RASTA滤波在语音干扰客观评价中的应用

提出了相关频谱(Relative Spectral,RASTA)处理模拟人类听觉感知特性的原理,将RASTA处理应用于语音通信干扰效果的客观评价。在美尔倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)参数的基础上,加入RASTA处理步骤,对语音通信干扰试验中的实测数据进行分析,证明了RASTA处理在一定程度上改善了MFCC参数的性能。     

语音通信干扰效果客观评价方法研究

本文采用MFCC和COH两种客观失真测度，对语音通信的干扰效果进行了客观评价研究。结果表明：两种客观测度分别在特定环境下应用具有良好的主、客观相关性。因此，可以得出结论：这两种客观测度用于语音通信干扰效果的评价具有一定的有效性。     

通信语音干扰效果评估方法

通信语音干扰效果评估,是指对语音通信系统接收的受扰语音信号进行分析,确定语音信号被干扰程度的技术。准确地评估干扰效果是研制通信对抗设备、评估电子对抗态势以及了解通信质量等活动的重要依据。针对超短波通信干扰系统,提出了基于梅尔频率倒谱系数(MFCC)特征、小波统计特征和感知特征的统计测度,结合最小二乘、反向传播(BP)神经网络以及支持向量回归(SVR)拟合回归模型的评估系统,其预测值和主观评估值的相关系数达到0.9以上,保障了该干扰评估系统的实用性。研究了基于深度学习的无参考评估方法,并利用实测数据验证了其有效性,准确率达到了87%,高于多测度融合评估方法。     

基于MVDR谱的语音通信干扰效果评估方法研究

提出了基于MVDR谱的语音通信干扰效果客观评估方法,并在通信电台连续波辐照试验中进行了验证。试验结果表明:该方法较好地反映了人耳听觉特性,与主观音质评价相一致,是一种较好的可以应用于语音通信干扰效果评估的客观方法。     

基于STRAIGHT模型和人工神经网络的语音转换

采用STRAIGHT语音分析一合成模型,提取源说话人和目标说话人的基频和光滑声道谱作为表征语音特征的参数。在频谱训练阶段,把声道谱转换成MFCC参数,采用人工神经网络算法对源一目标说话人的MFCC参数进行训练映射。主观和客观试验结果表明,该方法能取得较好的转换效果,转换语音和目标语音较接近,易于理解。     

基于改进MFCC语音特征参数的语音质量评估的研究

.本文讨论了基于MFCC(Mel-Frequency Cepstral Coefficients)听觉感知模型的语音质量客观评估方法(EPESQ:Efficient Psychoacoustics Evaluation of Speech Quality)在网络语音质量客观评估中的应用,深入分析了EPESQ算法的基本原理,并对算法的MFCC语音特征参数进行了改进和性能分析.实验证明该算法在确保评测准确性的前提下,大大降低了算法的复杂度,具有较强的适应性,可靠性,实用性,完全可以应用于通信网络语音质量评估.     

随机森林在通信干扰效果客观评价中的应用

在通信干扰效果客观评价中,一般采用美尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)、线性预测倒谱系数(Linear Predictin Cepstrum Coefficient,LPCC)等客观测度表示通信受干扰程度,但存在各种测度鲁棒性差的问题,即在某些条件下一种客观测度有效,而在某些条件下可能完全失效。针对这一特点,采用随机森林(Random Forest,RF)对性能较好的多种客观测度进行融合,形成新的评价系统,以与主观评价拟合的一致性为标准,衡量评价系统的性能优劣。用超短波语音通信干扰的实测数据对新的评价系统进行验证,结果表明其具有比单一客观测度更好的性能,并可以通过随机选择训练样本以及随机选择每一个样本的特征维,有效避免过拟合现象。     

激光角度欺骗干扰半实物仿真试验系统设计

根据激光角度欺骗干扰试验原理,设计了一套将激光欺骗干扰设备实物接入回路的仿真系统,构造了一个集战场环境、弹目相对运动环境模拟和激光干扰环境于一体的仿真试验环境,弥补了对某型激光欺骗干扰设备的性能鉴定试验外场试验的不足,为综合评价激光欺骗干扰装备对精确制导武器的干扰效果提供了依据.     

语音干扰效果客观评估模板优化分析

语音通信质量客观评估方法是当前声学技术研究领域的一个重要课题,在介绍语音音质评估一般方法的基础上,首先利用最小二乘法建立了基于巴克谱测度的语音通信质量评估模板,通过对该模板进行主、客观分析,引入了BP网络建模方法,大大减小了以往的最小二乘法在语音干扰效果客观评估建模中的误差,确立了基于BP神经网络的语音干扰效果评估模型,并通过实验数据加以验证.     

基于MFCC的说话人识别系统

说话人识别可以被看作语音识别的一种,是当前的研究热点之一.本文实现的说话人辨认系统,采用能够反映人对语音的感知特性的Mel频率倒谱系数（Mel-Frequency Ceptral Coefficients ,MFCC）作为特征参数.试验比较了MFCC、差分MFCC组合MFCC分别与VQ、DTW相结合的识别率.得出差分MFCC组合MFCC优于MFCC.     

