基于高斯混合模型和残差预测的说话人转换系统

说话人转换是将源说话人的语音特征转换成目标说话人的特征,使得听起来像是目标说话人的语音。提出的说话人转换系统分为2个部分,第一部分利用高斯混合模型进行谱包络的转换,训练采用时间对齐的源说话人和目标说话人的语音数据进行。第二部分基于一个分类器和残差码本对残差信号预测。该系统在现有的说话人转换系统的基础上做了一些改进,改进后不再需要说话人模仿别人的语调,并且在某些性能上超过了现有的系统。     

High-quality voice conversion system based on GMM statistical parameters and RBF neural network

A voice conversion （VC） system was designed based on Gaussian mixture model （GMM） and radial basis function （RBF） neural network. As a voice conversion model, RBF network needs quantities of training data to improve its performance. For one speech, the networks trained by different segments of data have different transformation effects. Since trying segment by segment to obtain the best conversion effect is complex, a conversion method was proposed, that uses GMM for statistics before training RBF network to aim at the problem. The speech transformation and representation using adaptive interpolation of weighted spectrum （STRAIGHT） model is used for accurate extraction of vocal tract spectrum. Then GMM is used to classify the numerous spectral parameters. The obtained mean parameters were trained in RBF network. Experiment reveals that, the soft classification ability of GMM can promptly realize the reduction and classification of training data under the premise of ensuring the training effect. The selection complexity is decreased thereafter. Compared to the conventional RBF network training methods, this method can make the transformation of spectral parameters more effective and improve the quality of converted speech.     

基于GMM的算法在语音检出系统中的应用研究

高斯混合模型(GMM)由于通过改变高斯的混合度,能够逼近任意概率分布,所以在语音识别领域应用广泛。对高斯混合模型的训练,常见的训练方法是最大似然估计(MLE),这种训练方法能最大程度拟合所有样本的分布,但没有考虑模型之间的相互影响,导致识别过程会出现混淆情况;区分性模型训练算法,适合应用于大数据量复杂组合类别的区分问题。这里提出采用的区分性模型训练方法,其原则是最小化分类错误风险,通过更精确细致地刻画不同模型之间的分类面,提升识别的效果。实验结果表明,该训练方法比最大似然估计的训练方法在多类别语音检出任务中具有更好的识别效果。     

基于LPC模型的DTW语音转换系统设计

文章重点研究了基于LPC模型的DTW语音转换方法.采用DTW技术进行模型特征参数对齐的优势是:经过数据对齐后,使得人工神经网络算法更好的训练特征参数,得到的映射规则能很好规范要转换的特征参数,使得语音转换质量更高.论文的仿真结果和数据分析表明,基于LPC模型的DTW语音转换系统转换出的语音自然度较高.该研究结论对于语音...     

基于改进混合高斯建模和短时稳定度的遗留物检测算法

传统遗留物检测算法存在算法过于复杂和环境适应性差的局限。本文将改进的混合高斯建模方法应用于遗留物检测,利用背景匹配失败时生成的前景模型进行前景匹配并引入短时稳定度指标,在深入挖掘前景模型中包含的遗留物信息和像素点级目标状态信息的基础上对遗留物进行综合判断。文中详细分析了传统方法的性能局限并阐述了新方法中前景模型和短时稳定度的作用原理同时给出了具体的算法流程。多场景下的实验分析表明,增加对前景模型的考察使算法在保留传统方法优点的同时具备了良好的遗留物检测能力,而短时稳定度的引入则能够进一步降低传统方法中前景模型向背景模型转换的风险。对比实验结果中本文方法在表现出良好环境适应性的同时误检团块数明显低于其他方法,算法在复杂背景条件下达到了良好的检测性能。      

基于改进GMM和韵律联合短时谱的说话人转换

提出了一种基于改进GMM模型和韵律联合短时谱的说话人转换方法.通过在训练阶段引入改进的GMM模型,克服传统GMM模型造成的转换语音过平滑现象,并将线谱对频率LSF和基音频率联合起来组成韵律联合短时谱,更准确地刻画说话人的短时频域特征和声腔的共振特性.实验表明,这种方法能够有效地捕捉说话人的个性化特征和韵律特征.另外,在保证变换语音目标倾向性的同时,一定程度上克服了过平滑现象,提高了变换语音的音质.     

