无声语音识别中的端点检测算法

无声语音识别常以表面肌电信号作为研究对象。表面肌电信号的端点检测是影响识别结果的一个重要因素。表面肌电信号与语音信号有类似之处。借助语音端点检测的方法对表面肌电信号进行分割是一种可行的思路。基于此,采用子带谱熵和梅尔倒谱距离作为信号端点检测的判决依据,通过粒子群算法优化支持向量机分类器给出端点检测结果。结果表明,在不同信噪比条件下,该算法有最高的检出率与最低的错误率。对于基于K最近邻（K-Nearest Neighbor,KNN）的无声语音识别任务,识别率达95.3%。     

小波变换和支持向量机相融合的 ECG 身份识别算法

心电图信号(ECC)受到设备、检测者心情等影响,含有噪声且特征具有高维性,为了提高了身份识别的正确率,提前出一种小波变换和支持向量机相融合的 ECG 身份识别算法.首先小波变换对采集的心电图信号进行预处理,消除各种噪声;然后采用相关分析对 ECG 特征进行降维处理,消除冗余特征;最后将特征向量输入到支持向量机进行训练,建立基于 ECG 的身份识别模型.仿真结果表明,该方法提高了身份识别正确率和速度,有一种有效的身份识别算法.     

基于Fisher判别和GKF-RELM算法的多特征步态模式识别

为提高下肢表面肌电信号步态识别的识别精度和计算效率,采用一种基于高斯核函数优化正则化超限学习机(GKF-RELM)算法,对肌电信号提取时域、频域和非线性动力学三类特征并分别计算步态识别率,运用Fisher判别函数分析所提特征的可分性,得到多类特征的融合特征作为输入数据对分类器进行训练,再用训练好的分类器进行步态识别,从识别率和计算时间两方面,分别与支持向量机(SVM)和深度神经网络(DNN)方法进行了对比分析.结果表明,基于Fisher判别可分性指标确定的多类特征组合,能得到最优识别效果,并在提高分类精度的同时,优化了计算效率.此外,GKF-RELM方法的识别率也优于传统的ELM方法.     

基于SVM的语音信号情感识别

在智能人-机交互系统中,语音信号的情感分类是目前热点的研究领域,并且得到了广泛的应用.本文提出一种基于特征提取和借助支持向量机(support vector machine,SVM)分类器(classifier)的情感互相关性的方法,并应用于情感语音识别.利用这种方法对3种情感语音信号进行情感分类.SVM分类器是利用情感语音信号中情感互相关性的特征提取进行分类的.这种通过 SVM 分类器的情感互相关性的自动分类方法,可以将情感识别率大幅提高,并且在识别愤怒情感时的准确率可以达到95.04%.     

基于粒子群优化支持向量机的语音情感识别

提出一种基于粒子群优化算法的支持向量机网络,并把它应用到语音情感识别系统中。依据情感的维度空间模型,研究分析情感语音数据的韵律特征与音质特征。利用粒子群优化算法(PSO)训练网络的超参数以优化支持向量机模型,可快速地实现网络的收敛。最后在实验中比较线性核函数SVM、径向基核函数SVM与粒子群优化径向基SVM分别用于语音情感识别的识别率,结果显示粒子群优化径向基核SVM模型用于语音情感识别能获得明显的识别性能的提升。     

融合表面肌电和加速度信号的下肢运动模式识别研究

为了提高下肢运动模式识别率,本文设计了一种融合表面肌电和加速度信号的下肢运动模式识别方法.首先,用局部均值分解将表面肌电信号分解为多个乘积函数（Product Functions,PFs）,再计算PF成分的多尺度排序熵.然后,通过拉普拉斯权重（Laplacian score,LS）特征选择算法选定每路肌电信号的一个尺度排序熵为特征,并把该特征和加速度信号的排序熵组成特征向量.最后,根据类内欧氏距离和类间样本分布,设计了改进的二叉树支持向量机,把特征向量输入该支持向量机进行下肢运动模式分类.实验结果表明所提方法对七个日常动作的平均识别率达到98.62%,相较于其他方法有较高的识别率.     

