基于RASTA-FF2滤波降噪技术的语音识别

语音识别技术可以为要求双手同时作业的操作人员和残疾人提供一种便捷的控制方法。作者在文中提出了一种通过结合二阶频率滤波和RASTA技术来增强语音识别鲁棒性的方法，并将这种方法成功应用于机器人化护理床的控制系统中，增强了识别系统在医院、工厂等非稳定噪声环境下语音识别的鲁棒性。 通过将HMM／GMM混合模型的传统Mel频率倒谱系数为特征值的识别系统与HMM／GMM混合模型的RASTA—FF2为特征值的识别系统进行比较，并分别在纯语音和带噪语音条件下进行测试，发现经过二阶频率滤波后的FF2特征值再经过RASTA滤波器滤波，特别是在非稳定噪声环境下，以RASTA—FF2为特征值的识别系统比传统的识别系统的识别率更高，这表明FF2特征值与RASTA滤波器技术相结合，一个作用于频域，一个作用于时间域，可以有效地消除语音信号中的不同噪声成份。     

语音识别技术研究

介绍一种实时语音识别系统,对语音识别系统的硬件组成及软件技术进行了分析,所开发的系统具有较高的识别精度,有较为广阔的应用前景。     

语音识别中的加性噪声补偿研究

针对语音识别中的加性噪声进行研究，提出了动态自适应多模板谱减法和多模板谱加训练补偿法。动态自适应多模板谱减法和噪声动态自适应方法的有效结合，使谱减法既能适应环境中存在多种噪声的情况，又能有效利用当前得到的噪声环境信息。而多模板谱补偿法从谱减法的逆向角度，并基于多模式训练的思想，有效地使模板适应多种噪声情况，该方法不增加识别时的运算量，有利于考虑噪声的各种复杂情况。     

基于特征值混和提升语音识别鲁棒性技术(英文)

语音识别技术可以为要求双手同时作业的操作人员和残疾人提供一种便捷的控制方法。作者在文中提出了一种通过结合二阶频率滤波和RASTA技术来增强语音识别鲁棒性的方法,并将这种方法成功应用于机器人化护理床的控制系统中,增强了识别系统在医院、工厂等非稳定噪声环境下语音识别的鲁棒性。通过将HMM/GMM混合模型的传统Mel频率倒谱系数为特征值的识别系统与HMM/GMM混合模型的RASTA-FF2为特征值的识别系统进行比较,并分别在纯语音和带噪语音条件下进行测试,发现经过二阶频率滤波后的FF2特征值再经过RASTA滤波器滤波,特别是在非稳定噪声环境下,以RASTA-FF2为特征值的识别系统比传统的识别系统的识别率更高,这表明FF2特征值与RASTA滤波器技术相结合,一个作用于频域,一个作用于时间域,可以有效地消除语音信号中的不同噪声成份。     

语音识别技术研究

介绍一种实时语音识别系统,对语音识别系统的硬件组成及软件技术进行了论述,所开发的系统具有较高的识别精度,有较为广阔的应用前景。     

基于凌阳SPCE061A的语音识别技术

对凌阳科技公司新款推出的SPCE061A处理芯片进行了简要的介绍,分析了该芯片作为语音处理核心平台的功能,着重从硬件的设计扩展、软件设计流程的架构等方面,对利用该芯片开发具有语音识别功能控制器的方法进行了探讨。     

语音识别技术带来手机行业变革

拥有国际全面领先语音技术的安徽科大讯飞信息科技股份有限公司联合手机厂商推出了多款“能听会说”的智能手机．有效实现了人与手机之间的“自由沟通”。     

神经网络语音识别技术应用研究

本文通过描述语音特征参数求取方法和典型神经网络的学习过程，阐述了采用人工神经网络技术进行语音识别的基本原理，并给出了一个神经网络语音识别技术在语音控制媒体播放系统中的应用实例。     

高噪声环境下的语音识别

本文介绍多码本离散隐马尔可夫模型用于含噪声语音识别的研究成果.特定人识别系统对孤立数字的识别率,在低噪声环境下可达100%,在高噪声环境下(信噪比 SNR 低于-7 dB)达63.9%.     

