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.     

基于语音压缩感知观测序列非重构的清浊音判别法

针对语音产生的数字模型来分析清音和浊音的特点,研究了清音和浊音的压缩感知观测序列的特性,从而推出清音的压缩感知观测序列具有近似高斯信号的特性,而浊音的压缩感知观测序列具有非高斯信号的特性.基于这种特性来设计一种直接针对压缩感知观测序列、非重构的清浊音判别方法,并给出了它与重构信号清浊音判别在准确性和计算量两个方面的比较结果,解决了基于语音压缩感知观测序列重构情况下判别清浊音的高计算量问题.     

三阶累积量的语音激活检测方法

在电子与通信系统中,传输信道的噪声都可以看作是加性的高斯随机过程,而高斯随机过程的三阶累积量为零,通信系统中传输的语音信号一般是非高斯信号,基于这个原理提出一种语音激活检测算法。在通信系统的接收端,对于被噪声污染了的语音信号,通过计算接收信号的三阶累积量,得到语音信号的累积量,从而可以区分语音和噪声,达到检测出语音信号的目的。仿真结果表明,在通信系统低信噪比的环境下能有效地检测出语音信号。     

小波多分辨率的谐波正弦语音建模

谐波正弦语音模型因固定帧长不能使每个谐波得到最佳分辨率,而分辨率决定着语音的建模效果。因此提出小波多分辨率的谐波正弦语音模型,将谐波语音信号通过小波变换分解成多分辨率子带信号,利用谐波正弦语音模型对这些子带信号独立建模,将建模后的各子带信号相加合成。仿真实验显示该模型的信号重构误差降低约两个数量级,通过PESQ软件测试得到的MOS分值约提高0.3。     

基于清浊音状态空间模型语音增强算法

基于语音状态模型的语音增强算法是当前语音信号处理的研究热点。把通常的LPC语音模型修正后,将得到两个语音模型:时变AR模型、时变双AR模型。但是利用这些模型增强语音时,都没有考虑到语音的清音、浊音区别。为此本文引入了语音清浊音状态空间模型,这种模型在描述语音方面比时变AR模型、时变双AR模型要强,而且物理含义明显。同时在用含噪语音信号预测纯净语音信号时,引入遗忘因子和粒子滤波算法以降低计算复杂性,减小运算量。实验证明,增强后的语音信号信噪比有一定提高,且优于传统的LPC模型。     

基于正弦模型的语音频域参数编码

本文提出了一种基于正弦模型的语音编码技术，通过对语音频率，幅值和相位参数的分析处理，合成高质量的语音。在编码处理过程中，我们应用了语音叠加技术和频迹跟踪技术，以提高合成语音清晰度，实验结果表明，谝编码方式具有很好的顽健性，适合于不同来语的信号，使如带背景音乐的语音。     

基于三阶累积量的图象特征提取新方法

利用高阶累积量（ＨＯＳ）的性质推导出了一种根据三阶累积量求图象特征集的“不变性”算法。得出的二维特征集，不但具有对图象的平移、旋转和比例变化的不变性、对附加高斯噪声的抑制作用、不存在相位丢失问题（它是关于图象信息的全描述），而且不需要进行对数坐标的傅氏变换，因而计算简化、实时性高。仿真试验结果证明了该方法的有效性     

三阶累积量在语音信号端点检测中的应用

语音信号的三阶累积量通常不等于零,因而可以用来检测噪声环境中语音的起始点和终止点。提出一种采用累积量矩阵的最大奇异值来实现语音端点检测的方法,并引入一种自适应的实现方法。仿真实验表明,所提方法在很大程度上降低了传统端点检测方法的错误率。     

基于三阶累积量对角切片的信号特征检测

提出了一种基于三阶累积量对角切片的特征检测方法。该方法既不需待检信号做高斯和平稳的假设,也不需要有信号的先验知识。其原理是首先通过滤波器组将检测信号在频域上进行分离,选取输出能量较大的一组子频带信号近似给出信号的时频描述;然后在各个选中的子频带内分别计算三阶累积量的短时估计,从而抑制有色噪声,将信号的特征检测出来。仿真信号验证了该方法的有效性和适应性。     

基于清浊音分离的优化小波阈值去噪方法

结合小波阈值去噪和清浊音分离技术,提出了一种优化的语音去噪新方法。首先,针对语音清音部分往往包含有许多类似噪声的高频成分的特点,对其直接进行小波阈值去噪很可能误除了这些高频成分,造成失真,因此有必要先对语音进行清浊音分离。其次,通过对不同小波函数、阈值选取规则以及阈值处理函数的优化,选择最佳的小波去噪方法。仿真结果表明,与经典小波阈值去噪方法相比,提出的方法既尽可能地去除噪声,又保留了原来语音的特征,较大地提高了语音质量。     

