语音识别浏览器VoiceIE设计与实现

语音识别浏览器VoiceIE提供一种全新的语音方式进行Internet WWW浏览适合各类办公自动化系统，特别是其于嵌入式系统的信息家电、PDA等应用领域。本文首先介绍VioceIE的系统结构及功能，然后阐述语音识别模块和浏览器模块的设计与实现方法，对浏览操作与窗口管理中基于COM编程和Internet API 运用，语音信号实时检测与识别中MIC API与互信息匹配模型MIC的运用，以及语音识别模块与浏览器模埠的数据通信等进行了描述。     

Head Fusion:一种提高语音情绪识别的准确性和鲁棒性的方法

语音情绪识别指使用机器从说话人的语音中识别说话人的情绪。语音情绪识别是人机交互的重要环节,但是目前的研究中仍然存在很多问题,例如,缺乏高质量的数据、模型准确性不足、在嘈杂的环境下进行的研究很少等。文中提出了一种基于多头注意力机制的Head Fusion方法,提高了语音情绪识别在相应数据集上的准确性。文中还实现了一个基于注意力的卷积神经网络模型,并在IEMOCAP数据集上进行了实验。语音情绪识别在该数据集上的准确度提高到76.18%(Weighted Accuracy, WA)和76.36%(Unweighted Accuracy, UA)。根据调研,该结果与该数据集上的最新结果(76.4%的WA和70.1%的UA)相比,在保持WA的同时提高了约6%的UA。此外,还使用了混入50种常见噪声的语音数据进行了实验,通过改变噪声强度、对噪声进行时域平移、混合不同的噪声类型,以识别它们对语音情绪识别(Speech Emotion Recognition)准确度的不同影响并验证模型的鲁棒性。文中还将帮助研究人员和工程师通过使用带有适当类型噪声的语音数据来增加其训练数据,从而缓解语音情绪识别研究中高...     

语音识别的研究

介绍了语音识别的发展历史和国内外语音识别研究的现状，讨论了语音识别的几个基本问题和影响语音识别的因素，并分析了目前常用的语音识别的各种方法，指出了其优缺点，最后讨论了评价语音识别系统时应考虑的几个技术指标和将来语音处理的发展方向等。     

深度学习在语音识别中的研究进展综述

在如今的大数据时代里,对于处理大量未经标注的原始语音数据的传统机器学习算法,很多都已不再适用。与此同时,深度学习模型凭借着其对海量数据的强大建模能力,能够直接对未标注数据进行处理,成为当前语音识别领域的一个研究热点。首先主要分析和总结了当前几种具有代表性的深度学习模型;其次是其在语音识别中对于语音特征提取及声学建模中的应用;最后总结了当前所面临的问题和发展方向。     

汉语连续语音中声调识别的特殊性研究

大词汇连续语识别是当前语音识别研究的主流，探讨其中声调识别的特殊是一项有意义的工作，本文从声调获取，语音分割，声调模式和声调识别等进行了研究，通过对现有研究成果的分析和总结，并结合自己的研究工作，得出了若干结论，提出了基于音节的连续语音声调识别思想。     

低速率语音压缩编码对语音识别系统的影响

通过窄带信道将语音信号传输到远端的识别系统，从而实现远距离的人机对话，具有重要的现实意义。在2．4kbps的速率下，语音编码算法依然可以合成出可懂度非常高的语音，但是这样的语音信号与原始语音相比还是有巨大的损失。低速率语音编码算法对于语音识别产生的影响是巨大的，因此必须想办法减轻这种损失对于识别的损害。在此选择了三种不同的低速率语音编码器，分别使用LPC(Linear Pledictive Coding，线性预测)算法、MELP(Mixed Excitation Linear Prediction，混合激励线性预测)算法和IMBE(Improved Multiband Excitation，增强多带激励)算法，都在2．4kbps的速率下工作，将其对语音识别系统的影响进行了比较。对于特定人连续语音识别系统和非特定人连接词识别系统，在使用不同的特征矢量时，不同编码器产生的识别效果有比较大的差异。实验结果表明，语音编码器和语音识别系统的结构有很重要的联系，尽量采用相近的结构有助于获得良好的识别结果。另外，改变提取语音识别特征参数的方式也会有利于提高语音识别系统的性能。     

