数字话音编解码器现状

文章参考国际上关于ISO/MPEG数字话音压缩的最新标准和数字话音编解码的最新进展,对数字话音的压缩和数字话音编解码的兼容性及选择原则做了较全面的分析,并对一些最新的数字话音编解码器产品做了介绍。     

一种可应用于载人航天器的无线话音通信系统

面向未来空间站等大型载人航天器,传统的有线头戴式话音通信系统受电缆长度限制已无法满足航天员的应用需求。为进一步提高航天员在轨工作的方便性,提出了一种可应用于载人航天器的舱内无线话音通信系统,该系统通过设置蓝牙无线话音适配器的方式,在载人航天器现有话音系统的基础上实现了无线功能扩展。相关测试试验表明,该系统可支持多路无线话音通信,话音清晰可懂,且具备实时性高,操作简便等优点,可以满足航天员在轨话音通信使用需求。     

中、低速率话音编码技术在卫星通信中的应用

本文根据卫星通信对话音编码的要求,介绍了几种主要的中、低速率话音编码技术的现状与发展。并对这几种话音编码方式的性能进行了对比分析。探讨了在卫星通信中使用这几种话音编码方式的必要性和可行性。最后提出了卫星通信应用中、低速率话音编码方式的建议。     

网络混成传输话音接口板的设计

本文介绍话音接口板的工作原理与设计。该接口板的主要特点是将网络站点从模拟话音信号的处理中释放出来,从而实现话音与数据在网上的混成传输。本文最后介绍了提高话音质量的几个技术要点。     

通信系统延时对话音质量的影响

论文在介绍了话音的时间参数的基础上,得到了话音的时间参数与可觉察的最小响应时间增量的关系;介绍了延时对话音质量的技术评定,得到了各种话音的觉察门限、主观印象等级分和传输效率;最后介绍了移动卫星通信系统中传输延时情况。     

高保真IP指挥调度系统关键技术应用

高保真IP指挥调度系统是在继承传统话音指挥调度系统的体系架构和业务应用模式的基础上,研制的新一代话音指挥调度系统.通过采用国产自主可控技术、宽频话音编码技术、大容量会议混音技术、回声消除技术及多级降噪等关键技术,系统功能、性能和安全性得到进一步提升,特别是话音质量在原来口令清晰的基础上达到了人员可辨,有效满足了未来话音指挥调度的业务需求.     

UWB/Bluetooth融合的话音传输研究

本文针对蓝牙的同步话音信道仅能支持最多3路的不足,提出了以UWB作为物理传输话音的模型,在分析UWB应用于Bluctooth的前提基础后,给出了其系统实现的协议栈结构,并着重分析了UWB的话音容量并进行仿真分析,使得改进后的蓝牙设备能够高速多路传输实时话音.     

AAL2分组话音复接器连接允许控制算法的研究

研究了AAL2分组话音复接器连接允许控制算法,得出结论：对于无比特丢充的AAL2分组话音复接器,当ATMVC输出速率较高时,按平均速率分配带宽基本上可以满足分组话音业务服务质量的要求;适当降低ATM VC的带宽利用率（例如：令ρ=0.9),则可以进一步提高话音质量,获得令人满意的话音;而当ATM VC的带宽利用率ρ=0.8时,可以获得较高质量的话音。计算机仿真证实上述结论是正确的。最后,提出了一种AAL2分组话音复接器连接允许地控制算法,按此算法,在保证分组许音业务服务质量要求得到满足的前提下,可以方便地控制控入AAL2分组话音复接器的话音源个数。     

ATM网络的话音、数据混合接入系统

提出了一种利用ATM网络高效传输话音与数据业务的混合接入系统.该系统采用数字语音插空(DSI)技术对话音业务进行压缩,利用自适应带宽分配技术保证话音业务的时延和信元丢失率要求,并且充分利用线路资源进行话音与数据业务的综合传输,在保证不同类型业务QoS的条件下,提高了线路的利用率.     

CNG系列话音网关在油田卫星系统中的应用研究

介绍了使用CNG系列话音网关,通过中国石化Ku频段卫星实现油田边远小队话音通信联网。对原有设计方案的编号与计费方式提出了修改建议,阐述了CNG800和CNG300的主要功能、及电话交换机的联网方案,并详细分析了话音网关的参数配置方法。为通过卫星IP网络实现话音通信提供了又一应用实例。     

一种基于时频域特征融合的语音增强方法

为充分利用含噪语音特征来提升深度神经网络的语音增强性能,提出一种融合时频域特征的语音增强方法。以含噪语音的波形和纯净语音的对数功率谱分别作为训练特征和训练目标,获取含噪语音时域特征到纯净语音频域特征的映射关系。将含噪语音的波形和对数功率谱共同作为训练特征,构建融合含噪语音时域和频域特征的深度神经网络实现语音增强。实验结果表明,与单纯使用频域特征的语音增强方法相比,该方法能够明显提升增强语音的质量和可懂度,具有更好的语音增强性能。     

深度语音信号与信息处理：研究进展与展望

论文首先对深度学习进行简要的介绍,然后就其在语音信号与信息处理研究领域的主要研究方向,包括语音识别、语音合成、语音增强的研究进展进行了详细的介绍。语音识别方向主要介绍了基于深度神经网络的语音声学建模、大数据下的模型训练和说话人自适应技术;语音合成方向主要介绍了基于深度学习模型的若干语音合成方法;语音增强方向主要介绍了基于深度神经网络的若干典型语音增强方案。论文的最后我们对深度学习在语音信与信息处理领域的未来可能的研究热点进行展望。     

