面向语音识别声学模型的汉语语料抽选方法

1前言 在大词汇量连续语音识别应用中,有目的的分别设计并选择合适的、能充分覆盖各种语音现象的语料,对于训练鲁棒性强的声学模型,有着重要的作用.在声学模型的训练中,经过设计的训练语料与随机选择的训练语料相比,至少能带来5%的识别率的改善[1].宁振江,男,2 7岁.现为中国科学院声学研究所信号与信息处理专业博士研究生.感兴趣的研究方向为语音识别及其相关的声学模型和语言模型自适应技术.曾承担中科院声学研究所2001年创新前瞻项目:"即兴口语自适应技术".     

中学生口语训练探索

语言表达是中学语文教学的一个重要环节,也是语言教学的一个重要方面.本文对语文教学中如何进行中学生的口语训练提出了自己的看法.较为详细地阐述了中学生口语训练的目标和实施方法,对搞好语文教学中的口语训练有一定的指导意义.     

旋转叶片振动信号的小波变换去噪处理

在旋转叶片叶尖定时测振系统中,叶片多处于大噪声工作环境,为了保障振动位移的高精度测量,需有效解决叶片振动信号的去噪问题.提出采用具有时频局部分析特性的小波变换方法对振动信号进行去噪,建立了叶尖定时测振系统的仿真模型.针对仿真信号的特征,对小波变换的小波基、阈值估计及小波分解尺度进行了参数优化,实现了宽频白噪声的有效滤除.并与传统的滤波和Savitzky-Golay(SG)平滑算法进行对比,结果表明小波变换去噪方法在去噪效果和减小振动位移测量误差上均具有明显优势,有较好的实际工程应用价值.     

铁路信号微机联锁系统常见故障及解决方案

在现代化铁路的实际运行过程中,信号管理工作是极为关键的组成部分,其基于计算机联锁反应得以实现,计算机联锁反应使信号管理工作变得极为方便和简捷,能够确保铁路运输的安全性与通畅性。该文对现代铁路信号的计算机联锁系统进行阐述,并且在此基础之上,探究铁路信号计算机联锁系统在实际应用中比较常见的故障问题,并且在深入阐释与探析的基础上提出相应有效的解决措施,为铁路事业的现代化发展提供一些帮助。     

仿真技术在训练与教育电工中的应用

目的 提高工厂进网电工的整体技术水平，方法 设计计算机仿真系统在岗电工业行业务训练。结果 通过实际应用，该仿真系统达到了预期的结果。结论 使用计算机系统对岗电工进行业务训练，可以提高电工的整体技术水平。     

谈“任务驱动法”在《计算机应用基础》教学中的应用

《计算机应用基础》是中职学校必修的公共基础课程,目的是让学生了解和掌握计算机的基本知识和操作技能,能在工作中使用计算机技术和方法解决实际问题。传统的教学方法在教学过程中显露出许多不足之处,本文主要是探讨任务驱动法在《计算机应用基础》的应用。     

一种基于灰关联分析的语音/音乐分类方法

针对音频信号的特点,提出了一种将灰关联分析应用于语音/音乐信号的分类方法,并给出了对音频信号进行灰关联分析的方法和步骤。利用语音和音乐信号的短时能量均方根的概率统计特征值建立了目标的参考数据和比较数据,进行了不同语音和音乐信号的灰关联分析,确定了目标分类的判据,并对两类信号以及含有独立两类信号的音频信号进行了分类。仿真结果表明:基于单特征值的音频信号灰关联分析方法实现过程简单,分类平均准确率达到90%,优于文献[4]中基于1种和2种特征值的分类性能。     

与文本无关说话人识别系统的性能比较

1前言 用语音来鉴别说话人身份有许多独特的优点,如语音是人的固有特征,不会丢失或遗忘;语音信号采集方便,系统设备成本低等,因此自动说话人识别具有广泛的应用前景[1].本文以语音信号的LPC倒谱系数、差值倒谱系数、基音周期和差值基音周期的混合特征参数作为识别的特征矢量集,比较了利用矢量量化(VQ)[2]、各态经历隐马尔可夫模型(HMM)[3]、混合高斯分布模型(GMM)[4]技术实现的与文本无关说话人识别系统的性能.结论是GMM性能最好,最高识别率可达93.6%,其次是各态经历HMM,而VQ最差,其最高识别率仅为86.2%.     

自动定量称量包装传感器信号去噪算法

目的为了有效滤除自动称量控制系统中的噪声信号,提升称量系统的稳定性和精确度,提出一种基于BP神经网络粒子滤波的称量信号去噪方法。方法在粒子滤波算法中映入了BP神经网络,利用BP神经网络的非线性映射特点,对权值进行分裂和选择,将观测值看作神经网络的目标信号,通过神经网络中的多次训练增大小权值粒子的权重,从而提高粒子滤波算法的多样性。结果仿真和实验结果表明,BP神经网络粒子滤波方法能有效滤除称量包装系统中的噪声信号,提升传感器信号品质。结论该滤波方法大大提升了称量系统的稳定性,有效提高了称量包装的精度,所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。     

局部线性预测对汉语元音非线性的研究

1引言 近来,人们通过延迟重构相空间、计算相关维或嵌入维等非线性动力学方法,发现语音中含有非线性、甚至混沌成分[1][2].用非线性的方法建立更符合物理本质的语音模型,将是对原有语音信号研究的重大突破,因此很有必要进一步验证语音中非线性的存在.对于混沌时间序列,可在Takens相空间重构理论[3]的基础上,建立相应的预测模型作预测分析,例如,局部线性预测(LLP)模型[4][5].文献[6]把LLP方法应用于水声目标辐射噪声分析,通过预测误差曲线类型判定辐射噪声的线性性.受此启发,本文把LLP理论应用到汉语语音领域,通过计算元音的归一化平均预测误差随邻点数的变化曲线、以及比较混沌时间序列和线性时间序列的相应曲线,来验证元音中存在非线性(混沌)的成分,为建立合适的LLP模型提供了依据.     

