共查询到20条相似文献,搜索用时 15 毫秒
1.
一种基于SDTS的HMM训练算法 总被引:7,自引:0,他引:7
用传统的BW算法训练语音识别系统的HMM需要大量的语音数据。本文在假设声学模型系统的子空间捆绑结构(SDTS)为己知的前提下,提出了一种新的训练算法,可以有效地减少系统对训练数据的需求。理论分析和仿真表明,与传统的BW算法比较,新的训练算法(IBW)可压缩模型参数15倍,从而可大量地减少训练数据。尽管新算法要用到系统的先验知识,但它还是显示了许多优越性。 相似文献
2.
本文提出了一种基于HMM和匹配追踪的多参数语音识别新算法。首先构建局部余弦基表示语音信号,对其进行匹配追踪(MP)分解。然后,应用改进后的算法对语音信号进行特征提取,得到余弦基原子参数和魏格纳-维利(WVD)分布,并结合语音信号的美尔频率倒谱系数(MFCC)一起作为该信号的特征向量,通过隐马尔科夫模型(HMM)进行识别。最后通过实验验证了方法的有效性,仿真实验表明,改进后的多参数语音识别算法比仅使用MFCC作为特征向量的HMM算法,提高了语音识别的速度和准确度。 相似文献
3.
基于TMS320C54x DSP的实时语音识别系统 总被引:6,自引:0,他引:6
介绍一个非特定人、小词汇表、孤立词的语音识别系统,它采用基于隐马尔可夫随机模型(HMM)的语音信号端点检测方法和基于VQ/HMM的自学习语音识别算法,同时以高速的TMS320C54xDSP芯片为核心进行硬件设计,实现语音的实时识别。 相似文献
4.
5.
提出了一种基于二阶Volterra级数的语音信号非线性预测模型.为克服传统的最小均方(Least Mean Square,LMS)算法在模型核系数更新时的固有缺点,引入耗散均匀搜索粒子群优化算法(Dissipative Uniform Particle Swarm Optimization,DUPSO)求解核系数,并构建了DUPSO-SOVF预测模型;为避免传统方法中相空间的重构过程,构建了隐相空间DUPSO-SOVF预测模型,在求解模型核系数时动态地求解出最优嵌入维数和延迟时间;为降低模型复杂度,在误差允许范围内进行模型关键项的提取,从而减少了核系数个数,构建了少参数的DUPSO-RPSOVF(Reduced Parameter SOVF,RPSOVF)预测模型.将英语音素、单词和短语作为实验样本数据进行仿真,结果表明:隐相空间DUPSO-SOVF模型能够准确的计算出相空间重构参数,DUPSO-SOVF和DUPSO-RPSOVF两种预测模型对单帧和多帧语音信号均具有较高的预测精度,优于PSO-SOVF和LMS-SOVF预测模型,并且能够很好地反映语音序列变化的趋势和规律,可以满足语音序列预测的要求. 相似文献
6.
7.
进化算法在各类电磁结构优化设计中有着广泛的应用,但由于需要在参数空间中进行随机搜索并仿真试探,优化效率普遍较低.针对这一问题,提出受限差分进化(Differential Evolution,DE)算法与Kriging代理模型相结合的电磁结构快速优化算法.算法根据参考设计结果建立圆柱管道空间,通过参数变换将进化区域限制在管道内部.Kriging模型学习管道内样本及其仿真数据,代替电磁仿真快速预测进化产生下一代种群的响应.相比整个参数空间,该算法DE寻优和Kriging学习的区域被显著减小,优化效率得到提升.通过一个波导双孔定向耦合器的优化设计,表明该方法的求解质量和收敛速度优于现有算法. 相似文献
8.
宽带语音在Internet传输中不可避免会出现丢帧现象,由于错误传播的影响,使接收语音质量急剧下降。该文采取大型连续分布隐马尔可夫模型(LCDHMM)对宽带语音ISF参数建模,采用Viterbi算法确定丢失帧之前若干语音帧ISF参数观察值的最佳状态序列。由于状态的冗余度较大,用丢帧前最近接收的正确帧ISF参数的HMM状态对应的聚类均值和真实值的加权,代替丢失帧的ISF参数值。将采取该算法的补偿语音和采取G.722.2标准附件I所提算法的补偿语音进行比较,仿真结果表明该算法具有较好的补偿效果,其波形与谱失真更小。 相似文献
9.
