模块的设计原理.该方案增加了语音激活检测功能,可对语音信号中的噪音帧进行检测,提高了特征参数的可靠性.最后将设计实现于Stratix Ⅱ系列FPGA上,仿真结果表明设计可以实现高速,高精度的MFCC特征参数提取.     

基于神经网络由语音预测视位参数

语音是由多个发音器官共同作用产生的，发音器官动作与语音之间有着内在的必然联系．研究了利用神经网络预测视位参数中的选择语音参数、确定输入语音时域范围、优化神经网络结构等因素．实验结果表明，线性预测参数加短时能量优于其他语音参数，前向协同发音较后向协同发音影响更大，反馈对前馈神经网络的性能有所改善．考虑到实验采用的是任意连续语流，均方误差约为0．0114的实验结果还是很有吸引力的．