利用谐波显著度和语者音色特征的混合语音中目标人基频轨迹提取

从混合语音中提取出目标语者的基频轨迹,是语音监听、语音门禁、对话管理等应用的关键技术。为提高基频轨迹跟踪的准确率、增强抗八度误差的能力、降低系统复杂度,多基频估计以谐波乘积谱为核心,八度校正与基频分组均以元音段为基本单元,并结合了谐波显著度和语者音色特征。基于MIREX2005语音数据集的实验表明,MIREX的4种多基频估计性能指标均在75%以上,基频分组在混合语音中的判断准确率可达92%。     

Auditory-like filterbank: An optimal speech processor for efficient human speech communication

The transmitter and the receiver in a communication system have to be designed optimally with respect to one another to ensure reliable and efficient communication. Following this principle, we derive an optimal filterbank for processing speech signal in the listener’s auditory system (receiver), so that maximum information about the talker’s (transmitter) message can be obtained from the filterbank output, leading to efficient communication between the talker and the listener. We consider speech data of 45 talkers from three different languages for designing optimal filterbanks separately for each of them. We find that the computationally derived optimal filterbanks are similar to the empirically established auditory (cochlear) filterbank in the human ear. We also find that the output of the empirically established auditory filterbank provides more than 90% of the maximum information about the talker’s message provided by the output of the optimal filterbank. Our experimental findings suggest that the auditory filterbank in human ear functions as a near-optimal speech processor for achieving efficient speech communication between humans.     

汽车内驾驶员语音增强评价研究

驾驶员语音增强质量的评价指标是保证语音增强算法性能的关键,而现有的语音增强质量评价方法不能准确地反映人对声音感知的主观性。针对上述问题,分析了言语可懂度指数对语音增强算法评价的适用性,并在某品牌汽车上进行实验。通过在汽车内建立均匀线性传声器阵列来对驾驶员语音进行信号采集,然后利用波束形成算法对阵列中不同传声器组合的语音信号进行增强,得到汽车在不同行驶速度时不同阵列组合的语音增强结果。使用信噪比和言语可懂度指数分别对实验得到的语音增强结果进行评价,结果表明言语可懂度指数更适合评价汽车内驾驶员的语音增强算法的性能。     

Biases in Interpersonal Communication: How Engineering Students Perceive Gender Typical Speech Acts in Teamwork

This research investigates differences in how engineering and non‐engineering men and women perceive common speech acts in team settings. Participants completed surveys asking them to rate the speakers of three male typical and three female typical speech acts. Male engineering students were significantly harsher than other groups on female typical speech acts in which the speaker conceded weaknesses, even if this concession was for strategic purposes such as trying to help another teammate “save face.” This bias against female typical speech was consistent regardless of the speaker's gender, suggesting that students were reacting to speech patterns rather than to biological gender. These findings provide hope that women may be able to help manage perceptions of their everyday team interactions by avoiding statements that imply weaknesses, even if such speech is normal in other situations.     

交互等待状态下用户情感体验设计

目的结合时间心理学理论,将"时间知觉"运用于产品的交互等待设计,满足用户的情感需求,并留下愉悦的回忆。方法通过概述时间知觉和用户体验等理论,对用户等待体验的运行逻辑和影响因素进行说明,展示人们对时间的感知受情绪、记忆和注意力等因素影响。随着计算机和网络技术的发展,系统服务无法满足人们需求,导致出现交互等待状态,基于用户情感体验的交互等待设计具有必要性。结论理论结合实例分析,提出从技术和产品功能系统等方面减少用户实际等待时间,从用户心理和情感状态上缩短用户感受等待时间的设计模式,给设计者提供一个较新的思维概念,提升用户等待体验,增强用户与产品之间的情感联系。     

Nonlinear speech analysis algorithms mapped to a standard metric achieve clinically useful quantification of average Parkinson's disease symptom severity