基于小波变换的语音特征参数提取

将小波变换的多分辨率特性用于改进Mel频率倒谱系数MFCC的前端处理中,给出了一种新的语音特征参数——小波MFCC。其特点在于采用小波变换、分层FFT和频率合成代替原来MFCC中的FFT部分,使频谱分辨率提高了一倍。试验证明,小波MFCC特征参数在较大词汇量情况下,其识别率优于MFCC特征参数的结果。     

基于灰色关联分析的通信干扰效果评估

针对通信干扰效果评估的复杂性,建立了干扰效果评估指标,在灰色关联分析的基础上,将指标的关联系数与权值相结合,提出了通信干扰综合评估模型。该模型以权重的形式体现各个评价指标对整体的影响程度,克服了以往权重赋值主观性较强的局限,最终以关联度为定量指标来对通信干扰效果进行比较分析,并以具体实例说明了该模型的合理性。     

BP网络在语音干扰效果客观评估方法优化中的应用

语音干扰效果评估是当前声学技术研究领域的一个重要课题。在介绍语音干扰效果评估一般方法的基础上,首先利用最小二乘法建立了基于巴克谱测度的语音干扰效果评估模板,通过对该模板进行主、客观分析,引入了BP网络建模方法,大大减小了以往的最小二乘法在语音干扰效果客观评估的建模中的误差,确立了基于BP神经网络的语音干扰效果评估模型,并通过试验数据加以验证。     

基于小波Mel倒谱系数的抗噪语音识别

将小波变换的多分辨率特性用于改进Mel频率倒谱系数MFCC的前端处理中,给出了一种新的语音特征参数——小波MFCC。其特点在于采用小波变换、分层FFT和频率合成代替原来MFCC中的FFT部分,使频谱分辨率提高了一倍。试验证明,小波MFCC特征参数在噪声环境和较大词汇量情况下,其抗噪性和识别率均优于MFCC特征参数的结果。     

基亏小波变换的语音特征参数提取

将小波变换的多分辨率特性用于改进Mel频率倒谱系数MFCC的前端处理中,给出了一种新的语音特征参数——小波MFCC。其特点在于采用小波变换、分层FFT和频率合成代替原来MFCC中的FFT部分,使频谱分辨率提高了一倍。试验证明,小波MFcc特征参数在较大词汇量情况下,其识别率优于MFCC特征参数的结果。     

基于小波变换的语音质量客观评估方法研究

对小波变换原理进行简要分析的基础上,对小波变换与小波美倒谱(MFCC)方法相结合进行语音客观音质评价的方法进行了研究,给出了小波美倒谱语音音质评估原理及计算流程。使用MFCC方法和小波美倒谱算法分别计算原始语音文件与受扰语音文件的失真距离,并将失真距离与主观评测结果进行相关分析,得出相应算法的相关系数和方差值,通过对比表明小波美倒谱语音评估方法对于以倒谱域参数为基础的客观评价方法有很大改善。     

减谱法在语音增强中的应用

语音信号在传输过程中不可避免地会受到周围环境的影响。如何在语音受到干扰的条件下,在接收端保证语音可懂度和清晰度是目前语音通信面临的一个重要问题。首先介绍了影响语音通信的常见的几种噪声,通过对几种语音增强方法的介绍和对比,并结合语音干扰效果评估方法,对减谱法语音增强方法进行详细分析,并结合实际的标准语音库中的语音文件,对结果加以验证,实现了在干扰信号比较大的情况下,提高了语音的可懂度和清晰试。进而得出了较为有效的语音增强效果。可作为提高音质试验、训练中的参考依据。     

舰载舷外有源诱饵内外场综合试验方法

介绍了进行舰载舷外有源诱饵的常规内外场试验方法,提出了利用内外场试验手段进行综合试验鉴定。以舷外有源诱饵干扰成功率指标试验为重点,在干扰效果评估上,主要研究了外场末制导雷达固定站试验的评估准则和数据样本获取方法;通过把干扰成功率试验归结为成败型二项分布参数评估与检验,研究了基于Bayes理论的小子样外场试验方案设计、利用内外场数据进行数据处理融合和综合分析评定方法。最后给出了方法的算例,经使用分析表明对舷外有源诱饵试验设计与结果分析具有一定应用价值。     

基于E模型的战术综合业务数字网语音干扰效果评估

首先定性分析了战场网络受到干扰时对话音业务通信质量的影响,然后以E模型话音质量评估方法为基础,对话音业务的干扰效果进行了定量评估,并基于语音质量R值进行了相应的干扰等级划分。     

基于听觉掩蔽效应的改进MFCC特征提取算法

目前,关于语音识别的研究尚处在实验室环境中,而实际的语音总是与噪声和干扰并存。人类能够在信噪比很低甚至在有干扰声音存在的环境中正确识剐语音主要是依靠人的双耳输入作用,本文就模仿人耳的听觉掩蔽效应来掩蔽噪声信号,提出了一种MFCC（Mel频率倒谱系数）改进提取算法。该算法能更好地减少噪声信号对纯净语音信号的影响,从而提高语音信号的识别率。实验表明改进后的算法相对于传统的MFCC提取算法大约有4．43％～8．42％的相对性能提升。