一种基于噪音类型估计的端点检测系统

该文通过对噪音和语音频谱特性的分析,针对不同使用环境,采用不同方法对语音信号进行端点检测。利用短时过零率、短时幅度和语音持续时间实现准静音环境下的端点检测,对语音频谱进行增强处理,实现噪音环境下的端点检测。     

语音频谱分析与应用

语音信号频谱分析包含极其丰富的内容。本文介绍了语音的短时谱、LPC谱、倒谱、LPC倒谱等多种常用频谱的概念;分析比较了上述频谱各自的特性及相互关系,并用软件编程实现计算机仿真;讨论各种频谱的实际应用。     

基于短时平均能量和短时过零率的藏语语音端点检测研究

语音端点检测是语音处理分析过程中的重要环节之一,该文介绍了语音端点检测的两个传统算法即短时平均能量和短时过零率,并将这两种算法结合起来进行藏语语音进行端点检测。运用Matlab编程和仿真验证了双门限判断法在藏语语音端点检测中的准确性。这种方法降低了藏语语音处理的时间、提高了处理的质量、可用来进行一些藏语语音识别的特征参数的提取。     

基于短时平均能量和短时过零率的藏语语音端点检测研究

语音端点检测是语音处理分析过程中的重要环节之一,该文介绍了语音端点检测的两个传统算法即短时平均能量和短时过零率,并将这两种算法结合起来进行藏语语音进行端点检测。运用Matlab编程和仿真验证了双门限判断法在藏语语音端点检测中的准确性。这种方法降低了藏语语音处理的时间、提高了处理的质量、可用来进行一些藏语语音识别的特征参数的提取。     

相位调整法实现语音变速的实时处理

语音的变速(变快或变慢)处理是目前十分流行的一项语音处理技术.语音信号是时变的,但这种时变特征相对于语音信号的频率而言其变化是非常缓慢的.短时傅里叶分析是分析缓慢时变频谱的一种简便方法.介绍了利用短时傅里叶分析,从频域的角度,采用相位调整法来对语音信号进行变速的实时处理,并用DSP芯片ADSP2188M进行了仿真,其结果较令人满意,基本达到了变速不变调、音质高保真的效果.     

复杂噪声下自行高炮通信系统语音信号检测方法研究

研究了在噪声环境下自行高炮通信系统语音信号的检测方法,提出了在高信噪比环境下采用短时平均幅度(AM)算法与短时平均幅度差(AMDF)算法检测相结合的二级判断法,在低信噪比的情况下采用短时高低频能量比的算法,实现语音信号在不同噪声环境下的检测;实验结果表明,高信噪比情况下二级判别法具有良好的语音识别效果,低信噪比情况下短时高低频能量比算法可以有效地检测出语音端点,避免切音现象;与传统语音检测算法相比,此方法不同信噪比状态下都具有较好的检测效果,体现出算法一定的优越性.     

基于发声模型的腭裂语音高鼻音自动检测算法

通过对腭裂语音发声模型进行研究,提出基于激励、声道、辐射模型特征参数的腭裂语音高鼻音等级自动识别算法。通过对基于激励模型的基音频率、基于声道模型的共振峰参数、基于综合发声模型的短时能量和M el倒频谱系数等表征高鼻音特性的参数进行分析和改进,以K‐最近邻算法为模式识别分类器,得出应用4种特征参数的高鼻音等级自动识别结果。实验结果表明, M el倒频谱系数与腭裂语音临床生理特征相关性最大,对不同等级高鼻音识别率最高。     

复杂噪声中基于MFCC距离的语音端点检测算法

为提高复杂噪声环境下语音信号端点检测的准确率,提出一种基于梅尔频谱倒谱系数(MFCC)距离的多维特征语音信号端点检测算法。通过计算语音信号的MFCC距离,结合短时能量和短时过零率对特征距离进行修正,并更新其阈值,建立自适应噪声模型,实现复杂噪声中语音信号端点的准确检测。实验结果表明,与基于双门限能量和基于倒谱距离的2种经典检测算法相比,在计算效率相同的条件下,该算法的检测准确率更高。     

基于MMSE-LSA语音增强算法在非平稳环境下的研究与实现

讨论了非平稳环境下基于语音短时对数谱的最小均方误差(MMSE-LSA)估计的语音增强算法.众所周知,语音信号为时变信号,在假设语音频谱分布为高斯分布的前提下,实验的工作重点是将MMSE-LSA算法与其它语音增强算法(以谱相减的语音增强为例)比较.实验结果表明:该MMSE-LSA算法的语音增强效果很好,特别是在信噪比低时的非平稳环境下效果更为明显.     

电话语音识别中通道补偿方法的性能比较

1.引言语音信号在进入语音识别系统之前,通常受到一些诸如语音产生过程、记录过程以及传输过程中产生的通道畸变的影响。例如:麦克风依赖于其类型和位置的不同能明显地影响语音信号的频谱,电话线网络的频率特性也对语音信号产生了频谱畸变的影响。这些由于传输通道而引入的频谱畸变将直接影响到语音信号的短时频谱分析结果,目前所有的语音识别系统中的参数计算,以及相似度测度都直接或间接地依赖于语音信号的短时频谱分析结果,