爱立信最新移动网络优质语音呼叫技术

爱立信公司推出了移动网络优质语音呼叫的最新技术AMR Wideband（自适应性多速率宽带）．该技术可以部署在GSM和WCDMA／HSPA网络上．为支持该项功能的手机提供Hi—Fi（高保真）音响般清晰的语音效果。     

听觉模型用于噪声环境下语音识别的研究

在吸收听觉生理学研究成果基础上,建立了一个模拟外国听觉系统和部分中枢听觉神经系统功能的听觉模型,以该模型作为前端处理来提取特征参数,后处理采用模式匹配的方法,进一步研究了听觉模型用于语音识别的抗噪声问题。根据听觉生理特点提出了几个抗噪声方案,实验结果表明,基于文中的听觉模型和所提抗噪声方案的语音识别系统,在噪声环境下具有很好的鲁棒性（Ｒｏｂｕｓｔｎｅｓｓ）。     

基于分层增长语音活动检测的鲁棒性说话人识别

基于欧洲电信标准化协会颁布的分布式语音识别和前端标准(ETSI-DSR-AFE).针对分布式说话人识别噪声鲁棒性较差的问题,提出一种新的前端处理方法.该方法以似然距离为测度,对语音进行无监督聚类,为减少计算量,采用分层增长(level-building)方法进行逐层分割,从而准确找出语音和静音的边界点.实验结果表明,用该方法改进ETSI-DSR-AFE标准后,信噪比在大于0 dB时,说话人辨认系统识别率相对改进了18.9%,相对原有的Mel频率倒谱系数(Mel-frequenly Ceptral coefficients,MFCC)系统识别率改进了60.7%.     

基于Nuance平台的语音识别环境设计

从Nuance语音平台工作流程、开发工具、开发过程等方面,对基于Nuance平台的语音识别环境设计进行了阐述和探讨,并重点阐述了主体代码及几个重要组成文件的作用和编写过程．     

基于语音识别技术的家居环境控制系统设计

利用51单片机,LD3320语音识别芯片,SHT71数字式温湿度传感器以及外围驱动电路设计了一个语音控制的智能家居温、湿度测量控制系统.该系统能够接收非特定人发出的语音命令,并且不需要对使用者提前进行声音训练,接收到语音命令后按照要求将环境对象参数调整到适合的范围.     

单片机语音处理技术与应用

随着多媒体技术的兴起,单片机语音处理也被广泛的应用.语音处理的实用性较强,被广泛的应用于各种语音控制过程中.其中应用最多的便是SPCE061型的单片机,本文将从研究它的处理技术着手,从而分析单片机在语音处理方面的应用.     

非特定人问候语连续语音识别技术的研究

为了解决连续的语音识别对端点的依赖性问题,提出了一种基于高维空间点覆盖动态搜索理论的非特定人问候语连续语音识别的新算法,该算法无需对待识别连续语音进行端点检测和分割,通过直接对特征提取后的连续语音进行动态搜索,得到待识别连续语音到各类训练网络的距离随时间变化的曲线,通过动态搜索距离曲线上谷值的大小来判断识别结果.通过对小词汇量、不同语速条件下的连续语音的测试,得到了良好的识别结果,验证了此方法的有效性.     

基于SCHMM/ANN噪声背景下的语音识别系统设计

语音识别系统一般是将安静环境下训练得到的参数用于实际环境中, 当实际环境是安静的,语音识别系统的工作是令人满意的,然而,当实际环境中有噪声存在时,识别系统的性能就会下降.文中提出将自组织特征映射神经网络与半连续隐马尔可夫模型相结合,训练出适应噪声的隐马尔可夫模型的新方法.把该模型应用于小词汇量的孤立词语音识别系统.实验表明,该模型适合于对噪声背景下的语音进行识别.同传统的HMM模型相比,该模型具有更好的抗噪鲁棒性,在信噪比较低的情况下(2～12dB),识别率比传统HMM模型有明显提高.     

语音识别技术在楼宇自控系统中的应用

随着语音识别技术的发展,孤立词、小词汇量的语音识别系统在日常生活中得到广泛应用,本文提出了一种基于DSP的孤立词实时语音识别系统,并将动态时间规整技术运用到识别算法中。根据楼宇控制系统的特点,结合BACnet网络协议,把系统设计成BACnet设备的一个嵌入式子系统,从而把语音识别应用到楼宇控制系统中。结合了系统硬件速度快、算法高效的特点,实现了对楼字更加实时、方便的控制。     

普通话语音情感识别的特征选择技术

谢波，陈岭，陈根才，陈纯针对情感声学特征在语音情感识别中的重要性问题，运用优先选择、序列前向、序列后向和逐步判别分析进行了特征选择.对说话人和文本均无关、说话人相关2组普通话情感语音进行特征选择，然后利用线性判别分析和支持向量机进行实际识别效果的分析比较.特征选择结果表明，基频、对数能量、语速和第一共振峰均值对普通话情感语音具有较强的判别能力，但情感声学特征的判别力随着说话人的不同而有所差异.特征选择方法比较实验表明，逐步判别分析比其他3种方法具有更高的平均准确率，当特征个数为9~12时分类器的平均准确率最高.效用分析表明，特征选择在小样本时更加有效.     

微机控制系统中语音再现技术的应用

将待输出的语句，由数字量转换成模拟量，再通过扬声器等电声转换媒介，使声音获得再现，此语音再现系统具有脱机使用的功能。