基于多特征融合的藏语语音情感识别

藏语语音情感识别是语音情感识别在少数民族语音处理上的应用,语音情感识别是人机交互的重要研究方向,提取最能表征语音情感的特征并构建具有较强鲁棒性和泛化性的声学模型是语音情感识别的重要研究内容。基于此,为了构建具有高效性和针对性的藏语语音情感识别模型,文中构建了一种藏语语音情感数据集（TBSEC001）,并提出一种适合于藏语的手工语音情感特征集（TPEFS）,该特征集是在藏语与其他语言的共性和特性的基础上手工提取得到的,TPEFS特征集在支持向量机（SVM）、多层感知机（MLP）、卷积神经网络（CNN）、长短时记忆网络（LSTM）这些经典网络中都取得了不错的效果。所提出的方法在藏语语音数据集（TBSEC001）上取得了88.4%的识别结果,以及在EMODB、RAVDESS、CASIA数据库上分别取得了84.1%、74.3%以及82.5%的识别结果。实验结果表明,该特征集在保证识别率的情况下,对藏语语音情感识别具有一定针对性。     

基于改进的蛙跳算法与支持向量机的实用语音情感识别

支持向量机是一种基于统计学习理论的新型机器学习算法,在高维特征空间中寻找最优分类超平面,具有很好的分类精度和泛化性能。支持向量机的训练需要求解一个带约束的二次规划问题,针对数据规模很大情况下经典训练方法变得很困难的缺点,提出一种基于改进混合蛙跳算法的支持向量机分类器参数优化方法,既提高了混合蛙跳算法的收敛速度和精度,又能借助混合蛙跳算法的全局随机搜索能力,为支持向量机参数的优化选择提供一条有效途径。本文提取情感语句的韵律特征、音质特征和混沌特征参数,提出一种基于改进蛙跳算法的数据融合方法,并利用基于改进蛙跳算法的支持向量机进行实用语音情感的识别研究。在实验中比较了PCA方法、BP神经网络和数据融合方法用于语音情感识别的识别率,研究结果表明本文所提的各项改进机制能有效提升情感识别率,为实用语音情感的识别提供一种新方法和新思路。      

基于双谱分析和支持向量机的手震颤加速度信号识别

 针对目前临床上对特发性、帕金森病、生理性等3种常见震颤误诊断的问题,本文提出了一种基于双谱分析和支持向量机识别3种不同类型震颤的新方法.首先测量3种震颤类型志愿受试者手震颤的加速度信号并分别对其用Hinich方法检验,发现该类信号具有非高斯、非线性特性,然后用适合处理该类信号的双谱分析方法提取手震颤加速度信号的双谱对角切片的特征信息,最后采用"一对一"和"一对多"两种多分类的支持向量机算法对受试人的手震颤特征进行分类.交叉验证表明"一对一"算法的平均分类正确率高于"一对多"算法,分类正确率最高达到93.13%.该方法为临床医生提供了辅助识别不同类型震颤的新途径.     

汉语连续语流的重音自动标注研究

重音是语音合成、语音识别、语音情感识别中表征韵律信息的一个重要参数,对提高语音合成系统的自然度、语音识别系统的准确率、语音情感识别系统的正确率等有着重要的作用.基于汉语双模情感语音数据库(ChineseDual-mode Emotional Speech Database,CDESD),采用改进的双门限判决法对连续语音进行音节分割,将音节的声学相关特征作为输入,数据库中人工标注的重音信息作为监督,建立了基于神经网络以及支持向量机(Support Vector Machine,SVM)的两种重音预测模型.实验表明,基于SVM的重音预测模型具有更好的分类效果,在CDESD能够获得82.89％的识别率.     

