鲁棒性语音识别的在线自适应匹配

语音识别的一个最重要的领域就是鲁棒性问题，这个问题的核心是如何处理训练和识别不匹配的问题。提出一个在线自适应匹配算法，此算法能够根据当前语音信号，自适应的估计出语音畸变参数，从而调正模型来匹配当前的测试环境，在Aurora2测试集上，正确率显著提升。     

基于频域ICA的语音特征增强*

为了降低卷积噪声对语音特征所产生的影响,提高语音识别正确率,文章提出了一种基于频域ICA（Independent Component Analysis,独立分量分析）的语音特征增强算法。该算法首先使用频域ICA方法作对噪声进行估计,然后在倒谱域内将带噪语音信号的短时谱减去所估计噪声的短时谱,最后根据去噪后语音信号的短时谱计算美尔倒谱系数（MFCC）作为特征参数。在仿真和真实环境下的语音识别实验中,本文所提出的语音特征参数相比较传统的MFCC其识别正确率分别提升了38.2%和35.8%。实验结果表明本文所提算法能够较好地解决卷积噪声环境下训练与识别特征不匹配的问题,有效提高了语音识别系统的识别正确率。     

一种新型语音识别算法的应用

本文首先对声音的预处理及其信号特征的提取过程进行了简要介绍,然后提出了在孤立字词语音识别的一个新的算法,即新型的识别算法。通过此算法,系统可以在不降低系统识别精度的前提下,大大精简运算量,因此提高了识别系统整体的识别效率。实验证明,这种识别算法在基于模板的孤立字词语音识别中可以达到100%的识别精度,在基于非模板的孤立字词的语音识别中,其识别精度也可以达到90%以上,并且与传统的识别方法相比,缩短了训练时间,提高了识别速度。在孤立字词的语音识别中具有自己独到的优势。然后,构建一个使用方便的语音识别系统,将本算法应用到实践当中来解决人们现实生活中遇到的各种问题。     

基于多模型的自适应有源噪声控制算法研究

针对有源噪声控制中次级通道存在很大不确定性的问题，建立次级通道模型集以覆盖次级通道的不确定性，每个模型都有一个相对应的采用Modified FXLMS算法进行权值更新的自适应滤波器。在系统运行过程中，算法首先依据切换准则实时判断当前次级通道所处状态，选出最匹配的次级通道模型，同时把采用最匹配模型进行权值更新的自适应滤波器的参数复制给参与控制的滤波器。仿真和实验结果表明，采用多模型自适应的有源噪声控制算法提高了系统的鲁棒性。     

交互式多模型集自适应协同滤波目标跟踪算法研究

为了解决传统交互式多模型算法静态模型集带来的精度低等局限问题,提出了一种多模型集自适应协同滤波算法.通过比较目标与当前模型集中不同模型之间的模型匹配概率,自动确定当前模型匹配中的最好模型与最坏模型,利用激活、保留和剔除策略改变固定模型集的结构以达到模型集自适应的过程.通过与其他已经提出的交互式多模型算法进行比较,实验结...     

分频匹配在语音识别与控制中的应用

语音识别的一大难题就是参数提取和最佳结果的匹配搜索。本文利用离散小波变换（DWT）特有的奇异特征提取和时变滤波功能，结合动态时间规整算法（DTW）提出了分频匹配策略，实现了在频率域上“由粗及细”地匹配，使语音词汇的识别做到更准确、更快速。实验证明了该方法的正确性和可行性。     

基于改进 SIFT的图像快速自适应匹配算法

目的分析SIFT算法特征点描述子生成比较缓慢和匹配过程距离比阈值无法自适应调节的问题,探索一种改进SIFT的图像快速自适应匹配算法。方法通过简化特征点描述子的生成过程,提高算法效率,并通过自适应地调节距离比阈值参数,提高算法的鲁棒性。结果与原算法相比,图像快速自适应匹配算法的匹配点数减少,匹配准确度高,计算时间缩短。结论该算法在匹配效率和准确度方面具有明显优势,能够将计算机视觉用于工业无损检测、印品图像检测、印刷网点图像检测和包装图像检测中,具有较好的推广价值。     

