采用局部相位量化的合成语音检测方法

由于语音合成的便利性,合成伪装语音对说话人认证系统的安全构成了很大的威胁。为了进一步提升说话人认证系统的伪装语音检测能力,提出了一种利用语谱图频域信息的合成语音检测方法,它通过局部相位量化算法对语谱图频域信息进行描述。首先,将语谱图分为若干子块,然后对每个子块进行局部相位量化,经直方图统计分析后获得局部相位量化特征向量并将该特征向量作为随机森林分类器的输入特征,实现合成语音检测。实验结果表明,该方法进一步降低了合成语音检测系统的串联检测代价数值,并且具有更强的泛化能力。     

基于稀疏性的相位谱补偿语音增强算法

相位谱补偿语音增强算法通过调整相位谱对噪声进行压缩,提高重构信号的质量。针对传统的相位谱补偿(phase spectrum compensation, PSC)语音增强算法采用固定的相位补偿因子,且算法的性能易受噪声估计准确性的影响,提出了一种基于稀疏性的相位谱补偿(sparsity-based phase spectrum compensation, SPSC)语音增强算法。首先,利用噪声估计算法得到噪声幅度谱,利用基于幅度谱的语音增强算法得到目标语音幅度谱;接着,通过噪声和目标语音幅度谱之间的局部信噪比(Signal-to-Noise Ratio, SNR)来估计谱时间稀疏性;然后,利用sigmoid函数改进相位补偿因子,联合补偿因子和谱时间稀疏性,得到SPSC函数。最后,使用SPSC函数对相位谱中的谱分量进行补偿,通过短时傅里叶逆变换得到最终增强后的语音信号。仿真实验表明,在四种不同背景噪声的低信噪比下,新的相位谱补偿算法使增强语音获得了更好的LSD、PESQ和segSNR指标,说明新的算法在低信噪比下,可以有效恢复带噪语音中的语音成分,对噪声抑制效果明显,增强语音的质量和听感均有一定提升。      

基于相位影响的单声道语音增强幅度谱相减改进算法

结合经典语音谱相减算法的基本理论,针对在恢复时域信号过程中利用带噪语音相位来代替纯净语音相位而使消噪效果变差的缺点,基于带噪语音功率谱、噪声谱和纯净语音功率谱三者相位几何关系,提出一种直接使用纯净语音相位来恢复信号的改进算法.经过仿真实验,通过对时域波形图以及信噪比的比较,结果表明提出的算法比经典的谱相减算法均有一定的提升.     

基于Mel-TEO的带噪语音端点检测算法

针对短时TEO能量算法抗噪性差的缺点,提出了一种强噪声下的端点检测新算法.该算法在短时TEO能量端点检测的基础上,增加Mel倒谱距离判断环节,采用先粗判后精判的互补性两级判决机制.首先利用强抗噪性Mel倒谱距离进行端点粗判,然后再利用体现语音信号时域特征与语音共振峰特性的短时TEO能量进行端点精判.实验表明,在信噪比相对较低的环境下,该改进算法与传统的双门限法和短时TEO能量相比,在没有增加运算复杂度的同时提高了检测系统的准确度.     

基于谱熵的语音检测

根据离散余弦变换(DCT)特性和最大离散熵定理,该文提出利用短时语音余弦变换谱的谱熵进行语音信号检测(Voice activity detection)。在强噪声环境下,传统的能量,过零率,相关等检测方法将会失效,而谱熵法则具有稳健的抗噪特性。计算机模拟显示这是一种比较好的抗噪语音检测方案.     

基于最大后验相位估计的多带谱减语音增强算法

传统语音增强算法中因为谱减法算法简单易于实现而得到广泛研究,谱减法的原理是将带噪语音幅度与估计的噪声幅度进行相减,并叠加带噪语音相位,进而重构增强语音谱。该方法在低信噪比下因为没有进行相位估计,会存在较大的估计误差,并且因为对噪声估计的不准确,会产生 音乐噪声。基于谱减法的缺点该文提出一种基于最大后验相位估计的多带谱减法,其中多带谱减法可减少音乐噪声的影响,最大后验方法估计纯净语音相位,可以减少在低信噪比时的估计误差。实验结果表明该方法在低信噪比时取得了较好的增强效果。     

具有相位补偿的改进log-MMSE语音增强算法

以往的语音增强算法大多只关注幅度谱的增强而忽略相位谱的影响.本文设计了同时具有相位谱增强和幅度谱增强的语音增强算法.本文通过基于高斯混合模型(Gaussian Mixture Model,GMM)的语音活动检测(Voice Activity Detection,VAD)所得到的检测结果和语音存在概率,首先改进了传统基于...     

基于特征语音的说话人自适应算法研究

介绍了说话人自适应技术中的特征语音(Eigenvoice,EV)方法。用最大后验概率特征分解(Maximum a Posteriori Eigen-decomposition,MAPED)法来计算线性组合系数,代替了传统方法中的最大似然特征分解(Maximum Likelihood Eigen-decomposition,MLED)的方法。实验对这两种方法的性能进行了比较。结果证明使用MAPED这种方法比用MLED的方法错误识别率有一定的降低,增强了系统的鲁棒性。     

基于倒谱特征的带噪语音端点检测

在语音识别系统中产生错误识别的原因之一是端点检测有误差.在高信噪比情况下,正确地确定语音的端点并不困难.然而,大多数实际的语音识别系统需工作在低信噪比情况下,一些常规的端点检测方法,例如基于能量的端点检测方法在噪声环境下不能有效地工作.本文利用倒谱特征来检测语音端点,提出了带噪语音端点检测的两个算法,第一个算法利用倒谱距离代替短时能量作为判决的门限,第二个算法改进了基于隐马尔柯夫模型(HMM)的语音检测以适应噪声的变化,实验结果表明本方法可得到高正确率的带噪语音端点检测.     

