基于LPC倒谱的语音特征参数提取

语音识别指利用计算机识别语音信号所表达的内容,其目的是要准确地理解语音所蕴含的含义。本文着重研究了语音识别实现过程的特征提取,针对特征提取的多种方法,选用LPC倒谱系数作为特征参数提取,较彻底地去除了语音信号产生过程的激励信息,主要反映了声道模型,而且只需十几个倒谱系数就较好地描述了语音的共振峰特性。通过对语音信号进行预加重、分帧、加窗、自相关分析,而后提取出LPC倒谱系数。根据流程编写VC程序,对语音信号进行分析处理,去除对语音识别无关紧要的冗余信息,从而获得用于语音识别的重要信息。     

加性白噪声环境下语音特征参数鲁棒性的研究

随着说话人识别技术的发展,实用有效的说话人识别系统越来越成为研究的重点.语音特征参数的鲁棒性直接影响一个说话人识别系统的具体性能,过去主要针对移动通信环境下存在信道失真的问题,研究差分倒谱的鲁棒性.文中则主要在加性白噪声环境下研究Mel倒谱参数、Mel差分倒谱参数的顽健性以及它们经过倒谱系数零均值化（CMN）处理后识别性能的改进.从仿真结果可以看出：在加性白噪声环境下,差分倒谱参数具有很好的鲁棒性;倒谱系数零均值化能有效的除去加性白噪声.     

噪声环境下语音能量的MMSE估计及其在语音识别中的应用

语音识别中,语音信号能量是一个重要的识别特征参数.在噪声环境下,语音信号能量产生的畸变是导致识别率下降的原因之一.本文依据RASTA-PLP分析的增益参数和最小均方误差估计准则,给出了带噪语音能量和干净语音信号能量的线性映射关系.在中文连续语音识别中的应用表明,利用该映射关系得到的干净语音能量估计,可使信噪比为5dB的白噪声环境下的识别正确率提高21.36%.     

噪声环境中基于VQ说话人识别

噪声环境下,为了提高说话人识别系统的鲁棒性,需要对系统进行各种抗噪声处理。采用梅尔频率倒谱系数作为语音的特征参数,矢量量化方法进行模式匹配,将改进的基于听觉掩蔽效应的语音增强器作为预处理器,对语音信号首先进行降噪处理。语音增强器实验结果表明,经过降噪处理后提高了输入信号的信噪比,减少了语音失真,同时很好地抑制了背景噪声和残余音乐噪声。将经过降噪处理的语音信号送入说话人识别系统,提高了系统的识别性能。     

一种基于自组织神经网络的语音识别系统

建立了一种基于自组织神经网络的语音识别系统。对语音信号进行了预处理,提取了语音信号的线性预测系数、线性预测倒谱系数和Mel倒谱特征系数,建立了基于自组织神经网络的识别判决模型。深入分析和改进了自组织神经网络的分类聚类能力,通过加强训练和设定阈值函数的方法,有效地确定了边界神经元的归属,划分出了合理的输出模式类。验证了自组织神经网络适合于处理孤立词语音识别,并具有快速性和结构简单等特征。MATLAB仿真实验表明,语音识别率达到96%。     

基于线性预测残差倒谱的多语音基音频率检测

本文提出了一种基于线性预测残差倒谱的多语音基音频率检测算法,该算法首先对混合语音信号进行线性预测分析,进而计算预测信号与原混合信号的残差,并对残差信号做倒谱变换,得到混合语音信号的线性预测残差倒谱;然后在该信号的残差倒谱中,结合图像处理的技术,利用语音信号基音倒频匹配法检测出多语音信号的基音频率;最后在基音标定的过程中,本文算法利用语音信号的连续特性,依据信号基音频率前后差距变化最小原则标记出各基音所属话者。实验结果表明,本文提出的算法在弱回声及无回声的情况下能快速有效地从单声道混合语音信号中检测出多语音基音信息。     

应用于语音识别片上系统的语音检测算法

语音识别技术的研究已经进入实用化阶段，而实用化语音识别系统中的一个关键技术就是可靠的语音检测。本文提出了一种基于有限状态机模型的实时语音检测算法(FSM-SD)。采用对数最大似然判决帧能量检测器和过零率检测器控制各状态之间的跳转关系。针对语音识别中的MFCC(Mel频标倒谱系数)和LPCC(线性预测倒谱参数)特征提取过程，分别得到两种不同的帧能量计算方法。将FSM-SD应用到在OAK DSP上实现的小词表汉语语音识别系统，通过实验验证了其对系统识别性能和噪声稳健性的有效保证。     

一种基于概率模型和倒谱差分的特征补偿算法

本文详细给出了概率模型中引入倒谱预测值的动态相关性来进行特征补偿的方法.该方法采用期望最大化(EM)算法来估计联合分布参数,基于语音和噪声的先验概率密度、在倒谱域对语音特征参数进行最小均方误差预测(MMSE),以提高语音识别精度.不同噪声环境和不同信噪比下的实验结果表明,本文方法能有效提高噪声环境下的中文连续语音识别的正确率.     