基于PAD情感模型的可训练语音合成研究

情感语音合成是情感计算和语音信号处理研究的热点之一,进行准确的语音情感分析是合成高质量情感语音的前提.文中采用PAD情感模型作为情感分析量化模型,对情感语料库中的语音进行情感分析和聚类,获得各情感PAD参数模型.由HMM语音合成系统合成的情感语音,通过PAD模型进行参数修正,使得合成语音的情感参数更加准确,从而提高情感语音合成的质量.实验表明该方法能较好地提高合成语音的自然度和情感清晰度,在同性别不同说话人中也能达到较好的性能.     

语音信号特征参数研究

在语音技术的发展过程中使用了大量的语音信号特征参数,好的语音信号特征参数能对语音识别起至关重要的作用。本文对语音信号特征参数、语音信号特征参数的选择进行了介绍,并介绍了语音信号的短时能量、短时平均幅度的提取。     

面向藏语语音合成的语音基元自动标注方法

在基于隐Markov模型（Hidden Markov Model,HMM）的统计参数藏语语音合成中引入了DAEM（Deterministic Annealing EM）算法,对没有时间标注的藏语训练语音进行自动时间标注。以声母和韵母为合成基元,在声母和韵母的声学模型的训练过程中,利用DAEM算法确定HMM模型的嵌入式重估的最佳参数。训练好声学模型后,再利用强制对齐自动获得声母和韵母的时间标注。实验结果表明,该方法对声母和韵母的时间标注接近手工标注的结果。对合成的藏语语音进行主观评测表明,该方法合成的藏语语音和手工标注声、韵母时间的方法合成的藏语语音的音质接近。因此,利用该方法可以在不需要声、韵母的时间标注的情况下建立合成基元的声学模型。     

A neural network model for speech intelligibility quantification

A neural network based model is developed to quantify speech intelligibility by blind-estimating speech transmission index, an objective rating index for speech intelligibility of transmission channels, from transmitted speech signals without resort to knowledge of original speech signals. It consists of a Hilbert transform processor for speech envelope detection, a Welch average periodogram algorithm for envelope spectrum estimation, a principal components analysis (PCA) network for speech feature extraction and a multi-layer back-propagation network for non-linear mapping and case generalisation. The developed model circumvents the use of artificial test signals by exploiting naturally occurring speech signals as probe stimuli, reduces measurement channels from two to one and hence facilitates in situ assessment of speech intelligibility. From a cognitive science viewpoint, the proposed method might be viewed as a successful paradigm of mimicking human perception of speech intelligibility using a hybrid model built around artificial neural networks.     

语音用户界面研究进展

语音是人们日常生活中高效、自然的交流方式之一。但是直到目前为止，语音交互方式在计算机技术上的应用还是比较少的。近年来，随着Ubiquitous Computing和便携式计算机的出现，再次对语音用户界面的应用提出了迫切的需求。而且语音识别、合成技术的发展也为语音交互界面的实现提供了技术基础。本文综合参考了国内外语音界面的一些应用系统实例以及语音这种独特的交流媒体的优点和局限性，总结了语音用户界面的适用环境和设计指导原则，并提出了对语音界面的发展展望。     

一种精确检测语音端点的方法

端点检测是语音识别中的一项关键技术,端点检测的准确性对语音识别的性能有很大影响,特别是对端点检测比较敏感的语音识别算法。本文引用窗长动态变化的端点检测技术,并将传统的双门限端点检测算法和窗长动态改变的端点检测技术结合起来用于语音端点检测。大量实验表明这种技术可以比较精确的检测语音端点,特别是地检测语音的起始端点中有很大的优势。使用改进后的语音端点检测技术,可以有效地提高语音识别率。     

A waveform concatenation technique for text-to-speech synthesis

Designing text-to-speech systems capable of producing natural sounding speech segments in different Indian languages is a challenging and ongoing problem. Due to the large number of possible pronunciations in different Indian languages, a number of speech segments are needed to be stored in the speech database while a concatenative speech synthesis technique is used to achieve highly natural speech segments. However, the large speech database size makes it unusable for small hand held devices or human computer interactive systems with limited storage resources. In this paper, we proposed a fraction-based waveform concatenation technique to produce intelligible speech segments from a small footprint speech database. The results of all the experiments performed shows the effectiveness of the proposed technique in producing intelligible speech segments in different Indian languages even with very less storage and computation overhead compared to the existing syllable-based technique.     

基于RMS分频的高可懂度语音评价方法

语音可懂度是语音信号的一种重要属性,在归一化协方差评价方法（NCM）的基础之上,以相对均方根（RMS）为阈值对语音信号进行分割,对高于均方值的语音段和低于均方值的语音段进行了分段可懂度评估,同时,提出了一种新的可懂度评价模型,结合了这两种语音段对语音可懂度的相对贡献,共同评价语音的可懂度。实验结果表明,高均方语音段相对于低均方语音段对可懂度具有更高的贡献,利用新的模型将这两种语音段的评价结果进行重新结合,评价效果得到了显著提升。