基于短时统计分析的清浊音判别

在语音信号当中,清音和浊音的归属虽然没有明确的界限,但是在其短时能量的整体分布区间上存在很大差异。基于这种分布差异,提出了一种基于语音短时特性统计分析的方法进行清/浊音的判决。经过仿真实验证明,该方法具有较高的识别率。     

语音通信中信号的清浊音判别

文章采用了一种基于三参数组合的方法对语音信号进行清／浊音判决。在传统两参数（短时能量和过零率）算法的基础上增加了自相关函数作为判决参数,减少了清／浊音信号的误判率。经计算机仿真表明,算法切实可行,且算法误判概率小。     

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%。     

一种基于BF模型的基音检测改进算法

该文提出一种改进的在基于Bloomfield模型语音检测算法，该方法引入数值滤波器克服了BF模型固有的缺陷。通过实验分析表明，该方法与传统方法相比，提高了基音周期提取的准确性和分辨率，增强了清浊音判决的可靠性。     

一种改进的正弦语音分析合成器

在现有参数语音合成系统中,参数合成器本身的局限影响了语音质量的提高.尝试改进传统的正弦分析合成器,引入STRAIGHT分析合成器中去除周期影响的谱估计思想,在最小均方误差准则下,更准确而高效的估计出正弦参数.同时通过去除线性相位和相位解卷绕,实现相位谱上音高和时长的调整.实验结果表明,正弦合成器对比STRAIGHT,重建语音的质量更高,同时具有灵活的音高时长调整能力.该分析合成器具备了在嵌入式和其他合成系统中应用的潜力.     

基于MUSIC/MNM谱估计的鲁棒语音特征提取

针对语音识别系统受噪声干扰识别率急剧下降的问题,通过分析传统的鲁棒语音特征提取方法在语音信号谱估计方面的不足,提出一种在不同信噪比下都具有较好鲁棒性和识别性能的语音特征提取算法．该算法结合多信号分类法（MUSIC）和最小模法（minimum-norm method,MNM）来进行谱估计．接着在移动机器人平台上进行验证实验,结果表明：该算法能有效的提高语音识别率,增强语音识别鲁棒性能．     

基于匹配跟踪的感知梯度正弦建模方法

匹配跟踪作为一种自适应的信号分解算法,为语音和音频正弦建模提供了一个新的框架.分析了基于匹配跟踪的正弦建模过程以及感知加权匹配跟踪正弦建模算法,并在此基础上提出了感知梯度正弦建模方法.该方法结合匹配跟踪自适应的动态特征,利用心理声学模型计算当前合成信号的动态掩蔽阈值,以此为参考提取残差信号中感觉最明显的信号分量,从而最大限度地增加合成信号中的感知信息.在模型精度不高的情况下,该方法也能得到合成质量比较高的语音.实验表明,该方法更好地利用了人耳的听觉特性,建模结果更为合理、有效.客观的信噪比和主观试听测试都显示了所提出算法的合理性与优越性.     

基于向量空间模型的贝叶斯文本分类方法

提出基于向量空间模型的贝叶斯文本分类方法。首先提取出文本训练集的特征词,建立特征向量空间模型。然后采用贝叶斯文本分类方法对未知类别文档进行分类。给出了贝叶斯文本分类方法过程的详细描述和文本分类的一个测试实例。     

基于逐步优化分类模型的跨领域文本情感分类

跨领域文本情感分类已成为自然语言处理领域的一个研究热点。针对传统主动学习不能利用领域间的相关信息以及词袋模型不能过滤与情感分类无关的词语,提出了一种基于逐步优化分类模型的跨领域文本情感分类方法。首先选择源领域和目标领域的公共情感词作为特征,在源领域上训练分类模型,再对目标领域进行初始类别标注,选择高置信度的文本作为分类模型的初始种子样本。为了加快目标领域的分类模型的优化速度,在每次迭代时,选取低置信度的文本供专家标注,将标注的结果与高置信度文本共同加入训练集,再根据情感词典、评价词搭配抽取规则以及辅助特征词从训练集中动态抽取特征集。实验结果表明,该方法不仅有效地改善了跨领域情感分类效果,而且在一定程度上降低了人工标注样本的代价。     

一种高斯混合模型组合分类的机载LiDAR城区道路提取方法

城区道路自动提取一直是遥感领域研究的重点和热点之一.针对遥感影像提取易受建筑物和植被遮挡的影响,点云数据提取道路边界又较模糊的不足,提出了一种高斯混合模型组合分类的道路提取方法.该方法利用融合影像即含有色彩信息的点云数据,首先对滤波后点云中的反射强度属性,运用偏度平衡法粗提取道路点云;再对点云数据中的灰度信息和点密度属...