基于汉族语音音节特点的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。基于汉族语音的特点,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。     

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。     

强噪声背景下汉语语音端点检测和音节分割

根据汉语语音的特点，提出了强噪声背景下对汉语语音进行了端点检测和音节分割的新算法，在８５ｄＢ的噪声环境中，实验考察了端点检测的正确性和音节分割的稳定性，结果表明，算法在这两方面达到了很高的性能，且与发音者无关。     

一种改进的连续语音特征提取算法

本文介绍了连续语音识别中噪音鲁棒性方法的现状,分析传统动态范围调整方法在连续语音识别中导致的特征曲线中的峰值不匹配问题,提出了新的特征曲线调整算法,并为算法的参数设定增加了限制条件。本文详细地论述了算法的步骤以及算法中参数的确定。通过理论分析和实验验证,证明了提出的算法在连续语音特征调整中具有很好的性能,提高了识别精度。     

基于动态阈值的MVN连续语音特征调整算法

针对非特定人大词汇量连续语音识别,在均值方差归一化的基础上,提出了基于动态阈值的特征调整方法。动态阈值的选取方式包含阈值的动态范围确定和确定阈值的系数。动态阈值范围的确定依据如下两个数值,一个是样本特征点的均值,另一个是使得样本特征点等分的数值。然后再根据对特征点在样本特征点均值上下的比例关系得到系数,最后根据这个系数来确定一个具体的阈值,并基于此阈值对连续语音特征曲线进行调整。     

基于小波分析的汉语语音识别

将小波分析这一崭新的理论工具应用于汉语语音识别中，并提出了一些应用于语音处理的方法。     

一个微型汉语语音识别装置的设计

在分析汉语语音特点的基础上,对微型汉语语音识别装置的硬件结构,软件识别算法等进行了较详细的讨论和说明。     

汉语语音识别研究与实践

本文介绍了汉语语音识别及其实例—电话声控查号系统,并在该系统中采用了高效压缩信息的“分块四值化法”提取特征,信息压缩率达100:1;利用分级识别,提高识别率;设置辅助功能键,保证报号完全准确。     

考虑状态持续时间的改进Viterbi算法及语音识别

针对考虑状态持续时间的HMM,在非线性动态规划的基础上设计了改进的Viterbi算法,并给出了Viterbi算法和K－means聚类结合的语音识别过程,最后分别为一般和考虑状态持续时间的HMM及Viterbi算法对50个汉语音节进行了识别实验,结果表明,考虑状态持续时间并应用改进的Viterbi算法时,虽然语音训练过程要慢一些,但其识别速度几乎一样的,而且误识率有明显的降低,取得了很好的效果。     

基于小波变换的静音与语音分割新算法

含噪语音信号的静音与语音分割，即端点检测问题是语音识别至关重要 的一步，为了提高语音分割对环境的适应性，提出了一种利用小波变换分割含噪语音信号中静音与语音的新算法，该算法首先将语音信号进行小波变换，利用小波系数去噪，然后选择小波部分子带跟踪信号的能量变化以分割语音与静音，仿真实验表明该算法在低信噪比条件下也能够有效分割语音。     

垂直交点APIT定位改进算法

针对APIT算法存在的问题,提出了一种新的判断未知节点位置的方法。首先选择3个任意组合的锚节点,通过任意一个锚节点对另外两个锚节点所在直线作垂线得到垂直交点,通过比较这个锚节点到交点的距离和它与未知节点的距离的关系,初步判断未知节点位置,同时,通过加权质心定位算法得到未知节点的精确估计值。Matlab仿真结果表明,改进后的算法相比较经典APIT算法在定位精度上有了很大提高。     

一种改进的汉语N元文法统计语言模型

提出一种利用声学匹配结果平滑语言模型的新方法,根据汉语语言的特点,利用声学识别中提供的汉语分词信息修正统计语言模型中Ｎ－元文法转移概率分布,有效地提高了汉语语音识别系统统计模型的顽健性能。     

基于环境判别学习的高噪声命令语音识别系统

介绍了一种环境特征判别学习的Robust语音识别方法，该方法基于最小分类错误准则利用梯度下降法迭代地学习环境特征，实现了高噪声背景下命令语音识别系统。在不同级别背景噪声下，分别进行了有关信噪比、基本精度、抗噪能力以及系统对环境改变的适应性等实验。实验结果表明，系统在较高噪声背景下，有很好的识别效果，基本可满足应用领域的需要。     

基于二级搜索模型的有声出版物语音分割算法

提出了一种二级搜索模型,该模型首先利用最小音节步长搜索算法进行语音段检测,然后采用二分搜索算法确定语音段的精确位置。理论分析及实际运行结果表明,与传统的基于能量的端点检测算法相比,其搜索效率能够提高70%以上。该算法对语音环境有较高的要求,可用于有声出版物语音自动分割,以及具有良好信噪比系统的语音端点检测。     

基于压缩感知的语音信号编码算法

针对语音信号在离散余弦变换基上的稀疏性,提出了一种基于压缩感知的语音压缩编码算法。算法在编码端采用随机高斯矩阵直接对语音波形进行观测,并采样均匀量化技术对随机观测进行量化。解码端利用未饱和的观测值通过Lasso算法实现语音信号的重构。仿真结果表明,该算法具有良好的重构性能。     

一种基于视频的手势识别算法

研究了一种基于视频的手势识别算法,该算法利用均值法去除噪声,根据物体颜色配合最大类间方差法对目标和背景进行区分,并使用BP神经网络进行手势的分类.实验表明,该算法对部分典型手势识别的准确率达到74.7％,具有较高的实际应用价值.     

MFCC特征加权应力影响下的变异语音识别

为了提高语音识别系统的顽健性，在对应力影响下语音数据分析的基础上，提出一种新的基于MF－CC系数加权的变异语音识别方法。它首先通过正常语音和应力影响下变异语音的差异求得一个变异影响因子，然后对该因子的倒数进行规正作为MFCC特征不同维的权值，从而减弱受变异影响较大的特征对识别性能的影响。对航空模拟飞行器中采集的特定话者小词表孤立词的实验表明，与传统的多重风格训练方法相比，该方法的识别率提高了10.9%；将其和倒谱平均减方法相结合，可进一步将识别率提高5.4%。     

基于仿生模式识别的非特定人连续语音识别的研究

仿生模式识别基本原理应用到非特定人连续语音识别中，在构建语音模型时，将高维空间点覆盖的理论应用到非特定人的连续语音识别的学习过程中，在识别时，采用高维空间覆盖动态搜索的方法，对连续语音进行动态搜索，这样就可以避免因分割错误而带来的错误识别．通过实验得到了较为满意的识别结果。     

改进人工蜂群算法

针对人工蜂群算法存在的收敛速度慢、易陷入局部最优的缺点,利用自由搜索算法中的信息素、灵敏度模型代替传统的轮盘赌选择模型,并引入OBL策略产生新蜜源取代每次迭代的最差蜜源,提出了一种改进的人工蜂群算法,并结合NIT技术建立一种新的多峰优化方法.对9个标准测试函数仿真表明本文提出的改进算法不仅大大提高了最优解的精度而且缩短了运行时间,改进性能明显优于现有人工蜂群算法.实例测试表明该方法能够有效、精确地搜索各个峰值点.