The standard reference clinical score quantifying average Parkinson''s disease (PD) symptom severity is the Unified Parkinson''s Disease Rating Scale (UPDRS). At present, UPDRS is determined by the subjective clinical evaluation of the patient''s ability to adequately cope with a range of tasks. In this study, we extend recent findings that UPDRS can be objectively assessed to clinically useful accuracy using simple, self-administered speech tests, without requiring the patient''s physical presence in the clinic. We apply a wide range of known speech signal processing algorithms to a large database (approx. 6000 recordings from 42 PD patients, recruited to a six-month, multi-centre trial) and propose a number of novel, nonlinear signal processing algorithms which reveal pathological characteristics in PD more accurately than existing approaches. Robust feature selection algorithms select the optimal subset of these algorithms, which is fed into non-parametric regression and classification algorithms, mapping the signal processing algorithm outputs to UPDRS. We demonstrate rapid, accurate replication of the UPDRS assessment with clinically useful accuracy (about 2 UPDRS points difference from the clinicians'' estimates, p < 0.001). This study supports the viability of frequent, remote, cost-effective, objective, accurate UPDRS telemonitoring based on self-administered speech tests. This technology could facilitate large-scale clinical trials into novel PD treatments.     

非汉语母语者的普通话元音和辅音感知研究

语音感知研究是语音学主要研究内容之一。为了解学习者对普通话元音和辅音的感知情况,并为汉语教学提供借鉴,拓宽言语学习模型的应用领域,减少教学的盲目性,根据第二语言习得理论模式,采用实验语音学和统计学的方法,设计辨认实验和区分实验,分别对普通话水平处于高级和初级水平的20名维吾尔族大学生元音、塞音、擦音和塞擦音的感知情况进行研究。辨认实验考察学习者对元音和辅音的感知反应时间和感知准确率。在区分实验中,计算元音对的频谱距离,辅音对的频谱距离,以及它们的时长差异,对学习者的区分能力进行分析。实验结果显示高级水平学习者的感知元音和辅音的能力明显高于初级水平学习者。学习者对发音部位靠后的元音反应时间快且感知准确率高,对于发音部位靠前的元音反应时间较慢且感知准确率低,对塞擦音的辨认准确率高,对擦音的辨认准确度最低。元音对的频谱距离和辅音对的时长差异会影响到学习者的区分能力,但辅音对的频谱距离和区分情况不存在密切联系。     

基于注意力机制的TDNN-LSTM模型及应用

在大数据规模下,基于深度学习的语音识别技术已经相当成熟,但在小样本资源下,由于特征信息的关联性有限,模型的上下文信息建模能力不足从而导致识别率不高.针对此问题,提出了一种嵌入注意力机制层(Attention Mechanism)的时延神经网络(Time Delay Neural Network,TDNN)结合长短时记忆...     

低信噪比环境下的语音识别方法研究

单通道语音信号在信噪比较大的环境下经过增强后再识别,能表现出较高的识别率。但是在低信噪比环境下,增强后语音信号的识别率急剧下降。针对此种情况,提出了一种用在识别系统前端的语音增强算法,该增强算法将采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimum Mean Square Error,Log MMSE)提高其信噪比,然后再利用改进的维纳滤波去除噪声残留并提升语音可懂度,最后用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔科夫模型(Hidden Markov Model,HMM)对增强后的语音信号做特征提取并识别。实验分析结果表明,该方法能有效地抑制背景噪声并减少噪声残留,显著提升低信噪比环境下语音识别的准确性。     

基于数字原生代的“山海经”神话新文创角色情感感知研究

目的 以《英雄联盟》“山海绘卷”新文创IP角色为个案研究,探讨数字原生代对于以传统文化为背景,具有现代审美旨趣的新文创IP角色的情感感知影响因素,以及年轻群体的审美意趣、文化认同与价值趋向特征。方法 运用Python软件收集在线评论数据,采用Nvivo2.0分析工具进行3级编码,以扎根理论的叙述逻辑,构建用户情感感知模型。结果 归纳出审美造型、沉浸体验、文化特征3个类属是影响数字原生代对于传统文化情感感知认同的核心因素。结论 通过把握数字原生代的审美特征,强调数字赋能下的沉浸式体验感受,实现以文化认同下的情感共鸣,对于加强数字新文创IP角色设计情感体验具有深刻意义。     

A model comparison reveals dynamic social information drives the movements of humbug damselfish (Dascyllus aruanus)

Animals make use a range of social information to inform their movement decisions. One common movement rule, found across many different species, is that the probability that an individual moves to an area increases with the number of conspecifics there. However, in many cases, it remains unclear what social cues produce this and other similar movement rules. Here, we investigate what cues are used by damselfish (Dascyllus aruanus) when repeatedly crossing back and forth between two coral patches in an experimental arena. We find that an individual''s decision to move is best predicted by the recent movements of conspecifics either to or from that individual''s current habitat. Rather than actively seeking attachment to a larger group, individuals are instead prioritizing highly local and dynamic information with very limited spatial and temporal ranges. By reanalysing data in which the same species crossed for the first time to a new coral patch, we show that the individuals use static cues in this case. This suggests that these fish alter their information usage according to the structure and familiarity of their environment by using stable information when moving to a novel area and localized dynamic information when moving between familiar areas.     