局域网并行处理在语音识别中的应用

在语音识别中，不论是训练语音识别系统，还是使用系统识别语音，都需要进行大量的数据处理，这使得语音识别的研究和实现都变的非常困难。本文提出一种基于局域网的分布式计算机系统的快速并行数据处理方法来实现语音识别的模型训练和语音的识别，不仅加 了训练和识别的速度，节约了大量的时间，而且降低了语音识别任务对硬件的要求，取得了满意的效果。     

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。     

双模态车载语音控制仿真系统的设计与实现

针对音、视频双模态语音识别能有效地提高噪声环境下的识别率的特性,本文设计了车载语音控制指令识别实验系统。该系统模拟车载环境,把说话时的视频信息融入到语音识别系统中,系统分为模型训练、离线识别和在线识别3部分。在线识别全程采用语音作为人机交互手段,并具备用户自适应的功能。离线识别部分将系统产生的数据分层次进行统计,非常适合进行双模态语音识别算法研究。     

置信度的原理及其在语音识别中的应用

由于置信度模型可以有效地判断观测数据与语音模型之间的匹配程度,因此可以用来对语音识别结果进行假设检验,定位识别结果中的错误,从而提高系统的识别率和稳健笥,讨论了语音识别中置信度的基本原理,、在值方法、模型性能评价方法、比较全面地介绍了置信度在语音识别中的各种,实验结果表明,置信度在语音识别的搜索的剪枝过程、说话人自适应以及拒识和验证方法面都有显的作用。     

基于凌阳单片机的语音识别技术及应用

介绍了一种以凌阳SPCE061A单片机为基础的语音识别技术,分析了语音识别过程的基本原理,具体阐述了语音识别在该单片机上的实现过程。最后,在智能小车实验平台上对这种语音识别技术成功地进行了验证。     

WLAN+RFID组合系统的应用研究

提出了一种由WLAN和RFID组成的称为WLAN RFID的组合系统.阐述了该系统的工作原理,以及在室外货场中的应用.该系统利用了WLAN的无线传输和RFID的非接触式自动识别的特点,能为用户提供快捷、灵活和移动式的识别服务.分析了该系统的工作频率分配、所采用的调制技术、移动终端的漫游以及系统的信息安全保障.指出了该系统的信息安全重点是WLAN,如果WLAN已经采用了足够的安全措施,那么RFID就可以不再设加密功能了.     

视觉传感器应用中三维扫描点云数据处理的研究

分析了便携式激光视觉扫描系统获取的点云数据存在的问题,针对具体问题分析了数据处理中的关键步骤和算法,使用手动剔除和系统判断相结合的方法,有效地剔除扫描数据中的噪声数据。同时,采用数据缩减算法实现对扫描点云的采样,在保证扫描曲面特征不失真的情况下,尽可能地缩减不必要的数据。数据经过处理后,不仅可以提高模型重构的精准度,更可以降低模型重构的复杂程度。     

基于动态时间规整和神经网络的方言辨识研究

汉语方言辨识技术的研究不仅有利于提高方言语音识别系统的识别效率,而且对于公安部门的刑事侦查等方面都具有非常重要的应用价值。以湖南方言作为研究对象,对不同方言特征的差异及方言辨识中特征参量的合适选取进行了深入研究。针对语音信号具有很强的随机性而神经网络的输入结构相对固定等特点,提出了基于动态时间规整和神经网络的方言辨识方法。实验结果表明,选取相同的特征参数时对不同类别或不同声调的方言的辩识率不同。     

