基于IP的调度系统双通道数据通信设计

为提高原有基于TDM的数字语音调度系统的稳定性和可靠性,降低因线路故障导致调度中断的几率,提出了基于IP的调度系统双通道数据通信的观点,实现在同一交换平台上2B＋D数字通道与IP通道的互为备份,并给出具体设计方案。     

小型智能电话交换机的设计

介绍了一种基于单片机控制的小型智能电话交换系统,他能模仿市话呼叫处理的各种基本功能。详细描述硬件组成框图及基本电路,并采用单片机AT89C2051实现数字语音播报,使得外围电路简单,软件设计方便。     

基于公用电话网的语音服务系统的设计

本文介绍语音服务系统中各主要芯片的功能,完成了数字语音放音电路的电路和程序设计,实现了数字语音的放音功能。     

基于并行回火改进的GRBM的语音识别

为提高连续语音识别中的识别准确率,采用高斯伯努利受限玻尔兹曼机进行语音训练和识别。通过结合并行回火算法的思想,采样、交换不同的温度链下的重构数据,实现在全局范围内对整个分布进行采样,提出一种基于并行回火改进的高斯伯努利受限玻尔兹曼机（GRBM-PT）的建模方法。该方法通过对语音信号的连续数据进行预训练分析、建模,最后使用支持向量机作为语音识别的分类器。在TI-Digits数字语音训练和数字测试数据库上的实验结果表明,语音识别率能够达到83.14%,基于GRBM-PT模型下的语音识别率明显优于RBM,RBM-PT以及GRBM模型的性能。     

基于WindoWs 98环境的多点双向数字语音通信

当前数字语音通信已在许多领域得到了广泛应用。文章阐述了应用音频处理API函数 ，采用Client/Server模式和双套接字机制，在基于Windows 98系统上完成多点双向语音通信的方法，并给出其实现过程。实现机制为发送端利用低层音频服务的回调机制对音频数据块进行动态循环处理，防止了由于系统在写满语音输入缓冲区后，新、旧缓冲区交换时有一定的间隙而产生的输入数据泄漏。接收端采用数据缓冲机制，避免了由于网络延时等待音频数据而产生的话音停顿。     

基于多模态智能交互的虚拟数字人

虚拟数字人是元宇宙中的重要虚拟角色,构建虚拟数字人需要完整复杂的技术体系。本文提供一个多模态的虚拟数字人进行实时交互,与传统的基于文本或语音的系统相比,多模态的数字人提供了类似于人类的交互(例如,生动的声音、自然的面部表情和身体姿势)。用户给定一个语音请求,虚拟数字人能够在毫秒的延迟时间内响应高质量的回复。为了提供身临其境的用户体验,多模态智能交互虚拟数字人无缝集成了多模态技术,包括声学语音识别(automated speech recognition)、多轮对话、语音生成(text to speech)、虚拟数字人生成等人工智能技术。凭借庞大的知识库,多模态智能虚拟数字人能够与用户进行各个领域内容的多轮对话包括天气、设备控制、新闻推荐等,以及通过结构化知识回答问题。     

数字多媒体语音实验室的易发问题与维护分析

在我国外语教学不断发展的背景之下,数字化的多媒体语音实验室在各个学校不断应用和广泛普及。但是,正因为如此,数字多媒体语音实验室在实际推广过程当中所暴露出的问题也逐步增多,许多故障的出现直接影响了数字多媒体语音实验室的建立与发展。笔者首先针对现阶段数字多媒体语音实验室易出现的故障进行客观分析,接着提出了具体的维护对策,以期帮助改善数字多媒体语音实验室的现状,同时,为提高其利用效率、保障教学质量奠定基础。     

带有交换功能的小型语音邮箱

本文介绍的语音邮箱，具有程控交换和语音处理双重功能，它不受设备限制，任何单位都可以使用，具有被叫忙音或无应答自动接通、可发布公众信息等特点。     

数字语音信号的非均匀采样的实现

该文主要叙述数字语音信号的基于FFT的非均匀采样的技术实现问题,涉及WAV文件格式、分段、对其进行非均匀降速重采样频率的选择原则及生成和语音信号重构,并对实际的WAV格式的数字语音文件用VC++6.0编写的程序实现了基于FFT的重采样;分析方法、实现程序不仅对WAV格式的数字语音文件有效,而且也适用于其它格式的数字语音文件和非语音信号的非均匀采样的实现。     

通用可编程多制式收发信数字仿真平台中语音抗干扰研究

本文主要讨论了通用机上纯软件实现的通用可编程多制式收发信数字仿真平台中语音抗干扰问题，针对高斯调幅噪声环境，利用语音信号的短时参数判定语音的无声和有声期，提供噪声参考信号，采用基于自适应滤波的噪声对消方法对单通道带噪语音进行处理，实验结果表明语音增强效果令人满意。     

基于音频编解码器TLV320AIC23与FPGA/CPLD的数字化语音处理系统

提供了基于FPGA/CPLD的数字化音频处理系统的典型解决方案。该方案由语音芯片(TLV320AIC23)和处理器(FPGA/CPLD)两部分组成。语音芯片完成模拟语音信号与数字信号之间的相互转换,包括ADC和DAC;处理器则完成对经模数转换后的语音信号在数字域处理的过程。该方案可以充分发挥FPGA/CPLD所具有的灵活性好、实时性能高及并行处理能力强的特点。     