基于ARM的嵌入式语音识别系统研究

在分析语音识别原理的基础上设计了一个基于ARM9和嵌入式Linux的嵌入式语音识别系统采用隐马尔可夫（HMM）算法对语音信号进行特征参数序列比较并识别出结果。语音识别子系统由ARM和DSP芯片为核心,配合其他功能电路,能够独立完成语音识别的工作．     

一种自适应噪声抵消系统的仿真与设计

自适应噪声抵消系统是基于自适应滤波原理的一种扩展,它能从被噪声干扰的环境中检测和提取有用信号,抑制或衰减噪声干扰,提高信号传递和接收的信噪比质量。研究常用噪声消除算法,并仿真验证系统设计和所选自适应算法的可行性,最后应用DSP技术设计一个自适应噪声抵消系统,使其能消除含噪语音信号中的背景噪声,达到提高语音信号质量的目的。     

一种用于主动噪声抑制系统的次级通道特性识别算法的改进

本文着重研究窄带信号噪声自适应主动抑制技术中的次级通道特性在线识别问题。针对窄带噪声信号，提出了基于自适应陷波器的次级通道特性在线识别算法，该方法利用自适应陷波器技术解决在线识别时存在的激励信号干扰问题，从而提高次级通道特性在线识别的速度。同时研究了选定参数对算法性能的影响。仿真结果表明，基于自适应陷波器的次级通道特性在线识别算法能较大程度的提高对次级通道特性的识别速度。     

基于自适应步长选择的NCC图像匹配算法

在基于灰度相关的图像匹配算法中,归一化互相关(NCC)匹配算法是常用的匹配算法,但算法复杂、匹配时间长是制约其应用的主要原因。本文提出一种基于自适应步长选择的 NCC 匹配算法,根据归一化互相关系数自适应地选择搜索步长,加快了匹配速度;改进归一化互相关系数算子,增加了步长选择阈值的区分度,提高了自适应选取步长的精确度,实现了匹配时间和匹配精度的合理分配。实验表明,该算法在保证匹配精度的同时,匹配时间缩短为传统NCC算法的10%~50%。     

ARM语音识别控制器在智能家居中的应用

为了使语音识别真正从实验室走入日常生活,本文设计一个ARM语音识别控制器,以ARM芯片为核心,搭建硬件平台,并结合孤立词语音识别DTW算法,在搭建的硬件平台上进行实验。实验结果表明,本系统具有较高的识别率。根据智能家居的特点,结合Zig Bee网络协议,把系统设计成一个嵌入式子系统,从而语音信号对家居设备更加实时、方便的控制。     

语音模糊消噪算法

针对加性有色噪声,提出了语音信号模糊消噪算法;建立并训练了一个语音模糊消噪系统——自适应神经模糊推理系统（ANFIS）;用其对含噪语音中的有色噪声进行模糊估计,从而提取出干净的语音。对算法进行了仿真实验,结果表明,对模拟有色噪声在-17dB时能提取出清晰的语音。     

基于双耳语音分离和丢失数据技术的鲁棒语音识别算法

鲁棒语音识别技术在人机交互、智能家居、语音翻译系统等方面有重要应用。为了提高在噪声和语音干扰等复杂声学环境下的语音识别性能,基于人耳听觉系统的掩蔽效应和鸡尾酒效应,利用不同声源的空间方位,提出了基于双耳声源分离和丢失数据技术的鲁棒语音识别算法。该算法首先根据目标语音的空间方位信息,在双耳声信号的等效矩形带宽（Equivalent Rectangular Bandwidth,ERB）子带内进行混合语音信号的分离,从而得到目标语音的数据流。针对分离后目标语音在频域存在频谱数据丢失的问题,利用丢失数据技术修正基于隐马尔科夫模型的概率计算,再进行语音识别。仿真实验表明,由于双耳声源分离方法得到的目标语音数据去除了噪声和干扰的影响,所提出的算法显著提高了复杂声学环境下的语音识别性能。     

