中低速率语音波形编码

提出了一种波形编码的新方法，阐述了其编码原理。该编码算法简单，恢复的语音质量较好。由于利用了矢量量化技术，所以该编码速率较低。     

一种清浊音判决的参考标准及一种新算法研究

目前的清浊音判决方法比较多,但没有一种方法是十分完美的,也没有一种完善的清浊音判决方法评价标准,为了检验一种新的算法对清浊音判决的有效性,提出了一种基于短时平均幅度和短时过零率相结合的清浊音判决参考标准,同时提出了一种基于残差信号短时自相关法的清浊音判决方法,并用此参考标准检验对该算法进行评价,通过matlab程序对算法进行仿真实验,实验结果表明这个参考标准可以很好地检验一种算法的有效性。     

一种适合于宽带语音的清浊音分类算法

提出了一种在宽带语音(50-7500Hz)中进行清浊音分类的方法,该方法通过估计和跟踪信号的高频能量和低频能量提取语音信号,并针对宽带语音的特点,用特殊的高低频谱能量比和周期性水平组合参数进行清浊音分类.算法设计了一种可以在所有语音帧更新阈值的方法,在比较复杂的背景噪声条件下仍能较准确地更新阈值,从而保证清浊音分类有效进行.仿真结果表明,本文方法能准确地对宽带语音进行分类,具有一定的抗噪声性能,且算法的复杂度较低,具有一定的实用价值.     

基于小波变换和Teager能量算子浊音段提取

对语音信号浊音段的提取在很多应用中都是重要的一个步骤。在小波域上用Teager能量算子(TEO)提取语音信号的浊音段,并对原始语音信号和加有高斯白噪声的不同信噪比的语音信号进行了仿真实验。实验结果表明,该算法能够准确地提取出浊音段,并具有较强的抗噪声能力。     

基于基音周期与清浊音信息的梅尔倒谱参数

提出一种在浊音部分不固定帧长的梅尔倒谱参数(Mel-cepstrum)提取的方法。针对浊音和清音所包含信息量不同,对浊音进行双倍的加权,从而将基音与清浊音信息融合进梅尔倒谱参数。将这种动态的梅尔倒谱参数应用在说话人确认中,在混合高斯模型(Gaussian mixture models,GMM)的情况下,取得了比常用的梅尔刻度式倒频谱参数(Mel-frequency cepstral coefficient,MFCC)更高的识别率,在NIST 2002年测试数据库中,512个混合高斯下能够将等错误率(EER)由9.4%降低到8.3%,2 048个混合高斯下能够将等错误率由7.8%降低到6.9%。     

人声浊音基频测量谱分析算法

人声基频检测是一个普遍关心的技术问题,目前所采用的方法也很多.利用数字信号处理的方法,通过对人声的浊音部分进行功率谱分析的方式,采用一种检查共振峰位置,进而遏止共振峰,在频域中凸显基波频率的方法,在频域确定信号的频率,从而自动检查出信号的基频.     

一种多带清浊音判决方法

文章提出一种根据ＬＰＣ 语音残差信号在频域的子带波形,计算其自相关函数,分析每个子带的周期性和非周期性。进行清、浊音判决的方法,可有效地降低 ＭＢＥＬＰＣ 算法中ＵＶ 判决的计算复杂程度,减少计算所需的存储空间。该判决方法与全带语音ＵＶ 判决的原理一致。经实际听音试验,这种判决结果合成的语音效果并不劣于ＭＢＥ 标准算法     

一种新型清浊音判决方法研究

为提高清浊音判决的准确度,本文提出了一种利用计算机仿真产生训练样本,采用多指标综合评价方法,运用支持向量机产生判决准则的新方法。该方法克服了传统判据标准的缺陷,试验表明,该方法的分类性能要优于其他传统方法。     

基于声学特征的腭裂语音声韵母切分

设计了一种腭裂语音的声韵母切分算法。通过主观的波形测试和客观的F检验及t检验,证明了腭裂语音与正常语音具有显著性差异。定义声母具有清音音素特性的音节为I类音节,声母具有浊音音素特性的音节为II类音节。首先基于层次聚类模型自动判别I类、II类音节,然后定义类浊音权重函数和类清音概率函数,实现I类音节的声韵母一级切分,再通过短时自相关函数峰值个数的一阶微分实现I类音节声韵母的二级切分。基于声韵母波形差异性,检测短时自相关函数的能量跳变点,实现II类音节的声韵母切分。通过大样本实验,结果表明提出的腭裂语音声韵母自动判别算法具有较高的正确率,I类音节的正确率达到90.72%,II类音节的正确率为92.90%。     

基于两层神经网络的基音检测算法

传统基音检测方法中当信噪比较低时,会出现清浊音检测效果差、算法精度低、鲁棒性差的缺点。为了克服这些缺点,提出了一种基于两层神经网络的基音检测算法。该方法采用BP人工神经网络进行端点检测,再采用第二层BP神经网络进行清浊音分离,最后通过动态验证得到基音频率。实验结果证明,与传统的自相关法相比,该方法减少了倍频及半频的误差提取,提高了基音频率的提取精度。