基于数字语音教室的多路混音算法及应用

在研究音频混音技术的基础上,结合基于嵌入式技术的数字语音教室的实际情况,提出了一种应用于数字语音教室的多路实时混音算法,并给出了在数字语音教室中利用多路混音算法实现多人实时音频交互的方法。     

一种基于小波域的盲检测音频水印算法

该文提出了一种基于离散小波变换的数字音频水印盲检算法。本算法选择在小波系数的偶数点嵌入水印,将混沌理论引入到音频水印系统的研究中,利用混沌序列将一幅有意义的二值图像加密后嵌入到原始音频的DWT域中,提取时不需要原始音频信号。仿真实验证明了算法的鲁棒性和不可感知性。     

Content-based audio classification and retrieval using a fuzzy logic system: towards multimedia search engines

 In recent years, available audio corpora are rapidly increasing from fast growing Internet and digital libraries. How to classify and retrieve sound files relevant to the user's interest from large databases is crucial for building multimedia web search engines. In this paper, content-based technology has been applied to classify and retrieve audio clips using a fuzzy logic system, which is intuitive due to the fuzzy nature of human perception of audio, especially audio clips with mixed types. Two features selected from various extracted features are used as input to a constructed fuzzy inference system (FIS). The outputs of the FIS are two types of hierarchical audio classes. The membership functions and rules are derived from the distributions of extracted audio features. Speech and music can thus be discriminated by the FIS. Furthermore, female and male speech can be separated by another FIS, whereas percussion can be distinguished from other music instruments. In addition, we can use multiple FISs to form a “fuzzy tree” for retrieval of more types of audio clips. With this approach, we can classify and retrieve generic audios more accurately, using fewer features and less computation time, compared to other existing approaches.     

基于机载局域网的语音会议系统的设计

随着航空通信技术的高速发展，大型C^3 1空中平台中通信设备集成越来越多，信息传输功能越来越强大。该文提出了一种基于机载局域网语音会议系统的设计方案，重点介绍了OLAN体系结构、功能、语音及数据和控制信息传输方案及其关键技术。在机载多用户以太网中提供了语音流的实时、可靠传输及QoS服务保证，实现了基于OLAN的小型语音会议系统。     

基于数字水印的音频版权管理系统研究

在阐述数字版权保护的基本概念和功能结构基础上,从数字版权管理平台的整体架构出发,对系统构建思路和方法进行深入探讨,针对日益突出的多媒体版权保护问题设计了一种完整的音频版权管理系统架构方案。通过数字水印技术在系统中的应用,可以很好地解决传统保护措施不力所导致的版权纠纷问题。     

基于数字水印的音频版权管理系统研究

在阐述数字版权保护的基本概念和功能结构基础上,从数字版权管理平台的整体架构出发,对系统构建思路和方法进行深入探讨,针对日益突出的多媒体版权保护问题设计了一种完整的音频版权管理系统架构方案。通过数字水印技术在系统中的应用,可以很好地解决传统保护措施不力所导致的版权纠纷问题。     

基于DSP的便携式综合音频播放器的实现

目前各种便携式媒体播放器比较流行 ,数字音频广播 DAB也正在发展。本文主要介绍了以 DSP数据处理技术为基础 ,如何把媒体音频播放 ,数字音频广播 DAB集成在一起 ,组成新的便携式综合音频播放器。该便携式综合音频播放器将会有良好的市场前景     

同步技术在多媒体课件DIPMCAI开发中的应用

在多媒体课件中，越来越多的视频和音频数据得到了应用，视频和音频数据都是对时态要求比较高的数据，DIPMCAI是一个集声音，图形，图像，文字于一体的数字图像处理多媒体辅助教学系统。文章结合实际课题详细阐述了同步问题在多媒体课件开发中的应用。     

A robust digital audio watermarking scheme using wavelet moment invariance

It is a challenging work to design a robust audio watermarking scheme against various attacks. Wavelet moment invariances are new features combining the moment invariant features and the wavelet features, and they have some excellent characteristics, such as the ability to capture local information, robustness against common signal processing, and the linear relationship between a signal and its wavelet moments etc. Based on wavelet moment and synchronization code, we propose a new digital audio watermarking algorithm with good auditory quality and reasonable resistance against most attacks in this paper. Firstly, the origin digital audio is segmented and then each segment is cut into two parts. Secondly, with the spatial watermarking technique, synchronization code is embedded into the statistics average value of audio samples in the first part. And then, map 1D digital audio signal in the second part into 2D form, and calculate its wavelet moments. Finally, the watermark bit is embedded into the average value of modulus of the low-order wavelet moments. Meanwhile combining the two adjacent synchronization code searching technology, the algorithm can extract the watermark without the help from the origin digital audio signal. Simulation results show that the proposed watermarking scheme is not only inaudible and robust against common signals processing such as MP3 compression, noise addition, resampling, and re-quantization etc., but also robust against the desynchronization attacks such as random cropping, amplitude variation, pitch shifting, and jittering etc.