强噪声环境下语音增强算法的比较研究

介绍语音增强的原理和从强噪声背景中提取语音信号的方法,并对基于减谱法的增强算法、基于自适应滤波法的增强算法和基于小波变换的增强算法进行对比研究。鉴于语音增强算法的两个目标即增强语音的清晰度与理解度并不是相关联的,有时甚至相互矛盾,因此任何一个语音增强算法都是根据不同的应用做适当的选择和折衷。基于此,对三种算法进行仿真实验的比较研究,实验结果证明应用小波变换的语音增强算法比其它的方法更有效。     

一种利用主曲线的说话人自适应方法

为了克服噪声对语音识别系统的影响,提出了一种基于主曲线的说话人自适应方法,这种方法可以通过一组主曲线描述所有状态的特征统计信息和码本参数之间的关系,并利用特征统计量在主曲线上的投影更新码本.当有背景噪声存在时,这种方法可以有效修正状态的特征统计信息以减弱或去掉噪声的影响.在863大词汇量连续语音识别数据库上的实验结果证明:这种方法相对于基线以及本征音说话人自适应算法,系统识别性能都有明显的提高.     

水下小孔径阵列远程目标检测方法研究

匹配滤波器频域自适应线谱增强方法是一种基于递归算法的非线性滤波技术,它大大提高了匹配滤波器的检测性能.针对当前该技术使用窄带信号作为发射信号存在可利用的带宽有限,不能充分发挥自适应线谱增强器性能的问题,文章提出将该技术与宽带信号相结合来检测远程目标.仿真显示,该方法在低信噪比条件下获得了较高的信噪比增益和检测概率.海试...     

基于RLS的自适应阵列抗交叉串扰语音增强研究

在噪声环境下的麦克风阵列语音增强应用中,由于语音与噪声之间存在交叉串扰,传统自适应算法降噪性能受到很大的影响。为了提高自适应滤波器收敛性能,同时抑制麦克风之间语音信号的交叉串扰,采用两级抗交叉串扰麦克风阵列结构,自适应滤波器均采用RLS格型一阶梯算法。其中,第～级滤波系统仅在确认为无语音阶段进行参数调整,以充分消除噪声的影响。实验结果表明,该方法消噪量大,对语音损伤小,语音增强效果显著。     

基于匹配调节法则和梯度约束模型的图像修复算法

目的针对当前较多图像修复算法难以根据不同纹理结构来自适应调整修复块的尺寸,导致修复结果中存在不连续效应和模糊效应等不足,提出一种结合匹配调节法则和梯度约束模型的图像修复算法。方法首先,利用平滑因子对置信度项进行约束,构造优先级判定模型,对待修复块的优先级进行度量,确定优先修复块。随后,通过SSD模型度量样本块之间的匹配结果,并根据匹配结果制定匹配调节法则,使得样本块能根据匹配度自适应调节其大小,以提高修复质量。最后,将梯度模值块中像素点的均方距离度量结果与样本块中像素点相结合,构造梯度约束模型,用以获取最佳匹配块对待修复块进行填充修复。结果实验结果表明,与当前图像修复算法相比,该算法修复的图像具有更好的修复质量,在像素丢失率较高的情况下,仍然具有较高的相似度值。结论所提算法具备较好的修复视觉质量,可用于被大面积损坏图像的修复。     

双端对讲检测算法的研究与实现

1.引言 双端对讲情况下的回声抵消是自适应同声抵消技术的一个难题.在双端对讲情况下的远端语音信号s(n)作为自适应算法的干扰,易导致自适应算法发散.通常,自适应回声抵消系统是在双端对讲检测的基础上,根据双端对讲状态来控制滤波器系数的调整方式.其主要策略是一旦出现双端对讲状态就放慢或暂停滤波器系数的调整.因此,双端对讲检测是传统自适应回声抵消系统的一个重要组成部分.