汉语孤立音节的分段研究

本文基于谱包络参数对孤立音节频域分段的常用分段方法进行了较为系统的分析和比较,在此基础上提出了基于离散卡洛变换(KLT)的谱压缩分段法和以段内离散度最小,段间离散度最大为准则的聚类分段方法.实验表明,采用这两种方法后,对汉语孤立音节的分段效果均有相当程度的提高,从而为汉语语音的音素分段和特征提取提供了新的手段和方法。     

基于HMM和Monte-Carlo方法的生成基频曲线的新方法

提出了一种基于隐马尔科夫模型(HMM)的汉语韵律短语的统计基频模型,并尝试使用蒙特卡罗方法(Monte-Carlo)从模型生成基频曲线。该模型使用HMM作为基本框架,具有HMM理论体系所能支配的各种优点。并将韵律词作为模型单元,使得模型能够反映韵律层次级的连续变调。Monte-Carlo方法能生成相对模型最优的基频曲线,并保证生成的基频曲线具有足够的精确度。该文最后给出了实验结果并对模型的应用前景进行了展望。     

Windows下的实时汉语语音输入系统

本文介绍了一个基于中文Ｗｉｎｄｏｗｓ下的实时汉语语音输入系统的实现，该系统硬件基于功能强大的ＴＭＳ３２０Ｃ３０芯片，软件基于一个设计合理的分层式软件库，并借助中文Ｗｉｎｄｏｗｓ下丰富的资源，具有灵活，方便的特点，文中还详细介绍了我们设计的分层式Ｃ３０软件库的结构和功能。     

基于统计声学模型的单元挑选语音合成算法

提出一种基于统计声学模型的单元挑选语音合成算法.在模型训练阶段,首先提取语料库中语音数据的频谱、基频等声学参数,结合语料库中的音段和韵律标注来估计各上下文相关音素对应的统计声学模型,使用的模型结构为隐马尔柯夫模型.在合成阶段,以使目标合成句对应的声学模型具有最大的似然值输出为准则,来进行最佳合成单元的挑选,最后通过平滑连接各备选单元波形来生成合成语音.以此算法为基础,构建一个以声韵母为基本拼接单元的中文语音合成系统,并通过测听实验证明此算法相对传统算法在提高合成语音自然度上的有效性.     

ITU-T G.729算法及其实时实现

Ｇ．７２９编解码算法,实时实现的 Ｇ．７２９系统的软件设计和硬件设计。在 ＡＤＳＰ－２１８１上实现的 Ｇ．７２９编解码器,已经通过 Ｔ ＩＴＵ－Ｔ Ｇ．７２９的全部测试矢量,并且已经在数字语音记录仪和 Ｈ．３２３网上多媒体通信系统中得到推广应用。     

单机多媒体监控系统中的数据采集、组织与传输

简单描述了基于ＰＳＴＮ（公用电话网）的单机多媒体监控系统组成结构,同时也对语音,图像等多媒体数据在实时传输时的特点和要求进行了分析,在此基础上,介绍了利用数字信号处理器在ＰＳＴＮ上进行语音和图像数据实时传输控制中所使用的方法,首先,介绍了我们自行开发的单机远程多媒体监控系统,重点描述了监控点终端机的功能及结构,然后,较详细地介绍了整体软件的实现方案,说明了在数字信号处理器何类似多线程处理的方法同时处理多种媒体据,最后,系统地介绍了整个多媒体数据从采集,经缓冲和打包处理,到成帧发送的过程和实现方法,在整修监控系统中,数字信号处理器不但能进行多媒体数据的实时编码,同时还完成了系统的总体控制和通信控制,是整个监控系统的核心。     

基于KLD差的统计错误模式生成算法

研究了用于指导计算机发音质量评价的错误模式的生成算法,它是普通话CALL系统研究工作中的一部分.传统的错误模式是根据语言学知识来生成的,只能得到那些最重要的常见错误模式.为了提高错误模式的覆盖面,本文提出了一种基于KLD差的统计错误模式生成算法,用模型间KLD作为模型间的距离,以标准模型间KLD与带方言口音模型间KLD的差代表两种模型间的差异,并以之为度量来生成错误模式.实验证明在引入了此算法生成的错误模式后,系统性能由0.809提升到0.826.     

基于韵律特征和语法信息的韵律边界检测模型

韵律短语边界的自动检测,对语音合成中语料库的韵律标注以及语音识别中韵律短语的自动划分都有重要意义。本文通过对影响韵律短语边界的声学、韵律等参量的分析,得到和韵律短语边界关联性较大的一组声学特征参数、韵律环境参数和语法信息;同时引入语音合成中的韵律预测思想,在假定所有音节边界均为非韵律短语边界时,预测每个音节的基频。最后使用决策树模型,将音节边界处的韵律环境信息、语法信息以及预测结果作为决策树的输入,利用决策树综合判定当前音节边界是否为韵律短语的边界。实验表明,这种方法对于基于确定性文本(text-dependent)的语音韵律短语边界的检测,具有较好效果,同时可以显著提高语音合成中语料库的标注效率和标注结果的一致性。     

基于自适应加权谱内插的宽带语音编码算法

提出了一种基于自适应加权谱内插(STRAIGHT)的宽带语音编码算法。输入的语音信号首先经过STRAIGHT分析得到精确的基频参数和谱参数,然后通过时域抽取和频域建模实现有效的编码压缩。在时域抽取时采用的区别于传统编码算法固定帧长的自适应可变帧长方法,使得编码存储量可以根据实际语音变化情况得到更加合理的分配。主观测听结果表明,该算法针对16kHz采样的语音信号,在6kbps码率上可以取得与AMR-WB(G．722．2)在8．85kbps时的相当的音质效果。此外,该算法还具有对恢复语音的时长、基频以及谱参数较强的调整能力。     

基于8088微处理器的功率谱分析系统

在信号分析和处理技术中,功率谱分析占着十分重要的地位。对离散的数字信号来讲,谱分析主要是由离散富里叶变换来完成的。近年来,由于快速富里叶变换(FFT)算法的出现大大减少了运算时间;同时随着大规模集成电路的迅速发展,使得实时地数字谱分析成为可能,因此离散功率谱分析已作为数字信号分析和处理中必不可少的手段之一,得到了极为广泛的应用。采用专门数字硬件做成的频谱分析仪具有速度快、使用简便等优点;然而,采用微处理器的频谱分析系统,由于代价低、灵活性强等特点,亦是十分可取的。本文介绍使用一个仅由5个集成电路片(5-chip)组成的8088微处理器系统来完成256点或512点(实数)