基于DSP和谱熵的语音检测

利用TMS320VC54x系列DSP芯片功耗低,运算速度快等特点实现了一种谱熵语音检测方法,该方法分别计算输入信号高频段谱熵H1与低频段谱熵H2,如果H1/H2<1,则输入信号为语音信号,如果H1/H2(～)1,则输入信号为噪音信号.实验表明:该方法实现简单,实时性好,语音检测正确率高,具有较好的应用价值,可广泛应用于各种指挥调度系统中多种通信系统之间的语音检测.     

基于ADPCM的数字语音存储与回放系统

系统以单片机和FPGA为控制核心,实现了语音存储与回放系统。能够采集模拟语音信号以及耳机立体声信号,以ADPCM（自适应差分编码）的方式提高了存储器的利用率,语音存储时间可达2 min;基于短时傅里叶变换原理,实现了语音信号的频谱分析与实时显示。同时,利用立体声音频功放播放语音,每声道音量可调并具有静噪功能。此外,系统还采用预加重、去加重、抗混叠滤波等措施,有效地提高了信噪比。语音回放质量良好,存储时间较长。     

基于特征流融合的带噪语音检测算法

针对语音通话中语音段的起始检测性能不佳,检测语音连续性结构受到破坏的问题,提出了一种基于特征流融合的带噪语音检测算法。首先,根据语音特性分别提取时域特征流、谱图特征流和统计特征流;其次,利用不同的语音特征流分别对带噪音频中的语音段进行概率估测;最后,将各个特征流估测得到的语音估测概率进行加权融合,并利用隐马尔可夫模型对语音估测概率进行短时状态处理。通过对复合语音数据库在多类型噪声与不同信噪比条件下的性能测试表明,所提算法相对于基于贝叶斯与DNN分类器的基线模型相比,语音检测正确率分别提高了21.26%与11.01%,显著提高了目标语音的质量。     

一种新的基于混沌的语音、噪声判别方法

语音通信中,区别发音段和非发音段具有一定的意义。其关键在于提取发音段和非发音段的不同特征参数。本文基于混沌信号处理,提出了一种新的语音、噪声判别方法。该方法提取信号在不同相空间重构维下的虚邻点,从而根据信号高维虚邻点平台的不同,判别发音段和非发音段（背景噪声）以及发音段所含噪声的强弱,本文阐述了该方法的原理,讨论了其性能,仿真实验表明,本方法具有较好的结果。     

基于认知无线电的频谱检测技术研究

信息时代无线通信飞速发展,许多需要较宽频谱和较高下载速率的业务,如多媒体通信业务,已经成为无线服务的重点对象。认知无线电是一种智能的无线通信技术,可以通过感知周围环境来自动调整其发射机参数,其核心思想是利用已分配但未获得充分利用的频谱,从而提高频谱利用率避免对主用户造成干扰是认知无线电最需要解决的问题,频谱感知则是实现这一目标的前提。     

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。     

基于次用户协作的主用户频谱洞周期稳态特征检测

实时准确地检测主用户归属的无线电系统是否存在频谱洞,即检测主用户是否在所分配的频点上处于活动状态,是机会式频谱共享法必须解决的首要问题.本文将次用户间协作检测方式和周期稳态特征检测法结合,提出了次用户协作检测主用户频谱洞的特征检测法.理论研究和和仿真分析表明,本文提出的检测法比协作能量检测法性能优越.     

改进的MSK信号循环谱检测算法

利用循环谱理论对MSK直接序列扩频信号进行检测,分析了其循环谱包络特征;在有限数据下,为实现更低信噪比情况下信号检测,提出了一种改进算法,该算法基于数据分段处理和重叠保留,通过在非零循环频率上的一维搜索实现检测,能够有效地抑制噪声影响,避免多维搜索,计算量小;文中还分析了算法性能,给出了算法实现的具体步骤,并进行了计算机仿真.仿真结果证明了所提出算法的有效性.     

基于光谱特性的高判别准确度激光近场探测传感器研究

激光近场探测是激光测量重要的应用方向之一,尤其是基于距离信息的近场探测系统有着巨大的应用前景。传统的激光近场探测系统只依靠距离信息给出信号,而不判别反射距离信号的物体是否为目标,可能导致误报。基于光谱特性进行目标识别会大大减少激光近场测量系统的误报率,极大提高判别准确度。设计实现了一种单芯片的光谱分析器件,利用半导体技术将光谱元件和光电元件进行单芯片的集成,从而减小了传统光谱分析系统的体积和质量。实验结果表明,该微系统级的光谱分析芯片具有识别既定伪装物体的能力,使得该技术具有在激光近场探测中应用的前景。     

应用小波变换的频谱边缘检测技术研究

频谱感知是认知无线电实现的首要步骤。作为分析奇异点和边缘检测的强大数学工具,小波变换被用于探测和估计局部频谱的不规则变化。针对小波变换实现频谱边缘检测的局限条件,提出一种带内非平稳变化,边界连续变化的频谱边缘检测方法。通过对原始频谱信号进行数据预处理和结果峰值变化特性分析,利用小波变换实现频段的边缘划分,最后进行仿真验证。仿真结果表明:本算法能够将带内不光滑且边界连续变化的频谱有效的划分成若干独立频段,从而实现信号频谱边缘检测。