一种新型语音识别算法的应用

本文首先对声音的预处理及其信号特征的提取过程进行了简要介绍,然后提出了在孤立字词语音识别的一个新的算法,即新型的识别算法。通过此算法,系统可以在不降低系统识别精度的前提下,大大精简运算量,因此提高了识别系统整体的识别效率。实验证明,这种识别算法在基于模板的孤立字词语音识别中可以达到100%的识别精度,在基于非模板的孤立字词的语音识别中,其识别精度也可以达到90%以上,并且与传统的识别方法相比,缩短了训练时间,提高了识别速度。在孤立字词的语音识别中具有自己独到的优势。然后,构建一个使用方便的语音识别系统,将本算法应用到实践当中来解决人们现实生活中遇到的各种问题。     

语音消噪应用研究

从时域与频域对比研究了低信噪比语音消噪问题,时域采用LMS自适应消噪,频域分析选用小波技术,对两种消噪方法进行了系统全面的分析,对比讨论了各自的优势及不足,对实际信号进行了仿真消噪并与原始语音取样信号相比较,研究表明选用消噪方法对低信噪比语音消噪是明显有效的,LMS自适应消噪及小波消噪具有很强的实际应用价值。     

高职高专计算机专业教学中的案例教学

分析案例教学在高职高专计算机专业教学中的优势及具体实施的方法.案例教学在高职高专的计算机专业教学中的实施,能够充分调动学生学习的积极性,也提高了学生实际动手能力和探索、合作、创新能力,在高职高专的计算机专业教学中合理、有效地使用案例教学将会很好地解决传统教学中遇到的问题.     

激光微细加工中微小曝光区温度测量系统的改进

在半导体的激光微细加工技术里，需要对微小曝光区域的温度分布进行不接触测量。文献[6]报道的温度测量系统基本满足这一要求。但在实际使用过程中还存在一些需要克服的困难。首先是温度分辨率和温度测量范围不能同时满足使用要求．其次是不能进行温度分布的准确测量和最高温度点的准确定位。本文提出了对原有系统的改进方法，改进后的计算机温度测量系统较好的解决了原系统存在的这些阊题。     

梳状滤波器在滚动轴承早期故障诊断中的应用

在滚动轴承的早期故障信号中,由于较强的齿轮啮合频率以及噪声成份的存在,致使故障特征的提取比较困难.应用二阶循环平稳方法可以有效的抑制噪声,提取出信号中的周期成份,但无法排除啮合频率的干扰.提出了构造梳状滤波器滤除啮合频率,然后进行二阶循环平稳分析的滚动轴承早期故障诊断方法,并通过实际工程信号进行了验证.     

声场控制中的反馈问题

1.引言 在电声系统、语音通信、视频网络会议系统与有源噪声控制系统的应用中,声反馈往往是一个无法忽视的因素.在大多数的情况下,反馈是一个需要克服的重要问题,解决得不好轻则影响系统性能,如限制扩声系统的信号增益,干扰语音信号质量,限制有源控制系统的降噪效果等等,重则破坏系统的稳定性,产生自激震荡噪声,致使系统无法工作,甚至导致系统完全失效.     

基于脑机接口的机器人辅助脑瘫康复表情训练系统设计

本文基于脑机接口(BCI)设备Emotiv EPOC+设计了机器人辅助脑瘫康复面部表情训练系统.系统在Python开发环境中使用WebSocket通信协议设定服务器与客户端用来完成获取设备信号和对信号进行处理以及应用的工作,使用小波变换处理方法捕捉单一通道在某一训练时段的特征信号,通过触发对应的特征信号与动作关系指令驱...     

局域网综合布线工程设计讨论

局域网是现阶段多数企业所采用的计算机互联成的计算计组,在公司文件管理、打印机共享、电子邮件、文件管理等工作中发挥重要重用.在局域网应用中,综合布线系统是建设数字化信息系统的基础,是将所有语音、数据等系统进行统一的规划设计的结构化布线系统,为办公提供信息化、智能化的物质介质,支持将来语音、数据、图文、多媒体等综合应用。     

基于深度压缩感知的语音增强模型

随着压缩感知的深入研究,压缩感知在语音增强方面的应用也备受关注。针对传统压缩感知语音增强算法中存在的不足,将压缩感知与深度学习结合构建名为基于深度压缩感知的语音增强模型(Speech Enhancement based on Deep Compressed Sensing, SEDCS)。基于压缩感知原理使用编解码模型代替压缩感知中语音信号稀疏过程,使用卷积神经网络代替测量矩阵实现语音信号观测降维过程,通过联合训练的方式实现语音增强。实验结果表明：该模型能够完成语音增强任务,并且与现有的压缩感知语音增强算法相比,该模型能取得较好的语音增强效果;相比利用深度学习的语音增强算法,该模型虽性能一般,但在模型泛化性能和测试阶段的增强时间效率上有一定提升。     

语音增强算法综述

噪声降低了语音的信噪比和可憧度，严重时会使语音处理系统无法正常工作．对带噪语音信号进行语音增强处理，是一个亟待解决的课题．本文对目前主要几种语音增强算法做了分析研究，结果表明各种方法都有不足，在实际应用中应根据具体环境和系统要求，结合各种算法以达到语音增强的最佳效果．