心理声学参数提取及其在目标识别中的应用

根据人耳听觉特性,研究了心理声学中人耳识别目标的重要特征参数在目标识别中的应用.针对无线电噪声和舰船辐射噪声,利用Zwicker理论提取心理声学参数中的特性响度和特性尖锐度作为识别特征,通过神经网络分类器分别对这两组噪声各三类进行分类识别研究.实验表明特性响度和特性尖锐度主要反映了目标的振幅特性,可以正确识别目标并具有较高的识别率.是有效的识别特征.由于特性响度和特性尖锐度反映目标的特性相同,利用遗传算法仅对特性响度特征进行优化选择.挑选出特性响度中的分类关键量,降低识别空间的维数,提高识别率.     

噪声环境下MFCC特征提取

梅尔倒谱系数（MFCC）模拟了人耳的听觉特性，在语音识别实际应用中取得了较高的识别率。本文研究了在噪声环境下提取MFCC的一般过程和方法，研究了对噪声信号在时域与频域中的处理方法。最后用HTK工具箱进行实验验证文中所用方法的识别性能，本系统与基本特征提取方法相比，识别率有很大提高。     

基于听觉模型的语音识别研究

本文提出了一个基于心理声学理论和实验的听觉感知模型,它模拟了人对声音响度的听觉感知特征。该模型可在数字信号处理器(DSP)或计算机上实现,模型的输出参数已被用于语音识别。实验表明,用该模型参数表示语音信号可在环境有噪声的情况下保持较高的识别率。     

基于特征融合的被动声纳目标识别

在被动声纳目标的分类识别中,不同的特征提取方法提取的特征反映了噪声信号不同的特性,一般情况下,很难做出某种方法优劣的判断.如何把这些不同的特征提取方法提取的特征矢量融合起来,对被动声纳目标分类识别非常有意义.在应用数据融合的方法对基于倒谱的特征提取方法、基于局域判别基的特征提取方法和基于听觉响度特征提取方法提取的特征矢量进行融合.提出了基于正态分布的概率密度函数的确定基本概率赋值的方法,利用三种特征提取方法对水声目标噪声信号进行特征提取,对提取的特征矢量进行融合,并进行分类实验,结果表明,特征融合使分类过程中的不确定性样本数减少,从而相应地提高目标分类的正确概率.     

基于小波变换的鲁棒性语音特征提取新方法

提高语音识别系统的鲁棒性是语音识别技术一个重要的研究课题。语音识别系统往往由于训练环境下的数据和识别环境下的数据不匹配造成系统的识别性能下降。为了能得到无噪音的语音识别特性,让语音识别系统在含噪的环境下获得令人满意的工作性能,根据人听觉特性提出了一种鲁棒语音特征提取方法。将小波变换和MFCC算法相结合,在MFCC的前端用小波包变换代替FFT和Mel滤波器组,同时在后端用临界小波变换代替DCT,最后得到鲁棒语音特征。通过实验结果分析表明,将方法用于抗噪声分析可以提高系统的抗噪声能力;同时特征的处理方法对不同噪声有很好的适应性。     

加权K近邻和加权投票相结合的虹膜识别算法

利用彩色虹膜数据库研究了在正常环境下采集到的有噪声的虹膜图像在不同色度空间中各颜色通道的性能,提出了一种决策层融合方法,利用加权K近邻方法和加权投票相结合进行虹膜识别.对于每个单独的颜色通道,根据比对距离找到前K个近邻,利用排序与相似度相结合的方法为这K个近邻赋权值(RSWKNN),作为各通道的决策输出.在综合各通道的决策时,利用各通道的性能,对各通道的决策输出进行加权投票,本文采用了四种基于通道性能的各通道加权方法.实验分析了各种算法的性能,结果表明:本方法能够有效提高虹膜识别的准确率和稳定性.     

一种多层子带的噪声语音识别新方法

根据不同尺度子带特征反映语音的不同细节特性，提出一种噪声下的多层子带（MLS）语音识别方法。将语音频谱分成多层多个子带，首先各子带分另单独进行识别，然后将各层各子带识别概率综合起来得到最终识别结果。将新方法应用于TIMIT数据饣E-Set在NoiseX92白噪声和F16噪声下识别实验。实验结果表明，多层子带方法在噪声环境和无噪情况下识别性能都有很大提高。     

弯折滤波器在说话人识别的鲁棒特征提取中的应用

针对噪声环境中说话人识别性能急剧下降的问题. 提出了一种用于说话人识别的鲁棒特征提取的方法. 采用弯折滤波器组（Warped filter banks,WFBS）来模拟人耳听觉特性,将立方根压缩算法、相对谱滤波技术（RASTA）、倒谱均值方差归一化算法（CMVN）引入到鲁棒特征的提取中. 在高斯混合模型（GMM）下进行仿真,实验结果表明该方法提取的特征参数在鲁棒性和识别性能上均优于MFCC特征参数和CFCC特征参数.     

语音与噪声的特性及其研究现状

在噪声环境下的语音识别率将会受到严重的影响.语音增强是解决噪声污染的有效方法.在语音增强技术中,语音识别和说话人识别是很重要的.因此.识别装置通常工作在环境噪声下.语音增强不仅与信号处理技术相关,并涉及到人的听觉感知和语音认知.由于噪声的来源有很多,在不同的应用场合,其特点也各不相同.因此很难确定一个通用的适用于各种环境噪声的语音增强算法.根据不同的噪声,采用不同的语音增强策略.     

基于全局二值模式的特征提取方法及其应用

提出一种全局二值模式(GBP)的纹理分析方法,解决局部二值模式(LBP)易受噪声影响的问题.GBP中采用一个大邻域模板的平均值代替LBP中的中心像素,弱化了噪声的影响,但GBP对光照不均的抵抗能力不如LBP.在钢板表面缺陷识别中,由于钢板表面图像既有较大的噪声,又存在着严重的光照不均现象,因此提出GBP与LBP二维直方图结合的方法,该方法结合GBP和LBP的特性.将该方法应用于中厚板和连铸坯表面缺陷的识别,实验结果表明GBP与LBP的结合方法同时具有光照不变性和对噪声不敏感的特性,对裂纹缺陷的识别率达到96%以上.