作者识别研究综述

作者识别是根据已知文本推断未知文本作者的交叉学科. 其传统研究通常基于文学或语言学的经验知识, 而现代研究则主要依靠数学方法量化作者的写作风格. 近些年, 随着认知科学、系统科学和信息技术的发展, 作者识别受到越来越多研究者的关注. 本文主要站在计算语言学的角度综述作者识别领域现代研究中的方法和思路. 首先, 简要介绍了作者识别的发展历程. 然后, 详述了文体风格特征、作者识别方法以及该领域中多层面的研究. 接着介绍了与作者识别相关的一些评测、数据集及评价指标. 最后, 指出该领域存在的一些问题, 结合这些问题分析并展望了作者识别的发展趋势.     

基于最小二乘与自适应免疫遗传算法的小型无人直升机系统辨识

针对小型无人直升机不稳定、强耦合、非线性的特点,建立了小型无人直升机悬停状态下飞行动力学模型.设计了一种基于最小二乘与自适应免疫遗传算法(LS-AIGA)的辨识算法,根据辨识实验的需要研制了机载微小型导航、制导与控制系统(MGNC).利用飞行实验数据,根据本文的辨识算法,对所建立模型中未知参数进行了辨识.最后对得到的模型进行了验证与分析,结果表明模型辨识数据与真实飞行实验数据匹配较好,所建立模型能够反映小型无人直升机动力学特性.     

语音识别中基于发音特征的声调集成算法

提出基于发音特征的声调建模改进方法,并将其用于随机段模型的一遍解码中。根据普通话的发音特点,确定了用于区别汉语元音、辅音信息的7种发音特征,并以此为目标值利用阶层式多层感知器计算语音信号属于发音特征的35个类别后验概率,将该概率作为发音特征与传统的韵律特征一起用于声调建模。根据随机段模型的解码特点,在两层剪枝后对保留下来的路径计算其声调模型概率得分,加权后加入路径总的概率得分中。在“863-test”测试集上进行的实验结果显示,使用了新的发音特征集合中声调模型的识别精度提高了3.11%;融入声调信息后随机段模型的字错误率从13.67%下降到12.74%。表明了将声调信息应用到随机段模型的可行性。     

基于扩张状态观测器的可调系统参数辨识与实验

在测量噪声条件下,研究基于扩张状态观测器(ESO)的参数辨识方法和实际应用.结合仿真与实验,分析测量噪声对ESO观测状态输出的影响.为了提高实际应用中的辨识效果,通过引入积分型滤波器对观测状态中的噪声进行抑制.所提出方法可以很好地处理非均匀周期采样数据,适用于不规则采样系统的参数辨识.最后,在一类参数可调实验系统上构造两类实际对象,通过实验验证所提出辨识方法的有效性和实用性.     

基于SVM的非特定人声调识别的研究

在建立非特定人普通话四声语调语音数据库的基础上,采用Mel频率倒谱系数（MFCCs）对语音数据进行特征参数的提取,并利用支持向量机（SVM）对语音中的四种声调进行了训练和识别研究。实验结果表明MFCCs和SVM的结合得到的平均识别率达到了97.6%。     

基于国家通用盲文标调规则的汉盲转换系统

信息时代推进盲文数字化, 关乎我国广大盲人文化素质的提高和生活水平的改善. 本文实现了一种基于国家通用盲文标调规则的汉盲转换系统, 能够快速生成海量符合国家通用盲文方案的数字化资源, 满足视障人士无障碍获取信息的需求. 此系统按通用盲文规则处理汉语文本, 将其转换为符合标调规则、简写规则的盲文结果. 测试结果表明, 此系统可以准确处理标调规则、简写规则, 可得到准确的符合国家通用盲文方案的盲文数字化结果. 声调省写覆盖率、韵母简写覆盖率和篇幅增加量均与国家通用盲文方案的理论值相当, 能够快速处理长篇语料文件, 程序执行效率高, 具有实用价值, 可以用于推广国家通用盲文, 促进我国盲文数字化无障碍建设.