基于能量的汉语语音音节自动划分方法的研究

针对智能化计算机中汉语语音识别这一重要研究课题,利用小波分析方法,以神经网络为基础,提出了基于能量的汉语语音音节划分的自动实现的方法,这是实现汉语语音识别的基础和前提。     

改进型多特征语音端点检测方法

智能语音已经走进人们的日常生活,端点检测技术的发展对语音识别的应用起到了关键性作用,如何在嘈杂环境下正确识别出语音段,是影响语音识别系统性能的重要因素。针对已有的端点检测技术,提出了改进型多特征语音端点检测方法,在降噪的同时进行语音增强。即运用子带谱熵进行噪声估计,运用自适应噪声平滑进行降噪,并在谱减法的基础上进一步改进谱减参数,得到增强的语音信号。通过MATLAB仿真发现,改进型多特征语音端点检测技术能够更好地适应不同噪声环境,对端点检测有很好的适用性。     

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。     

一种基于分带谱熵和谱能量的语音端点检测算法

语音端点检测的精确度直接影响语音识别的准确度.在噪声环境下,语音端点检测很困难.信噪比下降,语音端点检测的正确率也随之下降,同时,噪声类型的变化影响端点检测的正确率.为此,提出了一种改进的、适合在电话语音城市名识别系统中应用的端点检测算法,并结合分带谱熵和谱能量形成了一个新的特征参数集,利用该参数集进行端点检测,弥补了分别采用分带谱熵和谱能量进行端点检测的缺陷,提高了检测性能.     

基于汉语语音音节特点的N-Best改进算法

连续语音识别中,由于各声学单元之间没有明显的间隔或声学标志,匹配和搜索算法成为影响系统实时性能的核心问题．基于汉语语音的特点,提出了一种改进的Ｎ－Ｂｅｓｔ搜索算法．该算法大大降低了传统Ｎ－Ｂｅｓｔ程序搜索空间而不至于失去最优解,有利于算法的实时实现．     

变噪声环境下语音增强算法性能比较

语音增强是影响语音识别系统性能的重要成分.为了比较语音增强算法的性能,采用Matlab软件进行了数值仿真,对不同噪声环境下的语音用3种不同的方法进行降噪,采用信噪比、端点检测等方法来衡量降噪效果,并对几种增强算法的性能进行了比较分析.结果表明,在变噪声环境下短时谱MMSE法最佳,谱减法和维纳滤波法各有优点.     

一种语音端点检测方法的研究

端点检测是从一段语音中检测出语音段和噪声段,是语音信号处理过程中的一个重要环节.为了提高在低信噪比下的检测效果,提出了一种基于子带能量的检测算法,该算法主要计算子带能量等参数,并通过更新噪声能量来实现.实验结果表明:与常规的端点检测方法相比,该方法具有良好的检测能力,并且在低信噪比环境下较好的端点检测能力.     

基于时频增强和谱熵的语音端点检测技术

该文提出了基于时频增强和谱熵的语音端点检测算法。该算法对带噪语音在频域利用谱减法去除宽带加性噪声，在时域去除由谱减带来的残差噪声从而对语音进行了增强。对增强后的语音利用谱熵特征进行端点检测。实验结果表明，该算法快速有效，具有较强的抗噪能力，特别适合低信噪比的语音端点检测。     

基于小波系数统计的非高斯噪声背景下语音流检测

在实际生活中,非高斯噪声很普遍,对信号的影响也很大,是语音信号处理中的难题.大部分强噪声信号都是非高斯的,在强噪声背景下,由于语音信号受到较大的干扰,甚至被噪声淹没,传统的基于短时的能量、过零率、相关以及平均幅度差等检测算法效果都不理想.根据小波变换的特性和语音时域信号的分布特征,提出了一种非高斯噪声背景下语音流检测算法.对含噪语音进行小波分解,观察各层小波系数的统计特征,提取它们的不同特征,从而进行了语音流检测.大量实验表明该算法具有较高的检出率和较低的误检率,可以消除噪声的影响实时处理语音信号.该算法有一定的创新性,在处理非高斯噪音方面很有实用性.     

语音端点检测方法的分析与实现

本文在研究短时能量和短时过零率两种语音端点检测基本算法的基础上,编程实现了双门限的端点检测;并进一步根据小波变换的原理,利用小波变换和信号频域统计特性来精确地进行端点检测;最后,在研究了倒谱的相关理论基础上,实现了将语音数据进行倒谱变换,通过计算倒谱距离,在具有一定背景噪声环境下进行端点检测的实验.     

语音识别中的抗噪声方法

在实验室环境中正确识别率很高的语音识别系统,在生产现场中的性能往往会大幅度下降,严重限制了语音识别技术的实际应用,针对邮政分拣中心的实际生产环境,对语音识别技术中的抗噪声问题进行了实验分析和研究,提出了几种在生产现场中具有较好效果的噪声补偿方法,并给出了部分实验结果。     

基于自相关夹角余弦值的语音端点检测

在基于高维空间和自相关函数的基础上,提出了一种语音端点检测的新方法———基于短时自相关夹角余弦值的语音边界检测法.阐述了该方法实现的原理,并在MATLAB环境下进行仿真实验测试.     

基于谱熵的语音端点检测算法改进研究

语音端点检测是语音处理中重要的领域之一。常规谱熵语音端点检测算法是通过检测语音的功率谱的平坦程度,从而达到语音端点检测的目的。但是该方法在平稳噪声环境下较好,在无噪声和非平稳噪声环境下效果较差。作者在分析了无噪声环境下常规谱熵端点检测算法效果差的原因的基础上,结合了语音的短时能量算法,对常规谱熵算法进行了改进,形成了一个新的特征参数——谱熵能量积。仿真结果显示,该方法相对于常规谱熵算法,在无噪声的环境下检测精度有了很大的提高,在非平稳噪声环境下也有了一定的提高,鲁棒性得到增强。     

基于改进双门限法的语音端点检测研究

语音信号的端点检测是语音识别过程中的重要环节,端点检测结果精确与否直接关系着语音识别的准确度。使用车载语音作为测试数据,利用传统双门限法进行端点检测,发现传统双门限方法在静音条件下和带噪条件下获得语音端点检测信息存在较大误差。针对上述问题,提出了一种改进的双门限法进行语音端点检测,针对语音信号以及短时平均能量和过零率进行处理,并通过Matlab进行仿真,实验结果说明提出的改进方法与传统方法相比,在静音和带噪条件下,都更接近测试数据中真正的语音端点。     

DSP语音识别电梯控制系统的设计和实现

针对多人乘坐电梯时按键不是很方便的问题,设计了一种简单的DSP语音识别电梯控制系统。以TMS320C6713 DSP芯片作为系统运算控制中心,TLV320AIC23B芯片作为语音输入、输出的模拟前端,EP2C5Q208C8 FPGA芯片作为系统IO扩展,以这3个部分的有机结合实现了非特定人、孤立词、小词汇量的嵌入式语音识别电梯控制。测试结果显示:所设计的系统结构合理,语音识别电梯控制准确度达8 0%。