基于高阶统计方法改进的自适应多速率话音激活检测算法

该文提出了基于高阶统计方法改进的自适应多速率话音激活检测算法,该算法可应用于第三代移动通信系统。实验证明:这种算法可以有效检测实际移动通信环境中高斯或非高斯对称分布的背景噪声。     

一种用于信号采样速率转换的滤波器

离散信号采样率的精确同步是数字通信和基于傅里叶变换电力谐波分析等技术的关键问题。文中设计了一个只有两阶的滤波器,将周期为2π的余弦函数的单个周期作为滤波器的单位冲激响应,并通过仿真实验证明利用该滤波器对离散信号的采样速率进行转换,可以达到信号的采样完全同步,对离散信号做连续信号的恢复能接近无频谱泄漏,实时性较好,易于实现在线测量,且该采样速率转换方法简单,计算量小,可应用于数字通信技术或各种电力配电系统装置的前端处理中信号的同步采样。     

TD-SCDMA系统中一种基于UE的改进切换算法

在TD-SCDMA系统中采用接力切换方式,越区切换频繁发生,如果切换算法不合理或者不完善,很有可能导致用户掉话,影响通话的过程.为此提出一项改进的切换算法,除了信号强度外,还充分考虑了UE的移动情况,根据UE的运动方向和移动速度选择目标小区,从而避免了不必要的切换;在小区内根据切换当前的信号强度,给用户分配优先级,按照优先级的高低分配信道的使用权,从而降低切换的阻塞率,总体上更高效地完成了整个切换过程.通过用建立MATLAB仿真模型对语音业务进行算法仿真,验证了改进后算法的优越性.     

基于稀疏系统辨识的改进的零吸引LMS算法

针对当前的稀疏最小均方(Least Mean Square,LMS)算法普遍存在的收敛速度和稳态均方差(Mean Square Deviation,MSD)不能同时达到一个较好状态的问题,提出了一种改进的零吸引最小均方(Improving Zero-attracting LMS,IZA-LMS)算法。在滤波器估计较大或较小的冲激响应时,IZA-LMS算法的零吸引函数分别采用重新加权的零吸引LMS(Reweighting ZA-LMS,RZA-LMS)算法的零吸引函数和改进的l0-norm惩罚函数,使算法同时满足较快的收敛速度和较低的MSD值。理论分析和仿真证明,IZA-LMS算法比目前的诸多稀疏LMS算法的收敛速度更快且稳态MSD更低。     

基于区域质心算法的改进算法

帧内预测是H.264中提高编码效率的重要部分,文中主要是根据色度块的预测模式在整个帧内预测算法中对算法性能的影响,质心算法在4×4块的预测模式的不准确性的基础上提出的新的算法。通过实验证明此新方法在编码率和比特率方面都有改善。     

一种基于多普勒频率变化率单站无源定位的改进跟踪滤波算法

IMM-PF算法巨大的计算量影响跟踪的实时性,IMM-UKF由于线性化误差使得精度不高.针对这些问题,本文在基于多普勒频率变化率的单站无源定位问题的基础上提出了一种改进的交互式多模型滤波算法（IMMEK-UKFPF）,利用不同的模型匹配不同类型的滤波器,充分发挥了卡尔曼滤波和无迹卡尔曼滤波以及粒子滤波各自的优点.仿真结果表明该算法减少了跟踪定位所用时间,提高了计算效率,同时具有良好的跟踪性能和较强的鲁棒性.     