陈雪芳 《微电子学与计算机》2013,(9)
为了提高语音端点检测的适应性和鲁棒性,提出一种小波分析和粒子群优化神经网络(WA -PSO -BP)的语音端点检测算法。首先利用小波分析提取语音信号的特征量,然后将特征量作为输入BP神经网络进行学习,并采用粒子群算法优化BP神经网络参数,从而建立语音端检测模型。仿真结果表明,WA -PSO -BP提高了语音端点检测正确率,有效降低了虚检率和漏检率。这说明WA -PSO -BP是一种可行性较高,环境适应性较强的语音检测算法。 相似文献
10.
11.
基于状态码本的准连续隐马尔可夫模型 总被引:1,自引:0,他引:1
本文针对经典HMM模型对训练数据要求多且算法复杂的问题,提出了一种改进的模型一基于状态码本的准连续HMM模型(SCBHMM),该模型在有限训练数据的条件下能更加有效地描述语音信号的声学特征.通过将状态转移概率与动态谱变化量相关联,使得SCBHMM能有效地将语音信号的静态特征和动态特征相结合.通过在标准语音数据库USTC94上的大量实验表明了SCBHMM在汉语音节识别中的有效性,它缓减了模型对训练数据的要求,并大大降低了训练、识别的计算量,但同样取得了相当高的识别率. 相似文献
12.
13.
GaAs MESFET大信号模型参数的计算机提取 总被引:1,自引:1,他引:0
傅炜 《固体电子学研究与进展》1993,13(3):244-246
利用GaAs MESFET的小信号S参数及瞬态I—V特性的测量数据,建立了GaAsMESFET的大信号分析模型,编制计算机程序,进行了参数拟合并比较了GaAs MESFET两种非线性模型的适用范围,使用分步优化的方法拟合GaAs MESFET小信号S参数,获取了大信号模型中的线性参数,非线性参数值利用最小二乘法及直接优化法相结合的算法提取。为非线性电路、功率放大器、混频器、振荡器提取了准确的设计参数。 相似文献
14.
15.
16.
17.
18.
隐马尔柯夫模型(HMM)作为描述语音信号的一个工具,按输出概率分布的不同,可分为连续HMM(CHMM)和离散HMM(DHMM).经典的训练方法Baum-Welch算法虽然收敛迅速,但是这类基于爬山的算法只能取得局部最优解,从而影响了系统的识别率.对于CHMM,借助于分类K平均方法可以取得可靠的初始点以保证迅速准确的收敛.而对于DHMM,该方法收益不大,最终所得的仍是局部最优解.由于进化计算一个最重要的特点便是全局搜索,这样可得全局最优解或次优解.本文将进化计算应用到DHMM的训练中,提出了一个把传统算法和进化计算相结合的混合算法.实验结果表明该方法既保证了全局搜索又实现了快速收敛,最终所得的模型优于传统方法和简单进化计算方法. 相似文献
19.
在实际环境中,由于测试环境与训练环境的不匹配,语音识别系统的性能会急剧恶化。模型自适应算法是减小环境失配影响的有效方法之一,它通过测试环境下的少量自适应数据,将HMM模型的参数变换到测试环境下。该文将矢量泰勒级数用于模型自适应,同时对HMM模型的均值向量和协方差矩阵进行变换,使其与实际环境相匹配。实验证明,该文算法优于MLLR算法和基于矢量泰勒级数的特征补偿算法,在低信噪比环境中性能提高尤为明显。 相似文献
20.
频域盲语音信号分离存在着排序模糊问题,提出一种基于相邻频点幅度相关和DOA估计相结合的解排序模糊方法,并且通过对一系列预处理(白化)、独立分量分析和后处理算法的优化和有机组合,很好地实现了卷积混合语音信号的盲分离。用真实录制的语音信号进行了仿真实验,恢复出来的源信号的信干比较分离之前提高了约13dB,证明了算法的有效性。 相似文献