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。     

数字语音的声源编码

本文主要阐述了语音信号声源模型的结构,其中主要包括代表一激励参数的脉冲及噪声激励源,以及代表声道特性的线性时变系统。指出声源编码(声码器)即用传送模型参数代替传送语音波形的一种获得极低比特率的编码方式。分别讨论了三种典型声码器即CV、HV及LPC的原理,主要结构及性能。它们都用某种方式提取激励参数,而分别用短时谱幅度、倒谱系数及线性预测参数来描述声道特性,控制短时频谱的包络线,以获得具有一定可懂度的综合语音输出。     

语音信号端点检测的程序实现

在孤立字识别中,精确地判别语言信号的起始点和终止点是相当重要的。确定出语音信号范围的方案可以用来减少大量非实时系统的计算和提高识别精确度。本文在利用语音的某些特征参数——短时平均幅度或能量和短时平均过零率的基础上,提出了利用上述特征参数进行语音端点检测的IBM/PC机实现程序。     

基于小波变换理论的电磁泄漏信号处理方法

在电磁泄漏信号检测的过程中,由于外部噪声和检测系统内部产生的噪声,使原始信号中含有了大量的电磁噪声,给信号检测和提取带来了困难,尤其是一些微弱信号,它们很容易混叠在噪声中,而导致检测错误。因此,对所获取到的原始信号进行噪声消除,是我们首先要完成的工作。该文针对上述问题提出小波变换理论来消除电磁泄漏信号的噪声,并通过具体...     

语音信号的情感特征分析与识别研究综述

语音情感的分析与识别是近年来新兴研究课题之一，本文介绍了近几年来国内外语音情感识别的状况，阐述了各种人类情感分类的方法，归纳了各种语音特征参数的提取方法以及各特征参数对情感识别的意义，在此基础上综述了国内外在情感识别领域的研究进展与主要识别建模方法，同时总结了各种识别建模方法的利弊。最后概括了语音情感识别领域的发展趋势，并进行了展望。     

水下信号源电路的设计与实现

论述一种新型水下运动目标信号源电路的设计与工程实现。工程中,选用单片机89C52和8279,复杂可编程逻辑器件(CPLD)将晶振频率分频,模拟电路产生噪声信号,开发了一个实用性强、功能扩展灵活、信号参数可调的低频信号源,经D/A转换和功率输出,送到换能器输出。其波形参数:频率、脉宽、周期、幅值均可键盘设置。     

浅析汉语语音与口型匹配的基本机理

对语音口型匹配的机理进行了概要探析.首先归结了语音口型运动遵循的一些规则,然后在此基础上,结合汉语语音发音特点,从几何形状匹配和时间匹配两个层面,探析了语音与口型匹配的机理.在几何匹配层面,阐述了汉语语音与口型的对应方法,并进一步分析了声母和韵母口型的形成机理;在时间匹配层面,简要分析了声母和韵母口型的时间对位方法.     

基于听觉感知小波变换的电子耳蜗CIS语音信号处理

为克服以往滤波器组参数调整复杂，提出了一种听觉感知的小波变换的电子耳蜗语音处理的方法。文章在连续交替取样CIS（Confinuous Interleaved Sampling）语音信号处理方案的基础上，利用人耳听觉的临界频率与听觉感知的小波变换域的相似性，进行了电子耳蜗输出信号的重构，采用短时傅立叶变换的语谱图分析。实验结果表明：本方法获得的合成语音与原始语音在频谱包络特征上非常相似，频域特征里接近入耳的实际生理特性。     

Face analysis and synthesis

The author's goal is to generate a virtual space close to the real communication environment between network users or between humans and machines. There should be an avatar in cyberspace that projects the features of each user with a realistic texture-mapped face to generate facial expression and action controlled by a multimodal input signal. Users can also get a view in cyberspace through the avatar's eyes, so they can communicate with each other by gaze crossing. The face fitting tool from multi-view camera images is introduced to make a realistic three-dimensional (3-D) face model with texture and geometry very close to the original. This fitting tool is a GUI-based system using easy mouse operation to pick up each feature point on a face contour and the face parts, which can enable easy construction of a 3-D personal face model. When an avatar is speaking, the voice signal is essential in determining the mouth shape feature. Therefore, a real-time mouth shape control mechanism is proposed by using a neural network to convert speech parameters to lip shape parameters. This neural network can realize an interpolation between specific mouth shapes given as learning data. The emotional factor can sometimes be captured by speech parameters. This media conversion mechanism is described. For dynamic modeling of facial expression, a muscle structure constraint is introduced for making a facial expression naturally with few parameters. We also tried to obtain muscle parameters automatically from a local motion vector on the face calculated by the optical flow in a video sequence     

Speech Enhancement Combining Optimal Smoothing and Errors-In-Variables Identification of Noisy AR Processes

In the framework of speech enhancement, several parametric approaches based on an a priori model for a speech signal have been proposed. When using an autoregressive (AR) model, three issues must be addressed. (1) How to deal with AR parameter estimation? Indeed, due to additive noise, the standard least squares criterion leads to biased estimates of AR parameters. (2) Can an estimation of the variance of the additive noise for each speech frame be obtained? A voice activity detector is often used for its estimation. (3) Which estimation rules and techniques (filtering, smoothing, etc.) can be considered to retrieve the speech signal? Our contribution in this paper is threefold. First, we propose to view the identification of the noisy AR process as an errors-in-variables problem. This blind method has the advantage of providing accurate estimations of both the AR parameters and the variance of the additive noise. Second, we propose an alternative algorithm to standard Kalman smoothing, based on a constrained minimum variance estimation procedure with a lower computational cost. Third, the combination of these two steps is investigated. It provides better results than some existing speech enhancement approaches in terms of signal-to-noise-ratio (SNR), segmental SNR, and informal subjective tests.     

语音增强算法的研究与实现

语音增强算法也被称为噪声消除算法,在通信行业快速发展的现代社会,语音增强技术具有现实研究意义.首先介绍了算法的运行环境,即语音和噪声信号的特征.其次,对三种经典算法的原理、重要参数和运行框图进行了理论分析.最后以基于统计模型的语音增强算法作为例子进行仿真,验证了语音增强效果.     

用于语音分析的实值离散GABOR变换

提出了语音信号的快速实值离散Gabor变换（RDGT）方法,讨论了由RDGT系数计算语音复谱图值、语谱图生成和语音信号的快速重建问题。并给出了实例。