一种基于贪婪算法的CORDIC改进算法

针对传统串行坐标旋转数字计算方法(CORDIC)耗时且占用较多资源的缺点,提出了一种旋转模式下CORDIC算法的新型改进算法,该改进算法可用来代替直接数字频率合成器(DDS)查找表进行正余弦的计算。通过采用贪婪算法实现对CORDIC旋转方向与旋转角度的优化,从而可以达到串行转并行和减少迭代次数、节约资源的目的。该算法可以应用于三角函数的复杂函数的硬件实现中。仿真结果表明,在迭代次数相同的情况下,改进算法较传统算法可以获得更高的精度。最后,在Xilinx FPGA的Spartan-3E芯片上实现了改进的CORDIC结构。与传统CORDIC算法相比,在运算精度为10-5时,可以节省Slices、LUTs(Look Up Tables)资源分别为28%和25%。     

一种基于Aho-Corasick算法改进的多模式匹配算法

目前互联网中以文本存在的数据非常庞大,针对在如此庞大的文本中如何准确、快速地找到多个不同的目标字符串的问题,在介绍常见的模式匹配算法的优点和缺点基础上,结合Trie速多模式匹配算法。根据对比性实验的结果分析得出,改进AC且匹配速度大约是AC算法的5倍,说明改进AC     

一种基于矩阵的Apriori改进算法

Apriori算法是经典的关联规则挖掘算法之一。该算法可以很好地挖掘关联规则,通过连接步和剪枝步从频繁项集中获取候选项集,但产生大量的候选项集,这就需要重复扫描数据库,大大增加算法运行时间。文中提出一种基于矩阵的改进算法,通过事务矩阵和候选项集项目矩阵相乘的矩阵操作来改进频繁扫描数据库的问题。事务数组的建立可以删除不能生成下一频繁项集的事务,删除不必要的项,针对频繁项集的产生过程优化Apriori算法的连接步和修剪步。在不同的数据集下通过实验验证改进算法不仅能准确地挖掘出频繁项集而且大大地缩短挖掘时间。     

一种基于噪声估计的语音激活检测算法

针对当前语音激活检测算法在低信噪比和复杂噪声模型的环境下性能损失的问题,提出了一种基于噪声估计的语音激活检测算法,通过对背景噪声进行自适应估计,得到准确的信噪比门限,同时利用估计背景噪声对短时谱进行白化处理,从而使得谱熵判决准则得以适用于复杂噪声模型的环境。实验证明,算法在低信噪比和复杂噪声模型下性能优于G.729B和AMR中的语音激活检测算法。     

一种基于码谱数值算法的改进算法

码谱是一种分析分布式算术码的编码性能和解码复杂度的工具,能有效提高编码性能。码谱的计算一般采用数值算法,该方法是一个迭代计算的过程,时间复杂度很高。针对时间复杂度高这个问题,通过去掉多余的函数精简数值算法,提出一种基于码谱数值算法的改进算法,进而降低时间复杂度。从理论上证明改进数值算法的正确性,实验结果表明,改进后的数值算法能有效提高码谱的计算效率,拓宽码谱的实际应用范围。     

一种改进的基于块的图像修复算法

在研究Criminisi算法的基础上,针对Criminisi算法修复顺序不可靠、采用固定大小的样本块模板尺寸以及在修复过程中容易产生误差累积等缺点,提出了一种改进的图像修复算法,该算法结合改进的优先项函数、根据梯度信息自适应选择模板大小等方法。实验结果表明,该算法易于实现,与Criminisi算法相比,能够取得更好的修复效果。     

基于改进GMM与帧差法的运动棉杂率分析算法研究

针对清梳棉流程中产出棉含杂高、质量差的问题,结合改进高斯混合模型(Gaussian mixed model,GMM)与帧差法,提出一种局部运动棉杂率控制优化方法。首先针对清棉机除杂原理及棉杂特性进行分析;其次通过提取视频关键帧并改进GMM与帧差法对图像序列“与”运算实现目标的精确提取,进而通过设计GMM分类器获得棉杂率并进行分析;最后与传统的检测算法作对比验证。实验表明,改进后的算法在有效性以及实用性方面优于传统算法。同时,通过引入闭环控制能满足工业高精度、实时性的需求。     

一种基于FPGA的数字下变频算法研究

在宽带中频软件无线电系统中，数字下变频(DDC)是其核心技术之一。介绍了数字下变频的原理，给出了一种基于FPGA的数字下变频算法，讨论了DDC算法中的关键部分数字锁相环(DPLL)、数字滤波器(DF)和数控振荡器(NCO)的实现，并且比较了这种算法与其他实现方法的优缺点。最后对该算法进行了仿真验证。