基于骨导麦克风数据的咀嚼发音类型自动识别与分类方法

口腔运动与人们的饮食规律息息相关，该文通过对口腔运动状态的分析识别来监测人们的饮食规律，以此来指导人们的饮食习惯。借助语音识别技术的思想和方法，分析识别口腔运动产生的骨导音，为提升识别效率，采用了传统的隐马尔可夫模型。基于隐马尔可夫模型建立了一套骨导音识别系统，在进行骨导音识别之前，通过分帧加窗、提取梅尔频率倒谱系数，对其进行模型训练；在识别过程中，找出与待测音频信号和模板库中匹配度最高的模型，以其模型输出结果作为最后的识别结果。该方法的识别结果可以达到 84%，实验结果表明该方法具有一定的可行性。     

实用语音情感数据库的设计与研究

针对实用语音情感研究的需要,设计并且建立了诱发语音情感数据库。根据刺激评估表,设计了一种基于计算机游戏的情感诱发方式,首次针对汉语音的实用语音情感进行了情感数据的采集和情感语音库的建立。对烦躁、紧张和喜悦等三种具有实际应用意义的语音情感进行了有效的诱发,录制了情感语音数据,并进行了数据的检验与听辩测试。结果显示,采用计算机游戏诱发情感的方法能够有效地采集自然度较高的实用语音情感数据,为实用语音情感的特征分析与识别提供了必要的研究基础。     

儿童药品包装设计中的修辞性叙事

目的 对现有儿童药品包装中所出现的问题引入修辞性叙事理论中的叙事交流模式进行分析研究。方法 以修辞性叙事为设计方法,从具体案例中研究分析文本内修辞性叙事与儿童药品包装设计的关联,挖掘实践可行性。结果 从“人”的角度出发,基于文本叙事到设计叙事的转换,发挥设计语言价值,提升儿童药品包装的表达效果和感染力,注重药品包装情感传达,给使用者留下一个深刻的用户体验。结论 将文本类的修辞性叙事理论与儿童药品包装设计相结合,为儿童药品包装设计提供新的创作思路和方法指导,借鉴叙事交流模式解读人与“物”,产品、设计者、用户之间的关系,从而创作出带有标识性、独特性的儿童类药品包装设计。儿童药品包装作为媒介承载信息向用户输出设计意图和情感,在视觉、行为交互体验中促进各要素间的信息传达,实现叙事的修辞交流。由此,探讨在儿童药品包装设计中运用修辞性叙事的设计方法,具有重要实践意义。     

汽车造型的用户感知偏好研究

目的研究用户对于汽车设计方案的感知偏好,帮助设计师从用户对汽车造型感知偏好的角度来衡量备选方案。方法以湖南大学自主研发的电动汽车设计过程为研究案例,针对不同用户通过问卷调研的方法,研究其对汽车造型的感知偏好现象。结果缺乏造型设计知识的普通用户呈现出为单点式情感激活模式,而专家式用户表现为多点式情感激活模式。结论提出了用户的造型感知是一种有组织的关联表达过程,而感知偏好是由"感知中心"和"知觉联通"两个关键因素组成的。     

基于SAPAD用户行为的适龄儿童剪刀设计研究

目的 儿童手部精细动作的训练对其认知能力的发展起着重要作用。本文选取儿童剪刀产品作为研究对象,通过对适龄儿童使用剪刀的行为进行研究,总结出面向适龄儿童生理认知特点和行为习惯的产品设计方法与流程,旨在改善儿童使用剪刀产品的操作体验,并促进儿童手部精细动作和认知能力的发展。方法 首先,分年龄段分析儿童的认知与手部精细动作发展特征;其次,通过非参与式观察法,记录6~8岁儿童使用剪刀的行为过程,并运用SAPAD模型进行“行为-物-意义”三个维度的映射,对用户行为背后的意义开展聚类分析,构建意义模型并转化为设计核心要素以指导剪刀设计;最后,结合模糊综合评价法开展产品可用性测试,确定最优设计方案。结果 通过对6~8岁儿童用户使用剪刀的行为进行分析,构建了意义模型,并得到了四个设计核心要素及两个核心部件。通过产品可用性测试,优选出最符合儿童生理认知发展和行为特征的设计方案。结论 基于SAPAD用户行为研究,并融入适龄儿童认知和生理发展特征的产品设计研究方法,能有效提升儿童的剪刀产品操作体验,从而促进其生理和认知发展。该研究也能为其他同类产品的设计开发提供新的理论路径和实践参考。     

