智能电视中文语音识别测试研究

在目前中文语音识别的研究与应用基础上,提出了针对智能电视产品的语音识别测试方案。该测试方案基本覆盖了智能电视这一产品类型语音识别功能与性能的主要测试指标,测试结果的分析反映了目前智能电视语音识别应用的技术现状;测试过程与结果也验证了该方案的实用性和有效性。     

混合网络环境下的数字电视协议测试系统研究

在研究协议测试原理和方法的基础上,围绕实现混合网络环境下的数字电视协议测试系统的目标,设计了数字电视交互协议测试系统的软件架构,同时在Windows平台上实现了该系统,并对数字电视基本交互协议进行了测试,验证了该系统的实用性和有效性。     

蠕变效应对微型扬声器小信号参数建模的影响

大部分微型扬声器在低频时存在着蠕变效应。通过电力声类比建立了微型扬声器的小信号模型,分析了微型扬声器小信号参数与普通扬声器的差异。引入支撑部分的蠕变效应,采用标准线性固态蠕变模型对支撑系统顺性进行改进,比较了传统的力顺模型和两种蠕变模型。讨论了蠕变对小信号参数建模的影响,以及特殊的结构对振动和声学特性的影响。取得的结果具有一定的实用价值。     

基于卷积神经网络的全景图像超分辨率算法

文章提出了一种基于卷积神经网络结构的全景图像超分辨率算法3D-WDSR,在单帧图像超分网络WDSR基础上引入可变卷积核结构以减小参数量,节省计算资源.实验结果表明,在不同尺度的超分辨率任务中,先经过预训练后的网络具有更好的性能表现,所提出的3D-WDSR算法的超分辨率重建效果要高于双三次插值方法和EDSR算法,且在参数...     

三维音频质量评价方法

随着三维(Three Dimension,3D)音频技术的发展,与之相配合的三维音频质量评价方法也越来越受到广泛的关注.当前的三维音频质量评价方法主要包括两大类:主观评价方法与客观评价方法.主观评价由于其直观性和可靠性而成为音频质量评价的黄金标准,主要包括ITU国际标准中的带隐藏参考和基准的多激励测试(MUSHRA,ITU-R BS.1534)以及带隐藏参考的三次听音双盲听评法(ITU-R BS.1116).主观评价方法认可度高,但操作耗时耗力,研究者也希望开发一种快速方便的客观评价工具.目前国际标准中针对音频信号的客观模型主要是感知音频质量客观测试方法(PEAQ),但相较于主观评价方法,它的准确度仍不是很理想,尤其是在针对多声道的三维音频质量进行评价时缺少很好的解决方案.本文对目前主要的三维音频质量主客观评价标准进行了阐述和分析,并提出一种改进的基于双层结构和数据挖掘方法的三维音频质量客观评价模型,其准确度优于现有的PEAQ方法.     

基于耳语频谱比较的话者识别方法

通过分析由32人录制的143段汉语耳语语段的耳语频谱,发现同一人的耳语频谱之间的差异远小于不同人的耳语频谱之间的差异.基于此提出了一种通过比较耳语语段的耳语频谱差异,可用于话者识别的方法,并通过实验验证了该方法的可行性.     

基于改进池化层的弱标记声音事件检测

针对DCASE2017挑战赛任务4提供的大规模弱标记声音事件检测数据集,搭建了基于梅尔滤波器特征(Fbank)、卷积神经网络(CNN)以及循环神经网络(RNN)的多类别声音事件检测系统,分析了attention和linear softmax两种已有的常用池化层在神经网络反向传播中的部分推演过程,并在linear softmax池化层的基础上进行改进,提出了一种“指数可学习的幂函数softmax”池化层。实验结果表明,相比于DCASE竞赛中获得第一名的模型,应用“指数可学习的幂函 softmax”池化层的检测系统,将段级别的声音事件预测的F1值从0.556提高到0.652,帧级别预测的F1值从0.518提高到0.583,帧级别预测的error rate (ER) 从0.730降低到0.667。