一种将普通电视信号转换成VGA信号的特殊转换器

针对医疗视频信号的特点，应用相关的数字转换芯片设计了一种转换装置，可以将医疗视频信号转换成vGA信号，从而实现用液晶显示器代替CRT监视器。该转换装置不仅应用于医疗视频信号，同样可以应用于普通的TV信号。     

Operator basis for analytic signal construction

The operator basis for one-dimensional analytical signal construction is considered. Why the Hilbert transform plays a fundamental role is clarified. Extension to the case of multidimensional signals is considered. Possible ramifications for the definition of a fractional analytic signal are discussed.     

宽带信号DOA估计处理方法研究

从频域上建立宽带阵列接收信号的模型,引出了2种宽带阵列信号处理的研究方法:非相干信号的处理方法(ISM)和相干信号子空间算法(CSM)。并利用MATLAB仿真软件,模拟远场、等功率、平稳的第三代移动通信手机信号,对2种算法性能进行对比。仿真结果表明,CSM算法相对ISM算法虽然加大了运算复杂度,但是能够更有效分辨出宽带相干信号。     

基于信号重构和最小二乘的线性调频信号估计

通过多延时离散多项相位变换重构出具有较高信噪比的信号,随后解出瞬时相位曲线,利用最小二乘法估计出线性调频信号的一阶、二阶相位参数.在低信噪比时,估计量均方误差仍达到CRB.另外,该方法信噪比门限低且可调,运算量小,易于实现.仿真验证了其有效性.     

新型机载多脉冲激光雷达目标信号模拟器

研制多脉冲激光雷达目标信号模拟器,用以评估回波数字信号处理算法及其实现平台的性能。首先,介绍了目标信号的主要组成以及回波信噪比的两种定义。接着,基于激光雷达方程及1.064μm激光器的辐射激光的光电接收实验,获取信号波形并对目标回波信号组成进行分析,结合空中目标的回波脉冲展宽建立了机载脉冲激光雷达目标回波信号模型。之后,提出了依据电压信噪比产生回波观测信号的方法。最后,给出了基于"FPGA+高速D/A+USB2.0数据传输"的目标信号模拟器软硬件实现,可为回波信号处理器提供信噪比为1-9的静、动目标回波及主波信号。     

线性调频与相位编码混合雷达信号处理仿真

为了保证雷达系统能够在复杂的电磁环境中有效地工作,雷达信号的选择尤为重要。本文采用线性调频信号与相位编码信号相结合的码内线性调频信号作为雷达信号,针对这个信号进行了整个雷达信号处理的仿真。仿真结果表明,码内线性调频信号具有较好的抗干扰的特性。     

空间电子探测信号盲分离研究

给出了盲信号分离中的瞬时混合,时延混合和卷积混合三种混合模型,介绍了两种具体的盲分离算法,等变自适应盲分离算法和非高斯性最大化的快速定点算法.其中对于窄带源信号,对时延混合模型进行了扩展,提出了用复数域瞬时盲信号分离算法分离时延混合信号的新思路.最后给出了相应的仿真和实验结论,实验结果表明用基于复数的盲分离算法确实能够有效地分离阵列接收的时延混合信号.     

微弱信号在数字信号处理器上的检测与实现

本文首先介绍了微弱信号的检测理论,包括自相关检测和互相关检测.虽然模拟电路对于信号处理的实现比较简单,但是对于容易被噪声掩盖的微弱的有用信号的检测并不是十分理想,而对于数字电路来说,设计和实现方式上相对于模拟电路的实现比较复杂,但是对于提取微弱信号效果较为明显,容易在噪声干扰下检测出微弱信号.针对模拟电路处理微弱信号存在的问题,本文提出了采用数字电路进行微弱信号处理的过程以及在DSP上的软件、硬件的数字实现过程.     

光纤通信系统中的时钟信号恢复

时钟信号恢复是光纤通信中的一个非常重要的内容，它是实现有效和可靠通信的基础。为此介绍了几种时钟信号恢复方法的原理并结出了相应电路图，最后简要分析了这些时钟信号恢复方法的应用范围。     

一种有效的语音信号盲分离方法

利用语音信号的短时平稳特性,本文提出了一种WVA分布与联合对角化的盲分离方法,该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响,估计出源语音信号,实现对混叠信号的盲分离.通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离.