一种新的汉语连续语音声调评测算法

提出一种新的连续语音的声调评测算法,该算法可应用于计算机辅助语言学习系统和普通话水平测试中的声调评测。考虑到连续语音声调受上下文之间的相互影响,采用三音节单元建立高斯混合模型(Gaussian Mixture Model, GMM),三音节中辅音部分用Spline插值法拟合声调曲线来反映音节间基音频率的转移信息,并利用Fujisaki模型去除语句的语调和说话人个性特征,只对基频曲线中的声调特征建模。实验结果显示,相比于传统方法,采用三音节Spline插值和Fujisaki改进特征的方法使得机器与人工打分的相似度在测试集中分别提高了8.75%和14.09%。     

记忆中介下交互叙事设计对民俗传播的影响

目的 从交互叙事设计的研究视角拓展了民俗文化传播的方法与路径。方法 梳理叙事与记忆、记忆与民俗文化、交互叙事设计与民俗文化传播之间的关系内涵,挖掘交互叙事设计与民俗文化传播之间的深层关联,通过搜集相关数据、运用核心理论建立数据模型,探索和研究交互叙事设计对民俗文化传播的影响。结果 验证了交互叙事设计对民俗文化传播、记忆中介的正向影响;隐性记忆对文化认知、文化认同的正向影响;显性记忆对文化认知的正向影响。证实了记忆在民俗交互叙事设计和文化传播之间所起的重要连接作用。明确了可通过交互叙事设计提升用户对民俗文化的认知与认同,为今后相关学者的深入研究提供了一定的参考。结论 交互叙事设计可以拓宽民俗文化传播研究的视野,在引导优秀传统文化的创新性发展,增强民众的文化自信、自强、自觉意识等方面具有重要的意义。     

基于注意和视知觉的移动端界面设计应用

目的针对移动端软件数量激增以及用户对软件设计要求不断提高的发展趋势,从注意和视知觉的角度出发,研究移动终端界面设计中提高用户粘性的方案。方法首先从注意和视知觉对用户心理和生理的影响,来剖析软件中提高用户注意和视知觉利用率的设计因素,然后从用户需求和移动终端设计特点出发,通过分析市面上的软件案例,对比其中对注意和视知觉设计的差异,最终提出在移动终端界面设计中,能提升用户注意和视知觉体验的设计模式,以及符合信息布局的交互设计具体创新细节。结论移动终端界面设计影响着软件的用户粘性,把握注意和视知觉在界面设计中的应用特性,在提升产品使用舒适性的同时满足不同用户的需求,为用户提供更好的使用体验。     

基于感性叙事的赛珍珠文化元素优选与应用

目的 探究感性叙事理念在文创产品设计研究中应用的可行性。方法 首先对提取于文本的赛珍珠文化元素进行相关度调研,筛选出具有高相关度的赛珍珠文化元素,然后构建赛珍珠文化元素评判指标,邀请相关人员对评判指标进行重要度评价,将评价结果导入SPSS进行因子分析,获得评判因素公因子并计算权重系数集。其次以公因子为评判指标,对赛珍珠文化元素进行专家评价,根据评价结果计算各文化元素的隶属度矩阵。以隶属度矩阵与因素权重系数集为基础,应用模糊评价法计算赛珍珠文化元素的综合评价值,并通过降序排序优选出符合用户感性需求的赛珍珠文化元素。最后以优选的赛珍珠文化元素为叙事要素,进行赛珍珠文创产品叙事设计,并对设计成果进行评价。结果 根据设计评估结果显示,优选的赛珍珠文化元素设计效果较好,形成的赛珍珠文创产品用户满意度较高,具有良好用户反馈。结论 经感性叙事研究形成赛珍珠文创产品,能够更大程度地获得用户的感性认同,由此证明感性叙事理念在文创产品设计研究中应用的可行性。